تخمین دمای تجزیه هیدرات در حضور بازدارنده ها با استفاده از الگوی شبکه عصبی و مقایسه آن با مدل های Yusifو Kasper

توضیحات

چکیده

بازدارنده های ترمودیناميكي را مي توان جهت جلوگيری از تشكيل هيدرات و مشكلات حاصل از آن در گاز طبيعي ، توليد نفت حمل و نقل استفاده کرد. نمک  ها و گليسرول بازدارنده های اصلي جهت جلوگيری از تشكيل هيدرات مي باشند که بطور متداول برای گل حفاری بكار برده مي شوند.در این مقاله  دمای تجزیه هيدرات به صورت تابعي از کسر مولي بازدارنده و فشار درنظر گرفته شد و از شبكه عصبي برای تخمين دمای تجزیه هيدرات در حضور بازدارنده ها استفاده شد. آموزش شبكه ارائه شده بر اساس داده های آزمایشگاهي مستخرج از مقالات مختلف صورت گرفته است. مدل حاصل از شبكه عصبي  دارای خطای ميانگين مربعات مجموع 12/27بوده که در مقایسه با مدل های شناخته شده موجود، یوسف و کاسپر , قابل توجه است.

مقدمه

برای کنترل کردن خطر تشكيل هيدرات در عمليات حفاری و توليد، معمولا از بازدارنده های ترمودینااميكي اساتفاده شاود. از معروفترین روابط موجود جهت  تخمين اثر بازدارنده هيدرات ، روابط همراشميت در سال ،1891نيلسن بوکلين در سال 1981ویوسف و یانگ در سال 1881مي باشند. این معادلات جهت  محاسبه دمای تجزیه هيادرات ،(ΔT) تفاوت دماای تجزیه شدن هيدرات در حضور آب خالص و دمای تجزیه هيدرات در حضور بازدارنده، مي باشند که درنظر  نگرفتن فشاار دقات آنها را تا حدودی کاهش داده است. در سال 2005کاسپر و همكارانش معادله ای را برای یک نوع بازدارنده تشكيل هيدرات پيشنهاد  نمودند که قادر به تخمين ΔTبا دقت قابل قبولي بود منتها چنانچه ترکيبي از چناد بازدارنده استفاده ماي شد دقت معادله به شدت کاهش مي یافت. برای  رفع این مشكل، یک مدل بر پایه ساختار شبكه عصبي ارائه شد که در برگيرنده تعداد بيشتری از بازدارنده های هيدرات با مقادیر مختلف باشد. مسئله اثر  پذیری ممانعت از تشكيل هيدرات در فشار های مختلف را نيز رفع نماید. . از آنجا که افزایش فشار، دمای تجزیه هيدرات را افزایش ماي دهاد، فشار شرایط عملياتي در شبكه عصبي لحاظ گشته است. بنابراین در این مطالعه دمای تجزیه هيدرات، ، ΔTفشار سيستم، نوع و کسر مولي بازدارناده اجزای شبكه  عصبي را تشكيل مي دهد. در ادامه این مقاله ابتدا به اثرگذاری فشار بر روی بازدارنده های مختلف هيدرات متان و گاز طبيعي پرداخته شده، برخي تعریف  مورد نياز برای آشنایي با شبكه عصبي ارائه شده و در انتها نتایج حاصل از مدل ساخته شده بر پایه شبكه عصبي ارائه گردیده است.

 

 

ABSTRACT

Thermodynamic inhibitors can be used to prevent the formation of hydrate and its problems in natural gas, transport oil production. Salts and glycerol are the main inhibitors to prevent the formation of hydrate, which are commonly used for drilling mud. In this paper, the hydration decomposition temperature was considered as a function of inhibitory molecular suspension and pressure, and the neural network was used to estimate the temperature Hydrate decomposition was used in presence of inhibitors. The training of the provided network is based on laboratory data extracted from various articles. The model derived from the neural network has a mean square error of 27.22, which is significant compared to the known models, Joseph and Casper.

INTRODUCTION

To control the risk of hydrate formation during drilling and production, thermodynamic inhibitors are commonly used. The most well-known relationships available to estimate the hydrate inhibitory effect are the homogeneous relationships in the year 1891, Nielsen Buckelin, in 1981, Wisf and Yang in 1881. These equations for calculating the discharge decomposition temperature (ΔT) are the difference in the temperature of the hydrate decomposition in the presence of pure water and the temperature of the decomposition of hydrate in the presence of an inhibitor, which is somewhat reduced in spite of the time pressure. In 2005, Casper and his colleagues proposed an equation for a type of inhibitor of hydrate formation that was able to estimate ΔT with acceptable accuracy. However, if a combination of deterrent curves were used, the accuracy of the equation was sharply reduced. In order to solve this problem, a model based on the structure of the neural network is presented that contains more hydrate inhibitors with different values. The problem of the effectiveness of preventing the formation of hydrate at various pressures is also eliminated. . As the pressure increases, the hydration decomposition temperature is increased, the operational pressure pressure in the neural network is considered. Therefore, in this study, the hydration decomposition temperature, ΔT, system pressure, type, and inhibitor mole fraction comprise the components of the neural network. In this paper, firstly, the effect of pressure on different methane and natural gas hydrate inhibitors has been presented. Some definitions needed to get familiar with the neural network are presented. Finally, the results of the model based on the neural network are presented.

Year: 2013

Publisher : Second National Gas Hydrate Conference of Iran

By : Javad Sayyad Amin, Behrooz Abbasi Sorkhi, Rashid Ershadi Farsani 

File Information: persian Language/ 7 Page / size: 795 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1392

ناشر : دومین همایش ملی هیدرات گازی ایران

کاری از : جواد صیاد امین ،بهروز عباسی سورکی ,رشید ارشادی فارسانی

اطلاعات فایل : زبان فارسی / 7 صفحه / حجم : KB 795

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود