1174پ

Prediction of Natural Gas Liquids (NGL) Properties by Using Artificial Neural Network

ﻛﺎرﺷﻨﺎﺳﻲ ارﺷﺪ

شيمي تجزيه

دانشگاه پيام نور همدان

1395

1395/4/14

عالي

143ص.

ملكي ، عباس

گلبداغي ، رضا

118-121

Natural Gas Liquids (NGL), Artificial Neural Network (ANN), API Gravity, Distillation, Reid Vapor Pressure (RVP)

گاز طبيعي كه از مخازن گازي استحصال مي شود، عمدتاً حاوي حجم قابل ملاحظه‌اي مايعات گازي است. مايعات گازي به جريان هيدروكربني مايع گفته مي‌شود كه عمدتاً از پنتان و هيدروكربن‌هاي سنگين‌تر (بيش از 5 كربن) تشكيل شده و داراي مقادير كمي پروپان و بوتان مي‌باشد. آناليزهاي آزمايشگاهي مربوط به تعيين كيفيت مايعات گازي عمدتاً وقت‌گير بوده و كاربري دستگاه‌ها نيازمند دانش تخصصي، اعمال دقت و صرف هزينه مي‌باشد. صرف نظر از مخاطرات احتمالي آتش‌گيري اين ماده در زمان آناليز، دفع پساب حاصل از آزمايش‌ها نيز به‌عنوان يكي از دغدغه‌هاي زيست‌محيطي مطرح مي¬باشد. لذا با توجه به پيشرفت دانش بشر در امر پيش‌بيني‌هاي علمي، در اين پژوهش سعي شد ابزاري براي پيش‌بيني ‌برخي از خواص مايعات گازي كه نقش عمده‌اي در تعيين كيفيت آن دارد با استفاده از شبكه‌ي عصبي مصنوعي توسعه داده شود. بدين منظور در اين پژوهش، پس از بررسي‌هاي كتابخانه‌اي و مرور تحقيقات پيشين، 117 نمونه‌ي مختلف از مايعات گازي يكي از پالايشگاه‌هاي گاز، مورد آناليزهاي آزمايشگاهي قرار گرفت. نتايج مربوط آناليز 106 نمونه شامل داده‌هاي تست برش تقطير، تست سنگيني ويژه و تست ميزان فشار بخار به روش ريد، در نرم افزار اكسل وارد شد و فايل اطلاعاتي لازم براي آموزش شبكه‌هاي عصبي آماده گرديد. با استفاده از نرم افزار متلب، دو شبكه عصبي چندلايه به صورت مجزا براي پيش‌بيني سنگيني ويژه و فشار بخار ريد آموزش داده شد. جهت اطمينان از صحت پيش‌بيني شبكه‌هاي عصبي حاصل، داده‌هاي آزمايشگاهي برش تقطير (مربوط به 11 نمونه باقيمانده)، در مرحله اول به شبكه‌هاي عصبي وارد شد و نتايج پيش‌بيني براي سنگيني ويژه و فشار بخار به دست آمد. در مرحله بعد همين داده‌ها به نرم‌افزار شبيه‌سازي مهندسي شيمي ASPEN HYSYS وارد شد و تخمين مهندسي براي سنگيني ويژه و فشار بخار مشخص گرديد. تحليل‌هاي آماري انجام گرفته در اين پژوهش نشان مي‌دهد كه در سطح اطمينان 99%، خطاي سيستماتيكي بين مقادير سنگيني ويژه و فشار بخار كه شبكه‌هاي عصبي پيش‌بيني مي‌كنند در مقايسه با نتايج آزمايشگاهي وجود ندارد. همچنين در سطح اطمينان 99%، همبستگي كامل بين نتايج شبكه عصبي و مقادير آزمايشگاه براي پيش بيني سنگيني ويژه و فشار بخار وجود دارد. پيش‌بيني‌هاي شبكه عصبي در مقايسه با تخمين‌هاي شبيه‌سازي ASPEN HYSYS در سطح اطمينان پيش‌گفته بسيار بهتر مي‌باشد. لذا به طور كلي نتايج به دست آمده حاكي از آن است كه شبكه‌ي عصبي براي پيش‌بيني خواص مايعات گازي مناسب بوده و در قياس با داده هاي آناليز واقعي، قابل قبول و در حد انتظارات صنعت مي باشد. انتظار مي‌رود نتايج تحقيق به‌صورت مستقيم و بدون نياز به تغييرات اساسي، در پالايشگاه‌هاي گاز كشور براي تخمين مشخصات كيفي مايعات گازي به كار رود.

1396/2/17

41021