عنوان (انگلیسی): Predicting Kinetic Parameters of Acetylene Hydrogenation Reaction Via Optimization Techniques
نویسنده: آرش کدیور ، محمدتقی صادقی ، رحمت ستوده قرهباغ ، مهرک محمودی | |
کلیدواژهها : بهینهسازی ، کاتالیست ، هیدروژناسیون استیلن ، الگوریتم ژنتیک | |
کلیدواژهها (انگلیسی): Catalyst , Genetic algorithm , Optimization , Acetylene hydrogenation | |
چکیده: در این مقاله شبیهسازی و بهینهسازی رآکتور صنعتی هیدروژناسیون استیلن بررسی شده است. به دلیل پیچیدگی واکنشهای هیدروژناسیون استیلن، هیچ یک از سینیتیکهای پیشنهادشده توسط محققان مختلف، نمیتواند سینتیک کاملا دقیق فرایند تلقی شود. یکی از روشهای قابل اعتماد در تعیین سینتیک فرایند، انجام شبیهسازی فرایند و سپس حداقل کردن اختلاف دادههای واقعی با نتایج شبیهسازی به کمک تکنیکهای بهینهسازی برای بازهای معین از شرایط عملیاتی است. بدین منظور، فرایند رآکتور هیدرژناسیون استیلن روی کاتالیست صنعتی یک واحد پتروشیمی نمونه، در بازه یک ساله برای تخمین عوامل سینتیکی آن در شرایط عمـلیاتی صنعتی بررسـی شد. در تابع هدف مورد بررسـی در طی فرایند بهینهسازی، با توجه به وجود نقاط محلی زیاد در فضای حل مسئله و غیرخطی بودن تابع هدف، الگوریتم ژنتیک و نیز روش SA برای بهینه-سازی عوامل سینتیکی واکنش، به کار گرفته شده و نتایج آنها با یکدیگر مقایسه شدهاند. همچنین تأثیر عوامل مؤثر بر بازده الگوریتم ژنتیک برای این مسئله، بررسی شده و بهترین عوامل تعیین شد. |
چکیده (انگلیسی):
In this study simulation and optimization of an industrial
acetylene hydrogenation reactor was studied. Three well known kinetic
models were used for a nearly similar catalyst to predict the industrial
data. Due to the complexity of the reactions, none of the offered
kinetic models could be considered as an exact kinetic model and it is
necessary to determine the kinetic parameters. One of the best methods
to determine the kinetic of a process is to simulate the process and
then minimize the deviations between industrial data and calculated
ones. Thus the hydrogenation reactor was simulated at the industrial
operating conditions which were taken from an operational petrochemical
plant and the optimum kinetic parameters were determined using
optimization technique. Since such problem has many local optima, the
genetic algorithm (GA) and simulated annealing (SA) methods were used to
optimize the kinetic parameters of the three models. Due to the strong
dependency of the GA performance on the GA condition, it was tried to
investigate the effect of GA parameters on overall GA performance in
detail. For this purpose, different GA parameters were used to solve the
problem and results were discussed.