مقدمه

برای کنترل کردن خطر تشکیل هیدرات در عملیات حفاری و تولید، معمولا از بازدارنده های ترمودینـامیکی اسـتفاده شـود. از معروفترین روابط موجود جهت تخمین اثر بازدارنده هیدرات ، روابط همراشمیت [ ۴] در سال ۱۹۸۳، نیلسن بوکلین[۳]در سال ۱۸۹۳ ویوسف و یانگ [ ۱] در سال ۱۹۹۳ می باشند. این معادلات جهت محاسبه دمای تجزیه هیـدرات T) )، تفـاوت دمـای تجزیه شدن هیدرات در حضور آب خالص و دمای تجزیه هیدرات در حضور بازدارنده، می باشند که درنظر نگرفتن فشـار دقـت آنها را تا حدودی کاهش داده است . [۵ ] در سال ۲۰۰۵ کاسپر و همکارانش [ ۲] معادله ای را برای یک نوع بازدارنـده تشـکیل هیدرات پیشنهاد نمودند که قادر به تخمین T با دقت قابل قبولی بود منتها چنانچه ترکیبی از چنـد بازدارنـده اسـتفاده مـی شد دقت معادله به شدت کاهش می یافت. برای رفع این مشکل، یک مدل بـر پایـه سـاختار شـبکه عصـبی ارائـه شـد کـه در برگیرنده تعداد بیشتری از بازدارنده های هیدرات با مقادیر مختلف باشد. مسئله اثر پذیری ممانعت از تشکیل هیدرات در فشـار های مختلف را نیز رفع نماید. . از آنجا که افزایش فشار، دمای تجزیه هیدرات را افزایش مـی دهـد، فشـار شـرایط عملیـاتی در شبکه عصبی لحاظ گشته است.

بنابراین در این مطالعه دمای تجزیه هیدرات،T ، فشار سیستم، نوع و کسر مـولی بازدارنـده اجـزای شـبکه عصـبی را تشکیل می دهد. در ادامه این مقاله ابتدا به اثرگذاری فشار بر روی بازدارنده های مختلف هیدرات متان و گاز طبیعـی پرداختـه شده، برخی تعریف مورد نیاز برای آشنایی با شبکه عصبی ارائه شده و در انتها نتایج حاصل از مدل ساخته شده بر پایـه شـبکه عصبی ارائه گردیده است.

. ۲ تاثیر فشار بر روی خصوصیات هیدرات در حضور بازدارنده:

در اکثر معادلات پیشنهادی برای تجزیه هیدرات [۱-۵] فرض اساسی این بود که دمای تجزیه هیدرات فقط به غلظت بازدارنده بستگی دارد در حالی که اطلاعات برگرفته از شکل [۲]۱ گواه این مطلب است فشار تاثیر بسزایی بر روی دمای تجزیه هیدرات دارد بعنوان مثال در فشار ۱۵ مگاپاسکال ، T گل حفاری C ،۱۵/۵درجه کلوین است در حالیکه در فشار ۵/۵ مگاپاسکال این مقدار به ۱۲ درجه کلوین تنزل پیدا می کند.

شکل :۱ اثر بازدارنده سیال حفاری بر روی هیدرات متان و گاز طبیعی برگرفته از مرجع

دومین همایش ملی هیدرات گازی ایران ۲۵-۲۶ اردیبهشت ۱۳۹۲، دانشکده مهندسی شیمی، نفت و گاز دانشگاه سمنان

.۳ استفاده از شبکه عصبی

برای انجام محاسبات نقطه تجزیه کریستال های هیدرات گازی از یک شبکه عصبی با دو لایه مطابق شکل (۱) استفاده شد. تابع انتقال به صورت tansig انتخاب شد.

شکل :۲ الگوی شبکه دو لایه ای استفاده شده

برای سنجش میزان دقت نتایج بدست آمده، از دو نوع تابع میانگین قدر مطلق خطای نسبی(TAAD%) 1 و مجموع مربعات خطا(SSR) 2 استفاده شده است که به صورت زیر معرفی می گردند.

(۱) = ∑( , − , )۲

(۲) | − | ۱
× ۱۰۰ , , ∑ % =

, =۱
که rcal,i مقدار دمای تجزیه هیدرات محاسبه شده توسط شبکه عصبی و rexp,i مقدار دمای بدست آمده از نتایج آزمایشگاهی می باشد.

.۴ نتایج

استفاده از شبکه عصبی برازش قابل قبولی برای داده های آزمایشگاهی انجام داده است. در شکل های زیر میزان کارایی شبکه و تطبیق آن با داده های تجربی را مشاهده می کنید.

۱ Total average absolute deviation 2 SSR: sum of squares of the difference between the data and predicted/calculated values

تخمین دمای تجزیه هیدرات در حضور بازدارنده ها

شکل:۳ میزان کارایی شبکه

شکل:۴ برازش داده های تجربی بوسیله شبکه

×

دومین همایش ملی هیدرات گازی ایران ۲۵-۲۶ اردیبهشت ۱۳۹۲، دانشکده مهندسی شیمی، نفت و گاز دانشگاه سمنان

در جدول زیر برای بازدارنده های گلیسرول و NaBr، NaCl، CaCl2 مقدار T این شبکه با مقایسه با یوسف [۱] و کاسپر [۲] آورده شده است، لازم به ذکر می باشد که برای بازدارنده های مخلوط شده معادله کاسپر[۲] قادر به پیش بینی T نمی باشد.