Skip to main content
SUPERVISOR
محمدرضا احسانی (استاد راهنما) سعید زرین پاشنه (استاد مشاور)
 
STUDENT
Ghazal Razi Perchikolaie
غزال رضی پرچیکلائی

FACULTY - DEPARTMENT

دانشکده مهندسی شیمی
DEGREE
Master of Science (MSc)
YEAR
1386

TITLE

Modeling of Oxidative Coupling of Methane using Artificial Neural Network and Optimization of Operational Conditions using Genetic Algorithm.
In this thesis, the effect of operating conditions, such as temperature, gas hourly space velocity(GHSV), CH 4 /O 2 ratio and diluents gas (mol%) on ethylene production by oxidative coupling of methane (OCM) in a fixed bed reactor at atmospheric pressure was studied over Mn/Na 2 WO 4 /SiO 2 catalyst. 0.5gr of catalyst was loaded in a quartz reactor. Based on the properties of neural networks, an artificial neural network was used for model development from experimental data. In order to prevent network complexity and effective data input to network, principal component analysis method was used and the number of output parameters were reduced from 4 to 2. A feed-forward back-propagation network was used for simulating the relations between process operating conditions (the above-mentioned parameters) and aspects of catalytic performance, which include conversion of methane, C 2 + products selectivity, yield of C 2 + and C 2 H 4 /C 2 H 6 ratio. Levenberg– Marquardt method is presented to train the network. For first output, optimum network with 1-9-4 topology (one hidden layer which includes 9 neurons) and for second output, optimum network with 1-6-4 topology (one hidden layer including 6 neurons) was prepared. After the simulation process using A, operating conditions were optimized using Genetic Algorithm based on maximum yield of C 2 + . The optimum conditions were obtained as reaction temperature=850°C, GHSV=22464 cm 3 g -1 h -1 , diluents gas=30 (mol %) and CH 4 /O 2 ratio= 4. 33.03% of methane conversion, 71.07% of C 2 + product selectivity, 23/47% of C 2 + yield and 2/073 of C 2 H 4 /C 2 H 6 ratio were obtained under these optimum conditions. Experimental runs under optimum conditions were done at Research Institute of Petroleum Industry (RIPI) and the results obtained were compared with the simulated values obtained from the model. The average error from comparing experimental and simulated values for methane conversion, C 2 + products selectivity, yield of C 2 + and C 2 H 4 /C 2 H 6 ratio, was estimated as 2.73%, 10/66%, 5.48% and 10.28% respectively. Keywords: Oxidative Coupling of Methane (OCM); Mn/Na 2 WO 4 /SiO 2 catalyst; A Optimization; Genetic algorithm
: در این پروژه از 100 آزمون رآکتوری انجام شده روی کاتالیست Mn/Na 2 WO 4 /SiO 2 در واکنش زوج شدن اکسایشی متان (OCM) ودر یک رآکتور بستر ثابت از جنس کوارتز، در فشار اتمسفریک و تحت شرایط عملیاتی متفاوت شامل دما، سرعت فضایی حجم گاز (GHSV) ، نسبت متان به اکسیژن و درصد مولی گاز رقیق کننده (N 2 ) استفاده گردید. با توجه به ویژگی شبکه های عصبی، از شبکه عصبی مصنوعی جهت توسعه مدل از داده های نمونه سیستم استفاده گردید. پارامترهای عملیاتی ذکر شده در بالا به عنوان پارامترهای ورودی و میزان تبدیل متان، گزینش پذیری محصولات دو کربنه، بازده محصولات دو کربنه و نسبت اتیلن به اتان به عنوان پارامترهای خروجی در نظر گرفته شده است. جهت جلوگیری از پیچیدگی شبکه و شناخت متغیرهای مؤثر جهت ورود به شبکه از تکنیک آماری آنالیز مؤلفه های اصلی (PCA) استفاده شد و تعداد متغیرهای خروجی از 4 به 2 کاهش داده شد. پس از تهیه مجموعه داده های ورودی- خروجی برای تهیه مدل از نرم افزار MATLAB 7.5.0 استفاده شد. در این پروژه از شبکه عصبی پرسپترون چند لایه پیشرو با الگوریتم پس انتشار (BP) استفاده شد. برای آموزش شبکه نیز از الگوریتم لونبرگ مارکوات (LM) استفاده گردید. همچنین برای هر دو لایه میانی و خروجی از تابع انتقال Tansig استفاده شده است. برای خروجی اول، شبکه بهینه با توپولوژی 4-9-1 (یک لایه میانی شامل 9 نرون) تحت عنوان شبکه اول و برای خروجی دوم شبکه بهینه با توپولوژی 4-6-1 (یک لایه میانی با 6 نرون) تحت عنوان شبکه دوم تهیه شد. پس از آموزش شبکه ها و تست آنها با داده های تست، با استفاده از وزن های شبکه و الگوریتم ژنتیک، اقدام به بهینه سازی پارامترهای عملیاتی فرایند OCM بر مبنای ماکسیمم بازدهی محصولات دو کربنه گردید. نتایج بدست آمده از تلفیق شبکه های عصبی مصنوعی تهیه شده با الگوریتم ژنتیک نشان می دهد که تحت شرایط عملیاتی دما C ° 850 ، سرعت فضایی حجم گاز cm 3 g -1 h -1 22464 ، نسبت متان به اکسیژن 4 و درصد مولی نیتروژن به عنوان گاز رقیق کننده 30 ، دارای حداکثر بازدهی محصولات دو کربنه به میزان %47/23 خواهیم بود. برای همین شرایط میزان تبدیل متان %03/33 ، گزینش پذیری محصولات دو کربنه % 07/71 و نسبت اتیلن به اتان 073/2 بدست آمده است. جهت حصول اطمینان از مدل تهیه شده و بهره گیری از نتایج آن اقدام به انجام آزمایش در شرایط بهینه گردید. بدین منظور، با همکاری پژوهشگاه صنعت نفت، کاتالیست Mn/Na 2 WO 4 /SiO 2 به روش تلقیح، تهیه گردید و دو آزمون رآکتوری روی کاتالیست ساخته شده انجام شد. متوسط خطای ناشی از مقایسه مدل با نتایج آزمایشگاهی برای میزان تبدیل متان و بازده محصولات C 2 + ، به ترتیب %73/2 و %48/5 می باشد. اما برای گزینش پذیری محصولات C 2 + و نسبت اتیلن به اتان متوسط خطای حاصل از مقایسه مدل با نتایج آزمایشگاهی کمی بیشتر شده وبه ترتیب برابر %66/10 و %28/10 بدست آمده است.

ارتقاء امنیت وب با وف بومی