مدل‌سازی و بهینه‌سازی واحد تولید هیدروژن با شبکه‌ی‌ عصبی مصنوعی و الگوریتم ژنتیک

هدف اصلی این پژوهش، مدل‌سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه‌ی عصبی مصنوعی است. عامل‌های دبی فراورده و انرژی مصرفی به عنوان عامل‌های خروجی مدل در نظر گرفته شد و دو شبکه‌ی عصبی مجزا برای پیش‌بینی این دو عامل‌ مدنظر قرارگرفت. نتیجه‌های مدل‌سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده‌های واقعی کارخانه و مدل را به ترتیب برابر با 14/2، 21/1 و 9/2 برای شبکه‌ی اول و 37/0، 84/0 و 55/0 برای شبکه‌ی دوم پیش‌بینی کرد. بر اساس تجزیه حساسیت، دمای گاز سنتز خروجی از مبدل، بیشترین تاثیر را بر تولید هیدروژن و دبی جریان گاز اتلافی به عنوان تاثیرگذارترین عامل‌ بر میزان مصرف انرژی واحد شناخته شدند. پس از مدل‌سازی واحد، از الگوریتم ژنتیک به منظور یافتن شرایط عملیاتی بهینه استفاده شد. به این صورت که سود ناخالص به‌دست آمده از فرایند به عنوان تابع هدف مدنظر قرار گرفت و عامل‌های عملیاتی به منظور دست‌یابی به حداکثر سود با استفاده از الگوریتم ژنتیک بهینه شد. نتیجه‌های الگوریتم ژنتیک سود به‌دست آمده از فرایند را 56/42 دلار بر ساعت پیش‌بینی کرد که 25 درصد بیشتر از میانگین سود واحد در شرایط واقعی است.