اندازه گیری تجربی و پیش بینی ضرایب انتشار گاز متان: مطالعه موردی منطقه هفت عملیات انتقال گاز

در فرآیندهای انتقال گاز طبیعی، به دلایلی از جمله نشتی و شکستگی لوله مقدار زیادی گاز متان به محیط منتقل شده که سهم بالایی در افزایش گازهای گلخانه ای دارد. رویکرد جهانی کاهش گازهای گلخانه ای سبب شده تا در راستای کنوانسیون های جهانی و برنامه اقدام ملی کاهش انتشار گازهای گلخانه ای، برنامه کاهش اتلاف گاز از خطوط انتقال گاز مد نظر قرار گیرد. هدف از این پژوهش، ابتدا اندازه گیری تجربی میزان انتشار گاز متان ناشی از نشتی شیرهای بلودان موجود در نواحی مختلف منطقه هفت عملیات انتقال گاز ایران و سپس پیش بینی میزان ضرایب انتشار گاز به کمک شبکه عصبی پرسپترون چند لایه با قانون پسا انتشار خطا و الگوریتم یادگیری لونبرگ- مارکوارت است. بر این اساس، تاثیر پارامترهای عملیاتی موثر بر میزان انتشار گاز شامل دمای محیط، فشار خط لوله، نوع شیربلودان، وضعیت باز یا بسته بودن شیر کنار گذر قبل از بلودان، وضعیت نشت داخلی شیر کنار گذر قبل از بلودان، عمر شیر، صدای ناشی از نشتی و غلظت نشتی در محدوده ppm۱۰۰۰۰-۱۰ مورد بررسی قرار گرفت. برای یافتن پارامترهای موثر بر میزان نشر، شش الگو مختلف براساس پارمترهای ورودی متفاوت تعریف شد. نتایج حاصل از پیش بینی ضرایب نشر متان با استفاده از شبکه عصبی نشان داد که الگوی با پارامترهای ورودی شامل دمای محیط، فشار خط لوله، عمر شیر، صدای ناشی از نشتی و غلظت نشتی بهترین نتایج را نشان می دهد. بررسی میزان خطا و ضریب همبستگی الگوی پیشنهادی نشان از کمترین میزان خطا (۰۵۰۴۷/۰= RMSE و ۰۰۲۵۵/۰=MSE) و ضریب همبستگی بالای نتایج (۹۷۸۵۳/۰ =۲ R) در بین الگوهای مختلف است که می توان از آن جهت پیش بینی میزان نشر گاز متان در خطوط لوله استفاده نمود.

Keywords:

Greenhouse Gas , Methane Emission Factors , neural network , Gas Transmission Pipelines , Emission Reduction