Simulation study of sweetening and dehydration of natural gas stream using MEG solution
Notice bibliographique
Résumé
Abstract Natural gas is currently an important and popular fossil fuel and will likely continue to be in the future. In addition, natural gas can be considered as a source of hydrocarbon for petrochemical industries. Despite the fact that natural gas is mostly considered a “clean” fuel compared to other fossil fuels, the natural gas found in reservoir deposits is not necessarily “clean” and free of impurities. Natural gas consists primarily of methane, but it also contains considerable amounts of light and heavier hydrocarbons as well as contaminating compounds of CO 2 , N 2 , H 2 S, and other impurities. These impurities are undesirable compounds and cause several technical problems such as corrosion and environment pollution. However, many natural gas streams in different areas contain huge quantities of H 2 S and CO 2 . Many technologies can be used to purify the natural gas from acid gases. These technologies include Amine absorption, the adsorption process, cryogenic processes, and membranes. Therefore, this study aims to simulate the gas sweetening process by using the Aspen HYSYS V.7.3 program. Moreover, in this simulation work, MEG (Mono Ethylene Glycol) was selected as an absorbent for the gas sweetening process: it achieved high acid gas removal and reduced the water content from a stream of natural gas. In addition, the simulation work also achieved process optimization using several MEG concentrations and temperatures. It also investigated the effect of MEG concentrations and the inlet temperature of MEG on the regeneration reboiler temperature and duty.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».