مدل‌سازی، شبیه‌سازی و بهینه‌سازی چندهدفه راکتورهای بستر متحرک جریان‌شعاعی هیدروژن‌زدایی از پروپان

هدف از این پژوهش، مدل سازی و بهینه سازی چندهدفه راکتورهای بستر متحرک هیدروژنزدایی از پروپان با در نظر گرفتن افت فعالیت کاتالیست می باشد. این فرایند از چهار راکتور آدیاباتیک متوالی با جریان شعاعی تشکیل‌شده است که گاز در راستای شعاع و کاتالیست بر اساس نیروی ثقل در جهت محور راکتورها حرکت می کنند. نخست راکتورهای هیدروژن زدایی بر اساس معادله های بقای جرم و انرژی و با در نظر گرفتن افت فعالیت کاتالیست به‌صورت ناهمگن مدل سازی شدند. برای اثبات صحت و دقت مدل مورد استفاده، نتیجه های به دست آمده از شبیه سازی با نتیجه های واحد صنعتی مورد مقایسه قرار ‌گرفت. در مرحله بعد شرایط بهینه عملیاتی سامانه با در نظر گرفتن دمای ورودی به هر راکتور به‌عنوان متغییر تصمیم گیری و با هدف بیشینه شدن هم‌زمان میزان تبدیل پروپان و انتخاب پذیری تولید پروپیلن تعیین شد. در این راستا یک مسئله بهینه‌سازی چند معیاره همراه با قیود برنامه‌ریزی‌شده و منحنی بهینه پرتو با استفاده از الگوریتم ژنتیک چند معیاره همراه با مرتب‌سازی نامغلوب رسم شد. سپس از فهرست نقطه های بهینه موجود بر روی منحنی بهینه پرتو، یک نقطه عملیاتی با استفاده از روش‌های تصمیم‌گیری انتخاب ‌شد. نتیجه های شبیه‌سازی نشان داد اعمال شرایط بهینه بر روی سامانه می‌تواند میزان تولید پروپیلن را در حدود 12.3 % افزایش دهد.

modeling, simulation, and multi-objective optimization of moving bed radial flow dehydrogenation reactors

the main object of this research, is modeling and multi objective optimization of radial flow moving bed reactors to produce propylene through propane dehydrogenation considering catalyst deactivation. the propane dehydrogenation process consists of four series catalytic reactors equipped with inter stage heaters that the feed flows radially and the catalyst moves downward along the axial direction due to gravitational force. in the first step, the dehydrogenation reactors are heterogeneously modeled based on the mass and energy conservation laws considering catalyst decay. to prove the accuracy of the developed model, the simulation results are compared with the plant data. in the next step, the optimal operating condition of the process is obtained considering propane conversion and propylene selectivity as objective functions. in this regard, a multi objective optimization problem is formulated and the optimal pareto front is developed by non sporting genetic algorithm ii. then, a single optimal solution is selected from the list of alternatives in the pareto front curve by one of the decision making methods. the results showed that applying the obtained optimal condition to the system improves propylene production capacity by about 3.12 %.