عنوان پایان‌نامه
بررسی عملکرد نمک زدای میادین نفتی غرب کشور تحت شرایط عملیاتی مختلف
- رشته تحصیلی
- مهندسی شیمی - طراحی فرآیندهای جداسازی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65174
- تاریخ دفاع
- ۱۰ شهریور ۱۳۹۳
- دانشجو
- حامد کاظمی گلباغی
- استاد راهنما
- سیدمحمدعلی موسویان, سید حامد موسوی
- چکیده
- آب همراه نفت که به¬صورت امولسیونی پایدار در فاز نفت پخش شده است؛ موجب بروز مشکلاتی در فرآیند استخراج، انتقال و پالایش نفت خام می¬گردد. در بیشتر واحدهای نمک¬زدایی از میدان¬های الکتریکی با شدت بالا جهت جداسازی آب و ترکیب¬های یونی مورد استفاده قرار می¬گیرد. عملکرد واحدهای نمک¬زدایی وابسته به شرایط فرآیندی واحد می¬باشد. در این پژوهش به بررسی شرایط بهینه پارامترهای موثر بر میزان نمک موجود در نفت خروجی یکی از واحدهای نمک¬زدایی متعلق به شرکت نفت مناطق مرکزی ایران پرداخته شده است. این پارامترها شامل دمای نفت خروجی از ¬گرم¬کن¬ها، زمان ماند نفت در نمک¬زداها، میزان تعلیق¬شکن تزریقی در واحد بهره¬برداری و نمک¬زدایی، اختلاف فشار در شیر اختلاط نمک¬زداها، درصد آب تزریقی، چگالی نسبی نفت ورودی، درصد آب و رسوبات همراه نفت ورودی و میزان نمک همراه نفت ورودی با استفاده از چهار نوع تعلیق¬شکن مختلف می¬باشد. نگرش حاکم بر پژوهش پیش¬رو در دو بخش تئوری و آزمایشگاهی ارائه شده است. با توجه به تعداد بالای پارامترها و پیچیدگی مدل، از شبکه عصبی به دلیل سهولت استفاده و کارآیی، جهت شبیه-سازی فرآیند استفاده شده است. نوع شبکه عصبی در نظر گرفته شده Feed forward Back propagation می¬باشد؛ که با الگوریتم لونبرگ-مارکوارت آموزش یافته است. شبکه شامل دو لایه پنهان و یک لایه¬ی خروجی بوده که از تابع تانژانت هایپربولیک در لایه¬های پنهان و از تابع خطی در لایه خروجی به عنوان تابع انتقال استفاده شده است. تعداد نرون¬ها در هر لایه به ترتیب 30، 15 و 1 می¬باشد. نتایج شبیه¬سازی نشان داد مناسب¬ترین دمای گرم-کن¬ها ? 77، درصد آب تزریقی 3 درصد، زمان اقامت 75 دقیقه، اختلاف فشار شیر اختلاط¬ها در نمک¬زدای مرحله¬ی اول و دوم به ترتیب برابر bar 84/ 0 و bar 72/0 و تزریق تعلیق¬شکن در واحد بهره¬برداری و نمک-زدایی به ترتیب برابر ppm80 و ppm 55 می¬باشد. نوع تعلیق¬شکن بر سایر پارامترها اثر¬گذار می¬باشد. همچنین با افزایش درصد آب و رسوبات همراه، میزان نمک موجود و چگالی نسبی نفت ورودی به واحد نمک زدایی، بازدهی واحد کاهش می یابد. واژه‌های کلیدی: امولسیون آب در نفت، واحد نمک زدایی، شبکه عصبی
- Abstract
- Water that dispersed in oil as stable emulsion causes numerous problems in extraction, transportation and refining of crude oil. In the most desalination unit, high strengthen electrical field is used to separate water and ionic components. The efficiency of desalination units depends on operational conditions. In the present study, optimization of effective parameters on salt content of output crude oil in one desalination units of central was investigated. These parameters including outlet temperature of crude oil from preheaters, retention time of crude oil in desalters, concentration of injected demulsifier in production and desalination units, pressure differential in mixing valves, rate of dilution water, specific gravity of input crude oil, basic sediment and water content, and salt content of input crude oil with using four different kinds of demulsifier. The investigations of these subjects were presented in both theoretical and experimental phases. According to enormous parameters and complication of model, the neural network because of simplicity was used to simulation of process. The kind of neural network for modeling the desalination process is feed forward Back propagation which has been accommodated using Levenberg–Marquardt algorithm. The network includes two hidden layer and one output layer that assigned with hyperbolic tangent in hidden layer and uses linear function in output layer as transport function. The number of neuron in each layer was 30, 15, and 1 respectively. The result of simulation showed that optimized preheater temperature was 77 ?C, injection rate of dilution water was 3 percent of input crude oil, retention time was 75 minutes, differential pressure of mixing valves in first and second stage desalters were 0.84 and 0.72 bar, respectively, and injection rate of demulsifier in production and desalination units were 80 and 55 ppm, respectively. The kind of demulsifier was affected on other parameters. In addition, with increasing basic sediment and water content, salt content and specific gravity of input crude oil, the efficiency of process was decreased. Keywords: Water in oil emulsion, Desalination units, Neural network
