عنوان پایان‌نامه

بهینه سازی تولی بنزین در فرایند ریفرمینگ کاتالیستی پیوسته با روش الگوریتم بهینه سازی اجتماع زنبور عسل



    دانشجو در تاریخ ۲۳ شهریور ۱۳۹۰ ، به راهنمایی ، پایان نامه با عنوان "بهینه سازی تولی بنزین در فرایند ریفرمینگ کاتالیستی پیوسته با روش الگوریتم بهینه سازی اجتماع زنبور عسل" را دفاع نموده است.


    محل دفاع
    کتابخانه پردیس یک فنی شماره ثبت: 1058.;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 50069
    تاریخ دفاع
    ۲۳ شهریور ۱۳۹۰
    دانشجو
    مجید سعیدی
    استاد راهنما
    نوید مستوفی

    در دهه¬های اخیر روش¬های اکتشافی و فرا اکتشافی مختلفی نظیر هوش¬جمعی به عنوان ابزار جستجو و بهینه¬سازی در حوزه¬های مختلف صنعت، تجارت و مهندسی مورد استفاده قرار گرفته¬اند. وسعت دامنه کاربرد، سهولت استفاده و قابلیت دستیابی به جواب نزدیک به بهینه سراسری از دلایل موفقیت این روش¬ها می¬باشد. هوش جمعی شامل الگوریتم¬هایی نظیر الگوریتم بهینه¬سازی اجتماع مورچگان، الگوریتم بهینه¬سازی اجتماع ذرات، الگوریتم¬های زنبور (الگوریتم بهینه¬سازی اجتماع زنبورعسل، الگوریتم بهینه¬سازی جفت¬گیری زنبورعسل و...) می باشد. در این پایان¬نامه الگوریتم بهینه¬سازی اجتماع زنبورعسل (BCO ) به عنوان یکی از کاربردی¬ترین روش¬های بهینه¬سازی بر مبنای هوش¬جمعی معرفی شده و اصلاحاتی به منظور بهبود عملکرد الگوریتم، نسبت به نسخه¬های مشابه صورت پذیرفته است. اصلاحات انجام شده در مود نحوه انتخاب جواب¬های اولیه، نحوه اصلاح پاسخ و ... منجر به افزایش سرعت همگرایی، عدم وابستگی جواب¬های نهایی به جواب¬های اولیه و عملکرد بهتر در مسائل پیچیده¬تر شده است. همچنین به منظور بررسی عملکرد این الگوریتم در مقایسه با سایر الگوریتم¬های متداول بهینه¬سازی، مطالعات موردی بر روی 12 تابع ریاضی آزمایشی انجام شده است که نتایج حاصل از این بررسی گویای جواب¬های قابل قبول این روش نسبت به جواب¬های بهینه سراسری و همچنین سرعت همگرایی بالاتر و در مجموع عملکرد بهتر این الگوریتم در مقایسه با سایر الگوریتم¬های بهینه¬سازی برای یافتن شرایط بهینه می¬باشد. این بررسی نشان داد که می¬توان از الگوریتم (BCO) به عنوان یک الگوریتم توانمند در بهینه¬سازی فرآیند¬های شیمیایی استفاده نمود. همچنین فرآیند ریفرمینگ کاتالیستی پیوسته به عنوان یکی از اصلی¬ترین فرآیند¬های پالایشگاهی و پتروشیمی معرفی و مدل¬سازی شده است و بهینه¬سازی این فرآیند با استفاده از الگوریتم بهینه¬سازی¬ اجتماع زنبورعسل و الگوریتم ژنتیک صورت گرفته است. فرآیند ریفرمینگ کاتالیستی پیوسته از سه یا چهار راکتور آدیاباتیک با کوره¬های پیش گرم¬کن میانی تشکیل شده است که هدف آن تولید بنزین و مواد آروماتیک و همچنین، هیدروژن، به عنوان محصول جانبی می¬باشد. لازم به ذکر است مدل¬سازی فرآیند شیمیایی بر اساس واحد احیای کاتالیستی پیوسته پالایشگاه شازند اراک می¬باشد و نتایج حاصل از مدل¬سازی و بهینه¬سازی تطابق قابل قبولی با اطلاعات پالایشگاهی دارد.
    Abstract
    In recent decades, exploration and ultra-exploration methods such as swarm intelligence have been used in different industrial, commercial and engineering fields. The reasons of the success of these methods are wide range of applications, easy implementation and capability of reaching the global optimum. Swarm intelligence includes algorithms such as Ant Colony Optimization (ACO) algorithm, Particle Swarm Optimization (PSO) algorithm and bee algorithms (Bee Colony Optimization (BCO) algorithm, Honey Bee Mating Optimization (HBMO) algorithm and etc.). In this dissertation, the Bee Colony Optimization (BCO) algorithm is introduced as one of the newest methods for optimization and some improvement with respect to similar version of this algorithm is done. By correction of initial solution guess, methods of improving solutions and etc, Following improvements such as higher convergence rate, independency of final solutions to initial solutions and better performance in complicated problems are achieved, Also for studying of algorithm performance, case studies on 12 mathematical benchmark functions are done. The result shows that bee colony optimization results have high level of confidence, high convergence rate and better performance with respect to other common optimization algorithms for finding optimum conditions. This investigation proves that bee colony optimization could be used as a powerful optimization algorithm for optimizing chemical processes. Furthermore, continuous catalytic regeneration is introduced and modeled as a one of main refinery and petrochemical processes and optimization of this process is done by using bee colony optimization algorithm and genetic algorithm. The continuous catalytic regeneration consists of three or four adiabatic reactors with intermediate furnaces. It is used for production of gasoile and aromatics components as the main products and hydrogen as the side product. It's necessary to say that modeling is based on the CCR plant of Arak Shazand oil refinery and modeling and optimization's result is in a good agreement with industrial data's.