Simulación y validación de un sistema de destilación para la separación de azeótropos de co2-etano en procesos mejorados de recuperación de petróleo
El propósito de la presente investigación fue simular y validar un sistema alternativo de destilación extractiva para separar azeótropos de CO2-etano durante el tratamiento de gas natural, mismo que sirve de base para el diseño de una red neuronal artificial (RNA) capaz de predecir las fracciones mo...
Uloženo v:
| Hlavní autor: | |
|---|---|
| Médium: | bachelorThesis |
| Jazyk: | spa |
| Vydáno: |
2020
|
| Témata: | |
| On-line přístup: | https://dspace.espoch.edu.ec/handle/123456789/16711 |
| Tagy: |
Přidat tag
Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!
|
Přidat tag | Shrnutí: | El propósito de la presente investigación fue simular y validar un sistema alternativo de destilación extractiva para separar azeótropos de CO2-etano durante el tratamiento de gas natural, mismo que sirve de base para el diseño de una red neuronal artificial (RNA) capaz de predecir las fracciones molares de los principales productos obtenidos. Para el desarrollo de la RNA se generó una base de datos a partir de la simulación en el software libre DWSIM. La muestra consta de 130 datos con tres entradas: presión, temperatura y relación solvente/alimentación, y sus correspondientes seis salidas: fracción molar del CO2 destilado y del etano residual en la columna de extracción, fracción molar del etano destilado y del propano residual en la columna de recuperación de solvente y fracción molar del etano tanto destilado como residual en la columna concentradora. La red se diseñó en MATLAB empleando 80 neuronas ocultas en su arquitectura y el algoritmo de regularización Baysesian para el entrenamiento. Se obtuvo un valor de MSE de 0,0036 y un coeficiente de regresión total de 0,95546. La red se validó mediante un análisis estadístico comparativo obteniéndose un 95% de confiabilidad. La simulación permitió remover el 95,6% de CO2 presentes en el gas natural y se recuperó un 91,56% de etano. A su vez, parte de los LGN de la columna de recuperación, fueron utilizados como solvente sin necesidad de recurrir a uno externo. Esta propuesta demostró ser más eficiente que el modelo convencional, reduciendo un 10% de los costos anuales totales y operativos sin comprometer la purificación deseada y reduciendo el consumo energético. Se recomienda ampliar el grado de aprendizaje de la RNA con nuevos parámetros de entrada y salida para que se convierta en una herramienta computacional más didáctica, completa, y sirva para el estudio de diversos procesos químicos y/o industriales. |
|---|