ایمانی, علی, زاهدی عبقری, سرود, درستکار, محمد اسماعیل. (1396). بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان. فصلنامه علمی ترویجی فرآیند نو, 12(58), 122-138.
علی ایمانی; سرود زاهدی عبقری; محمد اسماعیل درستکار. "بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان". فصلنامه علمی ترویجی فرآیند نو, 12, 58, 1396, 122-138.
ایمانی, علی, زاهدی عبقری, سرود, درستکار, محمد اسماعیل. (1396). 'بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان', فصلنامه علمی ترویجی فرآیند نو, 12(58), pp. 122-138.
ایمانی, علی, زاهدی عبقری, سرود, درستکار, محمد اسماعیل. بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان. فصلنامه علمی ترویجی فرآیند نو, 1396; 12(58): 122-138.
بکارگیری شبکه عصبی،مدلسازی آماری و الگوریتم بهینه سازی SQP در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان
1مسئول نوبتکاری بهره برداری، شرکت نفت و گاز کارون، اهواز، ایران
2استادیار پژوهشی و مسئول پروژه پژوهش توسعه و کنترل فرآیند- پژوهشکده توسعه و فناوری تجهیزات- پژوهشگاه صنعت نفت- ضلع غربی استادیوم آزادی- تهران - ایران
3مهندسی پالایش، شرکت پالایش نفت آبادان، آبادان، ایران
چکیده
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.
Many decades after innovation and development of FCC process, the impact of this process on production of gasoline in refinery complexes is still highlighted. In this research, to determine effects of input variables such as reactor temperature, the temperature of the top of fractionator column, the temperature of bottom of debutanizer on gasoline and LPG flowrates, RON and conversion of the process ANN and statistical modeling methods were applied. Based on the applicability and reliability of two methods, the ANN model was chosen as the suitable model. By application of SQP algorithm and utilizing the developed model, the optimum conditions were determined. So, the optimum reactor temperature, feed flow rate, the temperature of the top of fractionator column, the temperature of debutanizer column are respectively 524ºC, 43000 bbl/day,138ºC and 179ºC. The maximum obtained gasoline production under the optimum condition is 22575 bbl/day.
کلیدواژه‌ها [English]
Neural Network, Catalytic Cracking process, Statistical Model, Optimization Model
ابتدای صفحه