پیش بینی و تنظیم بهینه دمای نقطه شبنم در مخلوط های هیدروکربوری (مطالعه موردی:پالایشگاه گازوگازمایع مارون)

تعیین نقطه ی شبنم یکی از مهمترین عناصر محاسبات مهندسی است. از جمله روش های مورد استفاده در تعیینفشار و دمای نقطه ی شبنم روش آزمایشگاهی است که پرهزینه و زمان بر می باشد. به همین دلیل شناساییروش های جایگزین در تعیین نقطه ی شبنم بسیار ضروری به نظر می رسد، یکی از این روش ها استفاده از شبکههای عصبی است. هدف این مقاله ارائه ی کاربردی دقیق از مدل شبکه ی عصبی جهت پیش بینی فشار نقطه یشبنم سیالات گاز میعانی مخازن زیر اشباع کشور است. این مدل پیشنهادی بر اساس روش پس انتشار خطایپیشرو و ورودی هایی مثل ترکیبات غیرهیدروکربنی نظیر دی اکسیدکربن و نیتروژن و ترکیبات هیدروکربنی نظیرمتان و + 7 C و همچنین دما و جرم مولکولی+ 7 C است و در آن از داده ی آزمایشگاهی از نمونه ی چاه هایمختلف میادین گاز میعانی ایران استفاده می شود. در این پژوهش جهت تخمین فشار نقطه ی شبنم سیالات گازمیعانی ایران از مدل شبکه ی عصبی بر اساس تابعی از درصد مولی تر کیبات هیدروکربنی و غیرهیدروکربنی و دمااستفاده شد. شبکه بر مبنای داده های جمع آوری شده از نتایج آزمایش های انجام شده روی نمونه های گاز میعانیمخازن مختلف جنوب کشور است که با توجه به اینکه مجموع مربعات خطا، حداقل ممکن است نتیجه ی شبکه،نشان از عملکرد مناسب آن داشت. ساختار نهایی شبکه ی عصبی با الگوی پیشرو با یک لایه ی میانی شامل بیستنرون و یک لایه ی خروجی شامل یک نرون بود. تطابق مطلوب داد ه های خروجی فاز آموزش و آزمایش صحتشبکه ی عصبی طراحی شده در این مطالعه را تأ یید کرد. این روش به دلیل سرعت زیاد و هزینه ی کم می تواندجایگزین مناسبی جهت تعیین فشار نقطه ی شبنم در سیالات گاز میعانی میادین زیراشباع کشور باشد. این روششبکه ی عصبی بر مبنای دستیابی به حداقل خطا عمل می کند. شبکه ی عصبی توسط 119 داده ی آزمایشگاهیاز نمونه ی چاه های مختلف میادین گاز میعانی کشور آموزش داده شده و به منظور اعتباردهی، با تعدادی داده یآزمایشگاهی از نمونه ی سیالات گاز میعانی سایرمخازن آزمایش شد. نتایج ساختاری شبکه بر مبنای سه لایه شاملیک لایه ی ورودی با شش نرون، یک لایه ی میانی با بیست نرون و یک لایه ی خروجی با یک نرون به دست آمد.

کلیدواژه ها:

نقطه شبنم ، شبکه عصبی مصنوعی ، کارخانه گاز وگازمایع مارون