سیدحمید اسماعیلی فرج - استادیار گروه مهندسی شیمی، دانشگاه صنعتی شاهرود
بهزاد وافری - استادیار گروه مهندسی شیمی دانشگاه آزاد اسلامی واحد شیراز
شاهین حسینی - مدیر واحد پژوهش و فناوری شرکت پتروشیمی جم
اکبر ابوالحسنی - کارشناس ارشد واحد پژوهش و فناوری شرکت پتروشیمی جم
سروش کرمیان - کارشناس واحد پژوهش و فناوری شرکت پتروشیمی جم،
علی درویشی - کارشناس واحد پژوهش و فناوری شرکت پتروشیمی جم

در این گزارش به بررسی پارامترهای لازم برای مدلسازی فرآیند براساس شبکه عصبی پرداخته میشود. با استفاده از نتایجبدست آمده از فاز مطالعاتی مهم ترین پارامترهای موثر بر راندمان تولید انتخاب شده است. نوع خوراک بکار رفته در کوره هایکراکینگ، شدت جریان خوراک ها، تعداد موثر کوره بکار گرفته شده، دمای خروجی کویل COT و زمان عملیاتی مجاز هرکوره بعنوان مهمترین پارامترها انتخاب شده اند. با انتخاب مدل چند لایه پرسپترون و با داشتن ۳۶ متغیر مستقل و ۸ متغیروابسته شبکه عصبی مورد نظر ایجاد شد. متغیرهای وابسته عبارتند از شدت جریان محصولات کلیدی از قبیل پروپیلن، اتیلن،و بنزین پیرولیز . نتایج مدلسازی نشان میدهد که در مجموع عملیات آموزش و آزمایش بالاترین خطای کل ۱۴ / ۳ درصد برایکلیه متغیرها بدست آمده است. شبیه سازی فرآیند و مقایسه نتایج در روزهای متعدد سال نشان میدهد که مدل تهیه شدهبر مبنای شبکه عصبی قادر به پیشگویی رفتار واحد الفین پتروشیمی جم با دقت قابل قبول خواهد بود. همچنین شرایط بهینهبا یک روز عملیاتی شرکت پتروشیمی جم با استفاده از بخش بهینه سازی بدست آمد. نتایج نشان می دهد که درصورت کاردر شرایط بهینه سودآوری شرکت در آن روز به میزان دلار افزایش مییافت. نتایج این تحقیق در قالب یک نرم افزار کاربردیتهیه و بکار گرفته شده است.

شبیه سازی، بهینه سازی، پتروشیمی جم، واحد الفین، شبکه عصبی