بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان
دریافت مدرک
FullText
اندازه فایل:
1.418 مگابایتنوع فايل (MIME):
PDFنوع مدرک
Textعلمی ترویجی
زبان مدرک
فارسیچکیده
در این تحقیق برای روشن شدن تاثیر متغیرهای ورودی مهم فرآیندی که شامل دمای راکتور، دمای قسمت بالای برج جداساز، شدت جریان خوراک و دمای پایین برج بوتان زدا بودند بر متغیرهای خروجی مقدار بنزین تولیدی،گاز مایع،عدد اکتان و درصد تبدیل محصولات از شبکه عصبی و مدلهای آماری استفاده شد . با توجه به کارآیی هریک از این دوروش، شبکه عصبی به عنوان مدل مناسب انتخاب شده و مقدار خطای آن کمینه شد. براساس مدل انتخاب شده و بکارگیری الگوریتم بهینه سازی SQP شرایط مناسب عملیاتی برای بیشینه شدن تولید بنزین مشخص شد،براین اساس در دمای راکتور ºC 524، شدت جریان خوراک 43000 بشکه درروز، دمای قسمت بالای برج جداساز برابر با ºC 138،دمای قسمت پایین برج بوتان زدا برابر با ºC 179 مقدار بنزین در حداکثر مقدار خود یعنی 22575 بشکه درروز خواهد بود.
کلید واژگان
شبکه عصبیفرایند شکست کاتالیستی
مدل آماری
بهینه سازی
مدلسازی و شبیه سازی
شماره نشریه
58تاریخ نشر
2017-08-231396-06-01
ناشر
شرکت ملی پالایش و پخش فرآورده های نفتی ایرانسازمان پدید آورنده
مسئول نوبتکاری بهره برداری، شرکت نفت و گاز کارون، اهواز، ایراناستادیار پژوهشی و مسئول پروژه پژوهش توسعه و کنترل فرآیند- پژوهشکده توسعه و فناوری تجهیزات- پژوهشگاه صنعت نفت- ضلع غربی استادیوم آزادی- تهران - ایران
مهندسی پالایش، شرکت پالایش نفت آبادان، آبادان، ایران
