عنوان پایان‌نامه
انتخاب فنی- اقتصادی سیکل بهینه ی تک مرحله ای با مبرد ترکیبی برای مایع سازی گاز طبیعی ( LNG) به روش ریاضیات گسسته غیر خطی
- رشته تحصیلی
- مهندسی شیمی - طراحی فرآیندهای جداسازی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه کاسپین شماره ثبت: K40;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74279;کتابخانه کاسپین شماره ثبت: K40;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74279
- تاریخ دفاع
- ۲۹ دی ۱۳۹۴
- استاد راهنما
- مجید عمیدپور, سیدمحمدعلی موسویان
- دانشجو
- سعیده امیرافشار
- چکیده
- چکیده: در پایان‌نامه حاضر گامی برای بومی‌سازی صنعت LNG ایران برداشته شده است. ابتدای این مطالعه گذری بر آشنایی کلی با مایع‌سازی گاز طبیعی با استفاده از مبردهای ترکیبی داشته و سپس بر اساس نتایج حاصل از پژوهش اسلم‌بخش و همکاران مبنی بر انتخاب فرآیند مایع‌سازی PRICO به عنوان بهترین فرآیند؛ فرآیند مذکور مورد بررسی قرار گرفت. در ابتدا یک کارخانه کامل تولید LNG، شامل 16 واحد مجزا از جمله واحد تبرید و مایع‌سازی، واحد حذف CO2 و نم‌زدایی، واحد فشرده‌سازی گازهای تبخیری، واحد ذخیره‌سازی LNG، ایستگاه بارگیری و تبخیر LNG، تأسیسات جانبی و سامانه‌های Utility طراحی و با استفاده از نرم‌افزار Aspen HYSYS شبیه‌سازی شد. پس از آن هزینه ساخت، خرید تجهیزات و راه‌اندازی کارخانه با روش برآورد اولیه و با درصد خطا 20± برآورد شد و بر اساس هزینه سرمایهگذاری ثابت و عملیاتی، تابع هدف با عنوان نرخ بازگشت سرمایه تعریف گردید. در ادامه به منظور بهینه‌سازی تابع هدف، ابتدا تمامی متغیرها مشخص و با روش آنالیز حساسیت تحلیل و بررسی شدند. بدین ترتیب 34 متغیر بررسی و از این میان 25 متغیر که بر تابع هدف تأثیرگذارتر بودند به عنوان متغیر مستقل انتخاب شدند. سپس با استفاده از الگوریتم ژنتیک و کدنویسی MATLAB بهینه‌سازی متغیرها با هدف حداقل‌سازی تابع هدف انجام شد. این مراحل برای چهار مقیاس خیلی کوچک، مقیاس کوچک، مقیاس متوسط و مقیاس بزرگ تکرار و نتایج حاصل گزارش شد. بر این مبنا نرخ بازگشت سرمایه برای مقیاس‌های ذکرشده به ترتیب به میزان 42/15%، 14/11%، 22/11% و 81/14% بهبود یافت. بر اساس پژوهش انجام‌شده مقادیر بهینه دما، فشار، شدت جریان و ترکیب مبرد برای متغیرهای طراحی تعیین و اثبات شد که ترکیب درصد بهینه مبرد مستقل از مقیاس تولید واحد است. از سویی دیگر تابع هدف در مقیاس‌های مختلف بررسی و رابطه‌ای بین مقیاس تولید و نرخ بازگشت سرمایه گزارش شد. کلمات کلیدی: گاز طبیعی، LNG، برآورد اقتصادی، آنالیز حساسیت، بهینه‌سازی، ژنتیک الگوریتم
- Abstract
- Abstract: In this study, has been taken a step towards localization Iran LNG industry. At the first, liquefaction natural gas using mixed refrigerants is studied in general, then based on the results of Aslambakhsh et al., selection PRICO as the best process for mini LNG plants, the PRICO process is investigated in details. So, a complete LNG plant, contains sixteen separate units, including refrigeration and liquefaction, dehydration and CO2 removal, flash gas compression, LNG storage, loading station and utility are designed and simulated with Aspen HYSYS software. In the following the cost of construction, purchase cost of equipment and commissioning of the plant is estimated with Preliminary Estimate method by 20 % error. In this study, based on fixed investment and operational costs, the invest return rate (or break-even point) is defined as the objective function. In order to optimize objective function, all variables are obtained and evaluated by using sensitivity analysis method. As a result, 34 variables are investigated and among them, 25 variables that have most affected on objective function are selected as design variables. After that, by Using Genetic Algorithm optimization and coding variables in MATLAB, the minimizing the objective function is performed. These steps are carried out for peak-shaving plant, small scale plant, medium scale and base-load plant and the results is reported. Finally invest return rate is improved 15.42 %, 11.14 %, 11.22 % and 14.81 %, respectively. According to research conducted, optimum values for temperature, pressure, flow rate and composition of the refrigerant for design variables are determined and proved that the optimal composition of the refrigerant is independent of the scale of production units. On the other hand, the objective function is evaluated at different scales and relationship between the production scale and invest return rate is reported. Keywords: natural gas, LNG, economic estimation, sensitivity analysis, optimization, Genetic Algorithm
