بهینه سازی کوره و راکتور لوله ای صنعتی فرایند ریفرمینگ گاز طبیعی با بخار با استفاده از الگوریتم ژنتیک

در پژوهش حاضر، مدل سازی و بهینه سازی فرایند ریفرمینگ متان با بخار و تبدیل آن به گاز سنتز با شرایط صنعتی در بستر ثابت کاتالیستی در داخل کوره با کمک مدل پراکندگی محوری و سینتیک های غیر خطی ارایه شده است. برای ارزش گذاری و اطمینان از مدل، نتیجه های آن با مقدارهای حاصل از نرم افزار تجاری (Hysys) و نیز با داده های خروجی فرایند واقعی مورد مقایسه قرار گرفته است. با توجه به نتیجه های حاصل، مدل از هم گرایی بالاتر و خطای کم تری نسبت به نرم افزار تجاری (Hysys) برخوردار است. از الگوریتم ژنتیک به منظور بهینه سازی پارامترهای عملیاتی فرایند با تعریف تابع های هدف بر مبنای کمینه سازی میزان متان مصرفی در خوراک و بیشینه سازی مقدار کربن منواکسید در گاز سنتز تولیدی استفاده شده است. نتیجه های بهینه سازی در سه مورد متفاوت حاصل شده اند. مورد اول براساس شرایط عملکرد واحد صنعتی و مورد دوم براساس اثر تغییرهای قید موجود بر دمای جداره خارجی لوله های راکتور و مورد سوم نیز بر مبنای تغییر در مقدارهای تخلخل بستر کاتالیستی صورت پذیرفته است. نتیجه های حاصل به پژوهشگر اجازه می دهد که افزون بر اصلاح و توسعه فرایند برای افزایش کیفیت فراورده، اثر گذشت زمان و نیاز به اصلاح شرایط عملکردی واحد به منظور عملکرد بهینه را مد نظر قرار دهد.