پیش بینی میزان سولفیدهیدروژن و دی اکسیدکربن خروجی از برج شیرین ‏سازی پالایشگاه گاز پارس جنوبی به‌کمک شبکه عصبی

نوع مقاله: علمی ترویجی

نویسندگان

1 هیات علمی/دانشگاه گیلان

2 فارغ التحصیل مهندسی شیمی/دانشگاه گیلان

چکیده

گاز طبیعی، مهم‌ترین سوخت فسیلی است. با وجود این، گاز طبیعی شامل تر کیبات غیر هیدروکربنی زیادی مثل سولفید‌‌ هیدروژن و دی‌اکسید کربن می‌باشد که ترکیبات نامطلوب بوده و طی فرآیندی به ‌نام شیرین‌سازی جدا می‌شوند. در این مطالعه، شبکه‌ی عصبی به منظور پیش‌بینی همزمان میزان سولفید هیدروژن و دی اکسید کربن خروجی از برج جذب یک واحد شیرین‌سازی به ‌کار رفت. شبکه، به وسیله‌ی داده‌های عملیاتی پالایشگاه گاز پارس جنوبی، گسترش و ارزیابی شد. زمان، دمای آب دریا، دبی جریان گاز ترش ورودی، سولفید هیدروژن جذب شده توسط آمین، دبی آمین ورودی، و بخار کم فشار ورودی به ریبویلر آمین به عنوان ورودی‌های شبکه در نظر گرفته شدند. برای داده های ارزیابی شبکه، مقدار متوسط مربعات خطا برابر با 0011/0 و مقادیر ضریب رگرسیون به ترتیب برای خروجی اول و دوم 9796/0 و 9617/0 به دست آمد که حاکی از توافق خوب داده‌های پیش‌بینی شده با مقادیر تجربی است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Prediction of hydrogen sulfide and ‎carbon dioxide of sweetening tower in South Pars gas ‎refinery by the neural network

نویسندگان [English]

  • Javad Sayyad Amin 1
  • ‎Samira Keshavarz Babaee Nejad2 2
1 Faculty member/University of Guilan
2 MSc in Chemical Engineering/University of Guilan
چکیده [English]

Natural gas is the most important fossil fuels. However, natural gas contains a lot of non-hydrocarbon compounds such as hydrogen sulfide and carbon dioxide which are removed through a process called sweetening. In this study, neural network was used to predict the amount of hydrogen sulfide and carbon dioxide from absorption tower of a sweetening unit. The network was developed and evaluated by operational data of South Pars gas refinery. Time, the temperature of sea water, flow rate of input sour gas, the amount of hydrogen sulfide absorbed by amine, flow rate of input amine, and the inlet low pressure steam to amine reboiler were considered as inputs of network. For the tested data, the value of mean square error was equal to 0.0011 and the values of regression factor were respectively equal to 0.9796 and 0.9617 for first and second output, which showed good agreement with the empirical data.

کلیدواژه‌ها [English]

  • Natureal Gas
  • Artificial neural network
  • Hydrogen Sulfide
  • Carbon Dioxide. ‎