>
Fa   |   Ar   |   En
   بکارگیری شبکه عصبی،‌مدلسازی آماری و الگوریتم بهینه سازی Sqp در مدلسازی و بهینه سازی عملیاتی واحد کت کراکر پالایشگاه آبادان  
   
نویسنده ایمانی علی ,زاهدی عبقری سرود ,درستکار محمد اسماعیل
منبع فرآيند نو - 1396 - شماره : 58 - صفحه:122 -138
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.
کلیدواژه شبکه عصبی، فرایند شکست کاتالیستی، مدل آماری، بهینه سازی
آدرس شرکت نفت و گاز کارون, ایران, پژوهشگاه صنعت نفت, ایران, شرکت پالایش نفت آبادان, ایران
 
   Application of Neural Network, statistical modeling and SQP algorithms in Modeling and Optimization of Abadan fluid catalytic cracking unit  
   
Authors Imani Ali ,Dorostkar Mohamad Ismail ,Zahedi Abghari Sorood
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved