شبیه سازی و بهینه سازی افزایش تولید بنزین واحد ریفرمینگ کاتالیستی پالایشگاه تبریز

در این تحقیق، دو مدل شبکه عصبی برای شبیه سازی واحد ریفرمینگ کاتالیستی پالایشگاه تبریز (واحد پلاتفرمینگ) ارائه شده است. شبکه های فوق، خروجی واحد، دبی هیدروژن تولیدی، بنزین، LPG، دمای خروجی راکتورها، چگالی بنزین، فشار بخار بنزین (RVP) و عدد اکتان پژوهشی (RON) را تخمین می زنند. در این شبیه سازی و بهینه سازی، دانش پیچیده ساز و کارهای واکنش، سینتیک، انتقال جرم و حرارت نیاز نیست. نتایج نشان می دهد که شبکه های فوق، توانایی پیش بینی داده های اندازه گیری شده را داراست. خطای شبکه های فوق در تخمین کل خروجی ها % 7984/0 است. با استفاده از مدل شبکه عصبی، بهینه سازی در تنظیم شرایط عملیاتی واحد برای افزایش دبی حجمی بنزین انجام شد و شرایط عملیاتی جدید به دست آمد. در این شرایط جدید بازده حجمی تولید بنزین % 35/82 است.