کاهش انتشار ترکیبات آلی فرارتجهیزات فرآیندی صنایع پتروشیمی با اجرای برنامه LDAR
Publish place: Environmental Science and Technology، Vol: 23، Issue: 10
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 278
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ESTJ-23-10_002
تاریخ نمایه سازی: 10 اردیبهشت 1401
Abstract:
زمینه و هدف: توسعه روز افزون صنعت پتروشیمی موجب افزایش میزان انتشار ترکیبات آلی فرار(VOC) به محیط زیست شده است و مشکلات جدی برای سلامتی عموم مردم، کاهش کیفیت هوا و افزایش گرمایش جهانی را به همراه داشته است. هدف از انجام این تحقیق شناسایی، تعیین و کاهش میزان نشت ترکیبات VOC در صنایع نفت و گاز و پتروشیمی است. روش بررسی: در این تحقیق از برنامه LDAR که نتایج آن مبتنی بر استفاده از دو آنالایزر مجهز به آشکارساز PID و دوربین مادون قرمز می باشد در پتروشیمی در سال ۱۳۹۵ استفاده شد. همچنین جهت تعیین میزان نشت ترکیبات نیز از روش اول EPA-۲۱ استفاده شده است. یافته ها: مقدارکل نشتی ممکن در واحد پتروشیمی منتخب با در نظر گرفتن کلیه تجهیزاتی که دارای پتانسیل بالقوه انتشار آلایندهها هستند، میزان ۴۰۱/۷۲۷ تن در سال برآورد شد، در حالی که با اندازه گیری و تعیین دقیق اجزاء دارای نشتی میزان انتشار محاسبه شده، ۱۶/۳۲۰ تن درسال است که با انجام برنامه LDAR این میزان نشت رفع و حذف گردید. بحث و نتیجه گیری: بر اساس نتایجی که جهت تخمین انتشار آلایندههای از روش محاسباتی تایید شده EPA در واحد پتروشیمی منتخب به دست آمد، مشخص گردید که وضعیت واحدهای مورد بررسی بسیار بهتر از متوسط جهانی میباشد و شیرآلات و اتصالات بیشترین سهم را در انتشار ترکیبات آلی فرار دارند. با توجه به یافتههای تحقیق حاضر، میتوان نتیجه گرفت که اجرای صحیح و کامل برنامه LDAR ، نه تنها باعث کاهش انتشار VOCs و بهبود وضعیت اقتصادی خواهد شد، بلکه باعث کاهش هزینهها و تولید محصولی بهتر و پاکترمی شود.
Keywords:
Authors
مجید اسماعیلی
دانشجوی دکتری محیط زیست، دانشکده محیط زیست، دانشگاه آزاد اسلامی واحد تنکابن
کیوان صائب
دانشیار گروه محیط زیست، دانشکده محیط زیست، دانشگاه آزاد اسلامی واحد تنکابن (مسوول مکاتبات)
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 :