شبیه سازی و بهینه سازی فرآیند تولید الفین در پتروشیمی جم با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این گزارش به بررسی پارامترهای لازم برای مدلسازی فرآیند براساس شبکه عصبی پرداخته می شود. با استفاده از نتایج بدست آمده از فاز مطالعاتی مهمترین پارامترهای موثر بر راندمان تولید انتخاب شده است. نوع خوراک بکار رفته در کوره های کراکینگ، شدت جریان خوراکها، تعداد موثر کوره بکار گرفته شده، دمای خروجی کویل (cot) و زمان عملیاتی مجاز هر کوره بعنوان مهمترین پارامترها انتخاب شده اند. با انتخاب مدل چند لایه پرسپترون و با داشتن 36 متغیر مستقل و 8 متغیر وابسته شبکه عصبی مورد نظر ایجاد شد. متغیرهای وابسته عبارتند از شدت جریان محصولات کلیدی از قبیل پروپیلن، اتیلن، و بنزین پیرولیز . نتایج مدلسازی نشان میدهد که در مجموع عملیات آموزش و آزمایش بالاترین خطای کل 14/3 درصد برای کلیه متغیرها بدست آمده است. شبیه سازی فرآیند و مقایسه نتایج در روزهای متعدد سال نشان میدهد که مدل تهیه شده بر مبنای شبکه عصبی قادر به پیشگویی رفتار واحد الفین پتروشیمی جم با دقت قابل قبول خواهد بود. همچنین شرایط بهینه با یک روز عملیاتی شرکت پتروشیمی جم با استفاده از بخش بهینه سازی بدست آمد. نتایج نشان میدهد که درصورت کار در شرایط بهینه سودآوری شرکت در آن روز به میزان دلار افزایش می یافت. نتایج این تحقیق در قالب یک نرم افزار کاربردی تهیه و بکار گرفته شده است.