شرکت فناورانه برتر
جشنواره پژوهشگران برتر صندوق بازنشستگی کشوری ۱۴۰۳
شرکت پتروشیمی جم
-
برآورد دبی جریان گازوئیل پیرولیز، اتیلن و پروپیلن در یک کارخانه صنعتی الفین با استفاده از روشهای یادگیری ماشین
-
نظارت بر فرآیند پلیمریزاسیون فاز سوسپانسیونی پلیالفینها در راکتور همزن پیوسته از طریق تحلیل امواج آکوستیک امیشن
-
ارزیابی فرآیندهای اکسیداسیون پیشرفته مبتنی بر رادیکال سولفات و الکتروکواگولاسیون برای تصفیه قلیای مصرف شده واحد الفین
برآورد دبی جریان گازوئیل پیرولیز، اتیلن و پروپیلن در یک کارخانه صنعتی الفین با استفاده از روشهای یادگیری ماشین
جعفر عبدی – گلشن مظلوم – فهیمه هادویمقدم – عبدالحسین همتی سراپرده – سید حمید اسماعیلی فرج – اکبر بوالحسنی – سروش کرمیان- شاهین حسینی
دانشکده مهندسی شیمی و مواد، دانشگاه صنعتی شاهرود، شاهرود، ایران – گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه مازندران، بابلسر، ایران – مؤسسه نفت و گاز غیرمتعارف، دانشگاه نفت شمال شرق، دافینگ ۱۶۳۳۱۸، هیلونگ جیانگ، چین – دانشگاه فناوری نفت دولتی اوفا، اوفا ۴۵۰۰۶۴، روسیه – گروه مهندسی نفت، دانشگاه شهید باهنر کرمان، کرمان، ایران – آزمایشگاه کلیدی دولتی منابع نفت و اکتشاف، دانشگاه نفت چین (پکن)، پکن، چین – مرکز تحقیق و توسعه، شرکت پتروشیمی جم، بوشهر.
چکیده
اولفینهای سبک، به عنوان ستون فقرات صنایع شیمیایی و پتروشیمی، عمدتاً از طریق مسیر کراکینگ بخار تولید میشوند. پیشبینی تأثیر متغیرهای عملیاتی بر توزیع محصول از طریق رویکردهای مکانیکی پیچیده است و زمان زیادی میبرد. با افزایش خودکارسازی صنعتی و در دسترس بودن دادههای با حجم بالا، رویکردهای یادگیری ماشین به دلیل سادگی و نیاز کمتر به تلاش محاسباتی، توجه زیادی را به خود جلب کردهاند. در این مطالعه، قابلیت بالقوه چهار مدل قدرتمند یادگیری ماشین، یعنی شبکه عصبی پرسپترون چند لایه (MLP)، رگرسیون بردار پشتیبان تقویت تطبیقی (AdaBoost-SVR)، شبکه عصبی بازگشتی (RNN) و شبکه اعتقادی عمیق (DBN)، برای پیشبینی توزیع محصول یک کارخانه اولفین در مقیاس صنعتی مورد بررسی قرار گرفت. در این راستا، مجموعه داده گستردهای شامل ۱۱۸۴ نقطه داده واقعی در طول چهار سال متوالی تحت شرایط عملیاتی مختلف جمعآوری شد. ۲۴ پارامتر مستقل متغیر، از جمله دبی جریان مواد اولیه مختلف، تعداد کورههای فعال و دمای خروجی کویل، به عنوان متغیرهای ورودی مدلها انتخاب شدند و خروجیها دبی جریان محصولات اصلی، یعنی بنزین پیرولیز، اتیلن و پروپیلن بودند. دقت مدلها با استفاده از تکنیکهای آماری مختلف ارزیابی شد. بر اساس نتایج حاصل، مدل RNN با دقت بالایی دبی جریان محصولات اصلی را با میانگین خطای درصد مطلق (AAPRE) و ضریب تعیین (R2) به ترتیب ۱.۹۴% و ۰.۹۷، ۱.۲۹% و ۰.۹۹، ۰.۷۰% و ۰.۹۹ برای بنزین پیرولیز، پروپیلن و اتیلن پیشبینی کرد. تأثیر پارامترهای مختلف بر دبی جریان محصولات (تخمین زده شده توسط مدل RNN) با محاسبه فاکتور مرتبطی مطالعه شد. بر این اساس، تعداد کورههای در حال کار و دبی جریان برخی از مواد اولیه تأثیر مثبت بیشتری بر خروجیها داشتند. علاوه بر این، تأثیر شرایط عملیاتی مختلف بر نسبت پروپیلن به اتیلن (P/E) به عنوان عامل شدت کراکینگ نیز مورد بحث قرار گرفت. این تحقیق ثابت کرد که رویکردهای هوشمند، با وجود سادگی و مستقیم بودن، میتوانند عملکرد واحدهای پیچیده را پیشبینی کنند. بنابراین، میتوان از آنها به طور کارآمد برای کنترل و بهینهسازی واحدهای مختلف در مقیاس صنعتی استفاده کرد.
دانلود مقاله
نظارت بر فرآیند پلیمریزاسیون فاز سوسپانسیونی پلیالفینها در راکتور همزن پیوسته از طریق تحلیل امواج آکوستیک امیشن
فرزاد جانی – سیدرضا ادهمدوست – شاهین حسینی – سیدکمال افضلی سعید هوشمندمؤید – عبدالحنان سپاهی
مرکز تحقیق و توسعه، شرکت پتروشیمی جم، بوشهر.
این کار با هدف مانیتورینگ فرآیند پلیمریزاسیون فاز سوسپانسیونی پلیالفینها در راکتور همزن پیوسته (CSTR) بر اساس روش قابل اعتماد آکوستیک امیشن (AE) با استفاده از سیستم اکتساب داده کمهزینه انجام شده است. این مطالعه نشان داد که میتوان پروفایل سرعت واکنش، غلظت سوسپانسیون، افزایش ذرات ریز و شرایط غیرعادی ناشی از تشکیل لایه روی دیواره در راکتور CSTR حاوی پودر پلی اتیلن و هگزان مایع را با پردازش سیگنالهای AE بر اساس انرژی سیگنال و تبدیل موجک گسسته (DWT) در زمان واقعی مانیتور کرد. با توجه به نتایج حاصل از DWT، افزایش ذرات ریز را میتوان بر اساس افزایش کسر انرژی زیرباندهای فرکانس بالای AE تشخیص داد. علاوه بر این، افزایش نسبت ذرات بزرگ در سوسپانسیون نیز کسر انرژی زیرباندهای فرکانس پایین را افزایش داد. رسوب لایه روی دیواره راکتور باعث کاهش میانگین مربع ریشه (RMS) سیگنال اصلی AE شد. همچنین مشاهده شد که تغییر در روند پیشرفت پروفایل واکنش با توجه به RMS AE قابل تشخیص است. همچنین، RMS سیگنال AE با افزایش غلظت سوسپانسیون در باند فرکانسی بالا (۲۰-۵۰۰ کیلوهرتز) به دلیل افزایش ذرات جامد به عنوان منبع مؤلفه فرکانس بالا افزایش یافت. در مقابل، در باند فرکانسی پایین (۱-۴۰ کیلوهرتز)، با افزایش غلظت سوسپانسیون، ویسکوزیته سیال افزایش یافت که منجر به کاهش حرکت مایع ایجاد شده توسط همزن و در نتیجه کاهش RMS سیگنال AE شد.
دانلود مقاله
ارزیابی فرآیندهای اکسیداسیون پیشرفته مبتنی بر رادیکال سولفات و الکتروکواگولاسیون برای تصفیه قلیای مصرف شده واحد الفین
احسان هنرور-اکبر بوالحسنی؛ شاهین حسینی؛ سروش کرمیان؛ رضا بهرامپور؛ سمیه محبی.
– پژوهشگاه شیمی و مهندسی شیمی ایران – مرکز تحقیق و توسعه، شرکت پتروشیمی جم، بوشهر.
چکیده
در این مطالعه، تصفیه پساب قلیایی مصرف شده از یک واحد الفین با استفاده از فرآیند اکسیداسیون پیشرفته مبتنی بر رادیکال سولفات (SR-AOP) و ترکیب آن با فرآیند الکتروکواگولاسیون (AOP+EC) ارزیابی شده است. برای این منظور، از صفحه آهن به عنوان آند و کاتد در فرآیند EC استفاده شد. طراحی جعبه-بنکن بر اساس روش سطح پاسخ برای بهینهسازی استفاده شد. بر این اساس، حداکثر حذف در pH 3.9 و ۳.۴، زمان واکنش ۶۴.۶ و ۸۴.۵ دقیقه و غلظت پرسولفات ۳.۶ و ۳.۹ گرم در لیتر برای فرآیندهای AOP و AOP+EC به ترتیب به دست آمد. علاوه بر این، نتایج تجربی نشان میدهد که کارایی نهایی AOP+EC در مقایسه با AOP بالاتر است زیرا اولی باعث کاهش ۹۲ درصدی تقاضای اکسیژن شیمیایی (COD) در شرایط عملیاتی بهینه میشود. علاوه بر این، همانطور که آنالیز واریانس نشان میدهد ضرایب خوبی برای حذف COD وجود دارد، pH بیشترین تأثیر را بر فرآیند تصفیه دارد. توافق قطعی بین دادههای تجربی و آماری از همبستگیهای COD در شرایط بهینه به دست آمد. نتایج مطالعه نشان میدهد که فرآیندهای AOP+EC میتوانند به عنوان یک تاسیسات مکمل برای کاهش مقدار COD قلیای مصرف شده از یک واحد الفین استفاده شوند.
کلمات کلیدی: فرآیند اکسیداسیون پیشرفته، رادیکال سولفات، الکتروکواگولاسیون، پساب قلیایی مصرف شده، تقاضای اکسیژن شیمیایی