ارائه رابطه نیمه تجربی نوین به منظور طراحی جداسازهای دوفازی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 34

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_PRRIP-31-2_005

تاریخ نمایه سازی: 4 دی 1402

چکیده مقاله:

جداسازها در میدان های تولیدی نفت و گاز دارای نقش بسیار مهم و کلیدی هستند. به همین دلیل، طراحی بهینه آنها بسیار با اهمیت است. روش طراحی با معادلات نیمه تجربی روشی مرسوم برای تعیین ابعاد جداسازها است. با این حال، به دلیل فرضیات ساده کننده ای که در آنها استفاده می شود، فقط می تواند برای بدست آوردن برآورد تقریبی از ابعاد جداسازها استفاده شود. در این مطالعه، با استفاده از واحد پایلوت جداساز دو فازی گاز-مایع صحت و دقت روابط نیمه تجربی بررسی گردید و از نتایج آزمایشگاهی و نتایج به دست آمده از شبیه سازی CFD به عنوان داده های لازم برای طراحی و ساخت شبکه عصبی بهینه سازی شده با الگوریتم ژنتیک استفاده شدند و یک مدل برای تعیین ضریب تصحیح روابط نیمه تجربی در شرایط عملکردی متفاوت ارائه گردید. واحد پایلوت آزمایش جداساز متشکل از یک جداساز افقی دو فازی در مقیاس آزمایشگاهی، پمپ ها، کمپرسورها و یک مخلوط کننده استاتیک برای تشکیل جریان دو فازی و یک فیلتر مایع برای به دام انداختن قطرات مایع از جریان گاز خروجی از جداساز است. با استفاده از وزن کردن قطره های مایع گیر انداخته شده بازده جداسازی و با استفاده از تصویربرداری حداکثر قطر قطرات مایع در جریان گاز خروجی تعیین می شود. مدل CFD توسعه داده شده با داده های آزمایشگاهی دارای خطای نسبی کمتر از ۸% بود و مقدار خطای جذر میانگین مربعات شبکه عصبی بهینه سازی شده با الگوریتم ژنتیک برای مقادیر واقعی و پیش بینی شده ضرایب تصحیح برابر با ۱% است. یکی از مهمترین دستاوردهای این پژوهش فراهم آوردن بستر لازم برای طراحی بهینه جداسازهای سطحی است.

نویسندگان

مهدی فدائی

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

محمدجواد عامری شهرابی

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

یوسف رفیعی

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

محمد رضا حسین زاده

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

علی سلمانی سیاح

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

کیوان قربانپور

دانشکده مهندسی نفت دانشگاه صنعتی امیرکبیر، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Fewel Jr, K, Kean J A (۱۹۹۲) Computer modeling aids ...
  • Wilkinson D, Waldie B (۱۹۹۴) CFD and experimental studies of ...
  • Wilkinson D, Waldie B, Nor M M, Lee H Y ...
  • Qaroot Y F (۲۰۱۳) Simulation of three-phase separator performance, The ...
  • Hansen E W, Celius H K, Hafskjold B (۱۹۹۵) Fluid ...
  • Laleh A P, Svrcek W Y, Monnery W D (۲۰۱۲) ...
  • Ghaffarkhah A, Shahrabi M A, Moraveji M K, Eslami H ...
  • Acharya T, Casimiro L (۲۰۲۰) Evaluation of flow characteristics in ...
  • Ahmed T, Russell P A, Hamad F, Gooneratne S (۲۰۱۹) ...
  • Frank M, Kamenicky R, Drikakis D, Thomas L, Ledin H, ...
  • Ghaffarkhah A, Dijvejin Z A, Shahrabi M A, Moraveji M ...
  • . Fadaei M, Ameri M J, Rafiei Y, Ghorbanpour K ...
  • . Manual F (۲۰۰۵) Manual and user guide of Fluent ...
  • . Fadaei M, Ameli F, Hashemabadi S H (۲۰۱۹) Experimental ...
  • Khan J R (۲۰۱۳) Comparison between discrete phase model and ...
  • Kuang S, Qi Z, Yu A B, Vince A, Barnett ...
  • [۱۷ Padoin N, Dal’Toé A T, Rangel L P, Ropelato ...
  • Demuth H B, Beale M H, De Jess O, Hagan ...
  • Hagan M T, Menhaj M B (۱۹۹۴) Training feedforward networks ...
  • Sajja P S (۲۰۲۱) Introduction to artificial intelligence, Illustrated Computational ...
  • Patel A R, Ramaiya K K, Bhatia C V, Shah ...
  • Shoghl S N, Naderifar A, Farhadi F, Pazuki G (۲۰۲۱) ...
  • نمایش کامل مراجع