مدل سازی و بهینه سازی واکنش رفرمینگ هیدروکربنهای سنگین در بسترهای سیال کاتالیستی
Publish place: 11th National Iranian Chemical Engineering Congress
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 1,975
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
NICEC11_138
Index date: 24 April 2007
مدل سازی و بهینه سازی واکنش رفرمینگ هیدروکربنهای سنگین در بسترهای سیال کاتالیستی abstract
در این مقاله یک رفورمر غشایی بستر سیال سریع چرخشی ، به منظور رفورمینگ هپتان که آن را به همراه بخار آب از روی کاتالیست نیکل حمل می کند ، بررسی می شود . مدل راکتور لوله ای برای تحقیق اثرات پارامترهای عملیاتی منظور گردیده و در راکتور از غشاهای انتخابی برای هیدروژن و اکسیژن استفاده می شود . ترکیب این دو غشا با شاخص های رفورمر سیال شده ، این فرآیند را نه تنها در تولید کافی هیدروژن بلکه در انرژی کافی نیز یاری می کند . در این مقاله با استفاده از واکنش های انجام شده در راکتور و موازنه ی جرمی و حرارتی ، مدل سازی رفورمینگ با حل معادلاتحاصل توسط نرم افزارMatlab به روش اولر اصلاح شده انجام شده و اثر پارامترهای مختلف از جمله دما ، شدت حرارتی در طول راکتور ، مقدار اکسیژن ورودی به رفورمر و نسبت بخار به هیدروکربن در خوراک ورودی بررسی شده است . سرانجام ، بهینه سازی فرآیند برای بالا بردن بازدهی هیدروژن انجام می شود که نهایتا نتایج مدل سازی با داده های زمایشی تطبیق داده می شوندکه از دقت قابل قبولی برخوردار است .
مدل سازی و بهینه سازی واکنش رفرمینگ هیدروکربنهای سنگین در بسترهای سیال کاتالیستی Keywords:
رفورمینگ - بستر سیال - غشاهای انتخابی , بازدهی هیدروژن
مدل سازی و بهینه سازی واکنش رفرمینگ هیدروکربنهای سنگین در بسترهای سیال کاتالیستی authors
احمد محدث پور
دانشجوی کارشناسی ارشد مهندسی شیمی، دانشگاه تهران ، پردیس دانشکده های
شهره فاطمی
دانشیار ، دکتری مھندسی شیمی، دانشکده مهندسی شیمی،پردیس دانشکده های ف
شهریار جعفری نژاد
دانشجوی کارشناسی ارشد، مھندسی پلیمر، دانشکده مهندسی شیمی،پردیس دان
سجاد حبیب زاده
دانشجوی کارشناسی ارشد، مھندسی پلیمر، دانشکده مهندسی شیمی،پردیس دان
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 :