شبيه سازي و بهينه سازي فرآيند توليد الفين در پتروشيمي جم با استفاده از شبكه عصبي مصنوعي و الگوريتم ژنتيك

Simulation and Optimization of Olefin Production Process in Jam Petrochemical Using Artificial Neural Network and Genetic Algorithm

در اين گزارش به بررسي پارامترهاي لازم براي مدلسازي فرآيند براساس شبكه عصبي پرداخته مي شود. با استفاده از نتايج بدست آمده از فاز مطالعاتي مهمترين پارامترهاي موثر بر راندمان توليد انتخاب شده است. نوع خوراك بكار رفته در كوره هاي كراكينگ، شدت جريان خوراكها، تعداد موثر كوره بكار گرفته شده، دماي خروجي كويل (COT) و زمان عملياتي مجاز هر كوره بعنوان مهمترين پارامترها انتخاب شده اند. با انتخاب مدل چند لايه پرسپترون و با داشتن ۳۶ متغير مستقل و ۸ متغير وابسته شبكه عصبي مورد نظر ايجاد شد. متغيرهاي وابسته عبارتند از شدت جريان محصولات كليدي از قبيل پروپيلن، اتيلن، و بنزين پيروليز . نتايج مدلسازي نشان ميدهد كه در مجموع عمليات آموزش و آزمايش بالاترين خطاي كل ۱۴/۳ درصد براي كليه متغيرها بدست آمده است. شبيه سازي فرآيند و مقايسه نتايج در روزهاي متعدد سال نشان ميدهد كه مدل تهيه شده بر مبناي شبكه عصبي قادر به پيشگويي رفتار واحد الفين پتروشيمي جم با دقت قابل قبول خواهد بود. همچنين شرايط بهينه با يك روز عملياتي شركت پتروشيمي جم با استفاده از بخش بهينه سازي بدست آمد. نتايج نشان ميدهد كه درصورت كار در شرايط بهينه سودآوري شركت در آن روز به ميزان دلار افزايش مي يافت. نتايج اين تحقيق در قالب يك نرم افزار كاربردي تهيه و بكار گرفته شده است.