بهینه‌سازی چند هدفه و تحلیل اکسرژی فرآیند مایع‌سازی گاز طبیعی با مبرد آمیخته

مبرد آمیخته در فرآیند مایع‌سازی گاز طبیعی به صورت وسیع مورد استفاده قرار می‌گیرد و این امر باعث می‌شود تا بهینه‌سازی پارامترهای اثرگذار در این فرآیند مهم باشد. در این پژوهش یک فرآیند پریکو با مبرد آمیخته به کمک الگوریتم ژنتیک چندهدفه با رتبه‌بندی نامغلوب 2 بهینه‌سازی شده است. در این بهینه‌سازی انرژی مصرفی و سطح مبدل حرارتی به صورت هم‌زمان بهینه شدند تا اثر نامطلوب افزایش سطح مبدل حرارتی ناشی از بهینه‌سازی تک هدفه انرژی مصرفی که در مقالات پیشین مشاهده شد، برطرف شود. دبی‌های مولی ترکیبات مبرد آمیخته شامل متان، اتیلن، پروپان، ایزوپنتان و نیتروژن، فشار جریان‌های خروجی از کمپرسور اول و دوم و فشار جریان خروجی از شیرفشارشکن چرخه سردسازی به عنوان متغیرهای بهینه‌سازی درنظر گرفته شدند. همچنین توابع هدف درنظرگرفته شده نسبت به متغیرهای بهینه‌سازی تحلیل حساسیت شدند. جواب‌های بهینه‌سازی به صورت مجموعه‌ای از جواب‌های بهینه به نام جبهه بهینه پارتو ارائه شدند که نتایج آن، تضاد دو تابع هدف را به خوبی نشان می‌دهند. در ادامه نتایج بهینه‌سازی چندهدفه با نتایج کمینه‌سازی تک هدفه انرژی مصرفی مقایسه شدند. نتایج مقایسه نشان می‌دهند که سطح مبدل حرارتی در بهینه‌سازی چندهدفه به میزان 54% نسبت به بهینه‌سازی تک‌هدفه (کمینه‌سازی انرژی) کاهش یافته است.

MultiObjective Optimization and Exergy Analysis of Liquefaction of Natural Gas Process with Mixed Refrigerant

Mixed refrigerant is widely used in the natural gas liquefaction process, and this makes it important to optimize the parameters affecting this process. In this research, a PRICO process with mixed refrigerant was optimized by using Nondominated Sorting Genetic Algorithm (NSGAII). In this optimization, energy consumption and the surface of heat exchanger were optimized simultaneously to eliminate the adverse effect of the surface of heat exchanger increase due to the singleobjective optimization of the energy consumption observed in the previous papers. Molar flow rates of mixed refrigerant compounds including methane, ethylene, propane, isopentane and nitrogen, outlet pressures of the first and second compressors and outlet pressure of the cooling cycle valve were considered as optimization variables. Also, the considered objective functions were performed on sensitive analysis towards optimization variables Moreover, the optimization solutions were presented as a set of optimal solutions called Pareto optimal fronts whose results showed the contradiction of the two objective functions well. Afterwards, multiobjective optimization results were compared with singleobjective minimization results. Ultimately, comparison results showed that the surface of heat exchanger in multiobjective optimization was reduced by 54% in comparison with  singleobjective optimization (energy optimization).