تشخيص گرفتگي در لوله‌هاي كوره پيش‌گرمكن نفت خام با استفاده از ماشين‌هاي بردار پشتيبان بهينه

Fouling detection inside the tubes of crude oil preheat furnace using optimized support vector machines

در اين تحقيق، استفاده از ماشين‌هاي بردار پشتيبان براي پيش‌بيني وقوع گرفتگي و همچنين تعيين درصد آن در لوله‌هاي بخش تابشي كوره پيش‌گرمكن نفت خام مورد مطالعه قرار گرفته است. كوره‌هاي پيش‌گرمكن نفت خام به عنوان يكي از المان‌هاي اصلي تامين حرارت در فرآيند جداسازي مشتقات نفتي، همواره در معرض گرفتگي لوله‌ها و خطرات ناشي از آن هستند. به منظور پيش‌بيني شرايط گرفتگي در لوله‌ها، در بخش اول با توجه به پارامترهاي مستقل موثر بر عملكرد كوره و بر اساس مدل‌سازي ديناميكي ارايه‌شده براي يك كوره پيش‌گرمكن نوع كابينتي، رفتار كوره در شرايط غيرايده‌ال شبيه‌سازي شده است. تاثير تغيير نوع گرفتگي، همچنين تغيير موقعيت آن در لوله‌هاي مختلف بر شرايط دمايي لوله‌ها و نفت خام خروجي از آن‌ها بررسي شده‌ است. سپس بر اساس نتايج بدست آمده از سناريوها و شرايط مختلف گرفتگي لوله، شناساگر خطا طراحي شده است. شرايط عملكردي كوره شامل افت فشار در لوله‌ها، شرايط دمايي لوله‌ها و نفت خام خروجي از آنها براي تعيين بروز گرفتگي و تعيين ميزان ته‌نشست‌ها مورد استفاده قرار مي‌گيرند. نتايج حاصل دقت و قابليت روش پيشنهادي براي تعيين ميزان گرفتگي لوله‌ها را نشان مي‌دهد.

In this study, an application of support vector machines is presented for fouling detection and estimating the amount of deposit layer development and tube blockage percentage at the radiation section of the crude oil preheat furnace. Crude oil preheat furnaces are the main elements in processing crude oil in distillation towers, which always suffer from fouling and its consequent risks. In order to predict fouling inside the tubes, first by considering independent input parameters effecting the furnace performance and by using a dynamic model of a particular furnace, the behaviors of the furnace in unusual conditions were simulated. The effects of fouling type and its location inside the tubes were considered on the thermal performances and pressure drops of the furnace. In the second part, based on the different fouling scenarios, a fouling detection mechanism was designed. The operational conditions such as pressure drop inside the tubes, temperatures of the tubes and temperatures of the crude oil were employed for fouling detection and evaluating the thickness of deposits. The obtained results indicated the accuracy and feasibility of the proposed approach.