|
|
|
|
بهینهسازی گوگردزدایی استخراجی نمونه سوخت با یک حلال یوتکتیک عمیق جدید سبز با استفاده از الگوریتم ژنتیک -شبکه عصبی
|
|
|
|
|
|
|
|
نویسنده
|
شیرانی محبوبه ,اکبری علی ,نژادکورکی عاطفه ,گلی علیرضا ,آزمون بهناز ,شیرانی نوشین ,حبیب الهی سعید
|
|
منبع
|
پژوهش نفت - 1397 - دوره : - شماره : 102 - صفحه:147 -157
|
|
چکیده
|
در این مطالعه سولفورزدایی استخراجی دی بنزوتیوفن از نرمال‌هگزان بهعنوان مدل سوخت با استفاده از 1 و 10 -فنانترولین 2 و 9 دی کربوکسامید کلرید آهن بر پایه کولین کلرید بهعنوان حلال یوتکتیک عمیق سبز، جدید و کارا مورد بررسی قرار گرفت. حلال یوتکتیک عمیق سنتز شده با تکنیکهای اسپکتروسکوپی مادون قرمز (ftir) و رزوناس مغناطیسی هسته هیدروژن و کربن (h nmr, c nmr) مشخصهیابی شد. اثر پارامترهای موثر بر فرآیند شامل نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما، و زمان مورد بررسی قرار گرفتند و در شرایط بهینه برای cc 10 محلول mg/l 500 دی بنزوتیوفن در نرمال‌هگزان، در نسبت جرمی نمونه سوخت به حلال یوتکتیک 33.5، دمای 25ºc و زمان min 15 ماکزیمم درصد گوگردزدایی 0.5 ± 93.5 بهدست آمد. مدلسازی نتایج تجربی بهدست آمده بهوسیله الگوریتم ژنتیک بر پایه شبکه عصبی مصنوعی پیشبینی و بهینهسازی شدند. با بهکارگیری ژنتیک الگوریتم مقادیر بهینه 34.4، 33ºc/27، و min 16.99 بهترتیب برای نسبت جرمی نمونه سوخت به حلال یوتکتیک، دما و زمان بهدست آمد که بیانگر پتانسیل و توانایی بالای مدل بهکار رفته در بهینهسازی روش پیشنهادی است.
|
|
کلیدواژه
|
سولفورزدایی استخراجی، حلال یوتکتیک عمیق، بهینهسازی، الگوریتم ژنتیک- شبکه عصبی، فرآیند سبز
|
|
آدرس
|
دانشگاه جیرفت, دانشکده علوم, گروه شیمی, ایران, دانشگاه جیرفت, دانشکده علوم, گروه شیمی, ایران, دانشگاه جیرفت, دانشکده علوم, گروه شیمی, ایران, دانشگاه یزد, دانشکده فنی مهندسی, گروه مهندسی صنایع, ایران, شرکت سپاهان پتروشیمی, بخش تحقیق و توسعه (r&d), ایران, دانشگاه آزاد اسلامی واحد نجف آباد, دانشکده فنی مهندسی, گروه مهندسی صنایع, ایران, دانشگاه پیام نورمرکز تهران, گروه شیمی, ایران
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Optimization of Extractive Desulfurization of Model Oil With a Novel Green Deep Eutectic Solvent Using Genetic AlgorithmArtificial Neural Network
|
|
|
|
|
Authors
|
Shirani Mahboube ,Akbari Ali ,NejadKooraki Atefeh ,Goli Alireza ,Azmoon Behnza ,Shirani Nooshin ,Habibollahi Saeed
|
|
Abstract
|
In this study, extractive desulfurization of dibenzothiophene from nhexane as model fuel using 1,10phenantroline 2,9dicarboxamideFeCl3based choline chloride as a green, novel and efficient deep eutectic solvent (DES) was considered. FTIR, 1H NMR, and 13C NMR were used for the characterization of the synthetized DES. The effect of influential parameters of the mass ratio of fuel to DES, temperature, and time was investigated. Moreover, for 10 mL solution containing 500 mg L1 dibenzothiophene in nhexane, at obtained optimum conditions of mass ratio of fuel to DES (equal to) 33.5, temperature (equal to) 25 °C, and time (equal to) 15 min, the maximum sulfur removal percent of 93.5 ± 0.5 was achieved. The obtained experimental results were optimized by Genetic algorithm based on artificial neural network (GAANN). By using GAANN, the optimum conditions of 34.4, 27.33 °C, and 16.99 min were acquired for the mass ratio of fuel to DES, temperature, and time which showed high potential and ability of the applied model in the optimization of the proposed process.
|
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|