استفاده از تكنيكهاي داده كاوي در بهينه سازي كيفيت نفت خام در واحدهاي نمكزدايي

شركت ملي نفت جهت انجام عمليات فراورش نفت خام، از روش هاي مختلفي از جمله تزريق مواد شيميايي خاص به نفت استفاده مي كند. تهيه ي اين مواد هزينه ي هنگفتي را براي اين شركت به همراه دارد. هدف اين تحقيق، كاهش هزينه ي ياد شده از طريق تعيين بهينه ترين تركيبِ تزريق مواد شيميايي به نفت خام و به تبع آن كنترل كيفيت مي باشد. استفاده از داده‎كاوي و يافتن تركيب بهينه اين مواد مي‎تواند صرفه‎جويي قابل توجهي را براي صنعت نفت به همراه داشته باشد. بدين منظور داده هاي واقعي تزريق مواد شيميايي جهت داده كاوي از بانك اطلاعاتي استخراج شده است. از مدل‎هاي شبكه عصبي مصنوعي و شبكه عصبي-فازي جهت پيش بيني ميزان تزريق هر كدام از مواد شيميايي در بازه هاي زماني مختلف يك ماهه، سه ماهه، يك ساله و پنج ساله بهره گرفته شده است. همچنين اعتبار و دقت پيش بيني مدل تا حد نسبتاً زيادي محرز گرديده است. سپس تمام تركيبات ممكن جهت پيش بيني به مدل داده و پيش بيني مورد نظر انجام شده است. تركيبي از مواد شيميايي كه كمترين مقدار مصرف و بالاترين كيفيت را در بر داشته است به عنوان تركيب بهينه از اين مواد تعيين شده است. پارامترهاي دو مدل شبكه عصبي و عصبي-فازي مورد بررسي قرار گرفته و ساختار بهينه حاصل شده است. پس از اعمال مدل شبكه عصبي، متناسب با ميزان دِبي نفت ورودي واحد، غلظت نمك، درصد آب و رسوبات نفت، دما، فشار و سطح نفت در نمك گيرهاي اوليه و ثانويه، همچنين ميزان آب تزريقي در بهينه ترين حالت بدست آمده است.