مدل سازي جذب انتخابي گاز هيدروژن سولفيد توسط محلول متيل دي اتانول آمين در برج جذب پرشده

Modeling of Selective Hydrogen Sulfide Absorption Using MDEA Solution in a Packed Column

: در اين مقاله، يك مدل پايدار بر اساس انتقال جرم براي جذب انتخابي گاز هيدروژن سولفيد درمحلول متيل دي اتانول آمين در برج جذب پرشده ارايه شده است. اين مدل مي تواند توزيع غلظت اجزاي گازهاي نفوذ كننده و توزيع دما در فازهاي گاز و مايع براي سيستم (O 2-H 2S-CO 2MDEA-H ) پيش بيني كند. براي پيش بيني توزيع غلظت گاز كربن دي اكسيد از ثابت هاي سينتيكي درجه دوم واكنش ميان اين گاز و محلول متيل دي اتانول آمين استفاده شده است و از بين داده هاي موجود، بهترين ثابت با توجه به نتيجه ها انتخاب شده است. همچنين پارامترهاي موثر در به دست آوردن اين توزيع ها ونقطه بيشينه ضريب انتخاب پذيري در اين مدل بررسي شده است. براي بررسي درستي مدل ارايه شده، نتيجه هاي به دست آمده از آن با استفاده از داده هاي يك واحد نيمه صنعتي وهمچنين با استفاده از داده هاي موجود برج جذب پرشده واحد شيرين سازي فازهاي 4 و5 مجتمع گاز پارس جنوبي مقايسه شده است. نتيجه هاي به دست آمده نشان دهنده تطابق خوب پيش بيني مدل ارايه شده و داده هاي تجربي مي باشد.

In this paper, a steady-state model based on mass transfer for selective absorption of hydrogen sulfide gas in MethylDiEthanolAmine (MDEA) solution, in the packed absorption tower is presented. This model is able to predict the concentration and temperature profiles in gas and liquid phases for the (MDEA-H2S-CO2-H2O) system. In order to predict the profile of CO2 concentration, the second-order kinetic constants of reaction between gas and MDEA solution was used. Also, among the existing kinetic data, the best one was selected. In addition, the effective parameters in obtaining these profiles and the maximum point of selectivity factor were examined in this model. In order to evaluate accuracy of proposed model, the results were compared with from a pilot plant test as well as using operating data from absorption packed tower of the gas sweetening unit of phases 4 and 5 of South Pars Gas Complex. The obtained results reveal an acceptable compatibility between experimental data and prediction of the presented model.