آنالیز حساسیت و عدم قطعیت ضریب تصحیح دانسیته گاز طبیعی بر اساس مدل سازی استاندارد AGA8 نسبت به پارامترهای عملیاتی و محیطی
Publish place: Journal Of Modeling in Engineering، Vol: 17، Issue: 57
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 256
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-17-57_004
تاریخ نمایه سازی: 21 اسفند 1399
Abstract:
محاسبه دقیق شدت جریان گاز طبیعی عامل بسیار موثری در بخش اقتصادی، کنترل شرایط عملیاتی، نگهداری تجهیزات و ... در صنایع گاز کشورهای وارد و صادر کننده آن میباشد. امروزه در صنایع مرتبط با گاز کشور، برآورد شدت جریان گاز طبیعی به کمک محاسبه ضریب تصحیح دانسیته آن (NG-DCF ) با استفاده از معادلات حالت به عنوان روشی مقرون به صرفه انجام میپذیرد. دسترسی همیشگی به اطلاعات ورودی مورد نیاز معادلات حالت به ویژه ترکیب درصد کامل اجزاء گاز نیاز به هزینههای گزافی دارد از این رو گاهی از اطلاعات تخمینی به عنوان عوامل ورودی مدل استفاده میشود. بنابراین با توجه به امکان تاثیر پذیری دقت محاسبه NG-DCF از این عوامل، شناخت و تحلیل روند اثرگذاری هریک از آنها بر خروجی مدل، بررسی میزان حساسیت پذیری خروجی مدل از دادههای ورودی و نیز تعیین عدم قطعیت خروجی مدل ضرورت دارد. در این مطالعه ابتدا NG-DCF توسط معادله حالت استاندارد AGA8-DCM به عنوان روشی دقیق، مدل شده سپس برای محاسبه آنالیز حساسیت و عدم قطعیت NG-DCF از روشهای مختلف تحلیلی و عددی استفاده شده است تا از نتایج حاصل برای احراز از خطای تخمین آن سود جست. نتایج آنالیزهای حساسیت نشان داد که پس از فشار عملیاتی نسبی و دمای عملیاتی، ترکیب درصد متان، اتان و نیتروژن گاز طبیعی موثرترین عوامل خطی بر NG-DCF است. همچنین تغییرات فشار محیط که غالبا مورد اغماض قرار میگیرد به عنوان یکی از عوامل موثر بر NG-DCF شناخته شد.
Keywords:
Authors
فاطمه بشی پور
دانشکده مهندسی نفت و پتروشیمی، دانشگاه رازی، کرمانشاه، ایران، صندوق پستی ۶۷۱۴۹۶۷۳۴۶
پوریا قادریان
دانشکده مهندسی نفت و پتروشیمی، دانشگاه رازی، کرمانشاه، ایران، صندوق پستی ۶۷۱۴۹۶۷۳۴۶
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :