>
Fa   |   Ar   |   En
   مروری بر مدل سازی و بهینه سازی واحد شکست کاتالیستی بستر سیال  
   
نویسنده یعقوبی خشایار ,گیلانی ندا ,زاهدی عبقری سرود
منبع شيمي و مهندسي شيمي ايران - 1398 - دوره : 38 - شماره : 1 - صفحه:125 -156
چکیده    فرایند شکست کاتالیستی بستر سیال یکی از مهم ترین فرایندهای پالایشگاهی است که خوراک های هیدروکربنی سنگین را به فراورده های سبک تر تبدیل می کند. به دلیل اهمیت بالای این فرایند، پژوهشگران زیادی جنبه های گوناگون این فرایند را مورد بررسی قرار داده اند. در این مقاله مرور جامعی بر مطالعه های مربوطه انجام شده است. تمرکز اصلی این بررسی روی سه دسته شامل شبکه های سینتیکی، مدل سازی پایا و ناپایا و بهینه سازی فرایند است. مرور پژوهش ها از سال 1970 میلادی نشان می دهد که بررسی های سینتیکی اساساً بر اساس روش توده ای بودند که در آن مخلوط واکنش با طبقه بندی های گوناگون به گروه های اصلی تقسیم می شود که ممکن است بر اساس تعداد کربن گونه ها یا نوع اجزاء تعریف شود. تعداد توده های مربوطه به طور عمده از 3 تا 19 توده محدود می شدند. افزون بر این در مدل سازی فرایند به طور معمول دو تجهیز اصلی شامل بالابرنده ی راکتور و احیاءکننده در نظر گرفته شده اند. مدل های اولیه ی احیاءکننده شامل مدل های احیاءکننده ی تک فازی، تماس ساده با جریان لوله ای و واکنش های پراکندگی با مخزن های متوالی در مطالعه ها در نظر گرفته شده اند. همچنین مطالعه های گوناگونی به منظور در نظر گرفتن تجهیزهای بیش تر انجام شد. در برخی از مطالعه ها استفاده از معادله های مومنتم افزون بر معادله های جرم و انرژی در احیاءکننده نیز در نظر گرفته شد که چالش اصلی در توسعه ی مدل مربوطه تعیین پارامترهای مورد استفاده بود. بررسی تاثیر دمای کاتالیست ورودی و نسبت کاتالیست به خوراک نیز در پژوهش های دیگر انجام شده است. بهینه سازی فرایند نیز به طور معمول در شرایط پایا بوده است و بهینه سازی دینامیکی کم تر استفاده شده است. الگوریتم های گوناگونی از جمله ژنتیک و ازدحام ذره ها مورد بررسی و مقایسه قرار گرفتند. دیده شد که الگوریتم ازدحام ذره ها از الگوریتم ژنتیک ساده تر تنظیم می شود و کار کردن با آن راحت تر است.
کلیدواژه شکست کاتالیستی بستر سیال، مدل‌سازی، بهینه‌سازی، بالابرنده‌ی راکتور، احیاءکننده
آدرس دانشگاه تهران، پردیس دانشکده‌های فنی, دانشکده فنی فومن, گروه مهندسی شیمی, ایران, دانشگاه تهران، پردیس دانشکده‌های فنی, دانشکده فنی فومن, گروه مهندسی شیمی, ایران, پژوهشگاه صنعت نفت, گروه پژوهش، توسعه و کنترل فرایندها, ایران
پست الکترونیکی zahedis@ripi.ir
 
   A Review on the Modeling and Optimization of Fluid Catalytic Cracking Unit  
   
Authors Yaghubi Khashayar ,Gilani Neda ,Zahedi Abghari Sorood
Abstract    Fluid catalytic cracking is one of the most crucial refinery processes to upgrade heavy hydrocarbon feedstock to light higher qualified products. Due to the high impact of this process, many scientists investigated different aspects of this process. In this paper, a comprehensive review of the related studies is carried out. The main focus of the review is on three categories including kinetic networks, steady and unsteady modeling, and process optimization. A review of researches since 1970, reveals that kinetic investigations were majorly based on the lumping methodology in which the reactive mixture is divided into main groups with different categories that may be defined based on carbon number of species or kind of components. Mainly the related number of lumps was limited to three to nineteen. Moreover, in the process modeling researches mainly two main equipment including riserreactor and regenerator were considered. The primary regenerator model includes singlephase regenerator models, simple contact with plug flow and dissipated reactions with series tanks that were also considered in the researches. Also, different studies were carried out to consider more equipment. Also, the application of the momentum equation besides mass and energy equations in the regenerator was considered in some studies. The main challenge in the development of the related model was the determination of the parameters. Investigation of the impact of input catalyst temperature and catalyst to oil ratio were also carried out in the other researches. The optimization of the process was usually in the steadystate. However, dynamic optimization was applied less. Various algorithms, including genetics and particle swarm, were evaluated and compared. It was found that the particle swarm algorithm is adjusted easier than the genetic algorithm and the handling is better.
Keywords
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved