طراحي يك دستگاه چگالي سنج با استفاده از پرتوهاي گاما براي پايش محصولات نفتي در خط لوله و مقايسه با داده هاي تجربي

Design of a Densitometer using Gamma-rays for Petroleum Products Monitoring in Pipeline and Comparison with Experimental Data

در بسياري از صنايع لازم است تا چگالي مواد در حين كار اندازه گيري شود. بالاخص، در صنعت نفت، تشخيص چگالي محصولات نفتي در خط لوله از اهميت ويژه اي برخوردار است. بوسيله اين سنجش ميتوان تداخل محصولات نفتي در خط انتقال را تشخيص داد. همچنين، اين شيوه در تركيب با يك شارش سنج حجمي ميتواند براي تعيين نرخ دبي جرمي نيز بكار رود. بدين منظور، استفاده از پرتوهاي گاما يك روش غير مخرب و در جا را فراهم مي آورد. سنجش چگالي بوسيله پرتوهاي گاما بر ميناي دو اصل قابل انجام است: عبور و پس پراكندگي. در كار فعلي، كد مونت كارلوي MCNP4C براي شبيه سازي پيكربندي هاي مختلف دستگاه اندازه گيري چگالي مبتني بر عبور يا پراكندگي پرتو، مورد استفاده قرار گرفته است. شبيه سازي مونت كارلو نشان ميدهد كه روش پرتوهاي عبوري حساسيت بهتري نسبت به روش پس پراكندگي دارد. علاوه بر آن، براي ارزيابي نتايج شبيه سازي، يك آزمايش تجربي نيز انجام گرفت كه توافق خوبي بين نتايج شبيه سازي و داده هاي تجربي مشاهده گرديد

In many industries, it is necessary to measure the density of materials during the process. In the same way, in petroleum industry, determining the density of petroleum products in pipeline has special importance. By means of this measurement, petroleum products interface in transmission line can be distinguished. Also it can be used to determine mass flow rate with combination of a volume flow meter. The use of gamma-rays provides an important non-destructive and on-line method for this purpose. Density measurement by gamma-rays can be carried out based on two principles: Transmission and back scattering. In current work, MCNP4C Monte Carlo code is used for simulation of different configuration of density measurement tool based on transmission or back scattering principle. Monte Carlo simulation showed that transmission method has better sensitivity with respect to scattering one. A laboratory test was also carried out for benchmarking of simulation results. Good agreement observed between simulation and experimental data.