MétaCan
Menu
Retour à la cohorte
Enregistrement W4221106412 · doi:10.2118/208957-ms

Improvement of Energy Efficiency in Gas Condensate Stabilization Unit: Process Optimization Through Exergy Analysis

2022· article· en· W4221106412 sur OpenAlexaff
Abdollah Hajizadeh, Mohamad Mohamadi‐Baghmolaei, Fatemehsadat Mirghaderi, Reza Azin, Sohrab Zendehboudi, Taghi Saneei, Hamid Rajaei, Sajjad Keshavarzian

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEnergy
ThématiqueOil, Gas, and Environmental Issues
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésExergyPetrochemicalExergy efficiencyProcess engineeringDistillationEnergy consumptionHeat exchangerAir separationEnvironmental scienceWaste managementEngineeringChemistryMechanical engineering

Résumé

récupéré en direct d'OpenAlex

Abstract Gas condensate stabilization is a common process in gas refineries and petrochemical industries. This process is energy-consuming since it uses distillation columns and furnaces to separate different cuts from the condensate feed. This study aims to improve the performance of the gas condensate stabilization unit in a large petrochemical company in terms of energy efficiency and loss prevention. The case under investigation is the gas condensate stabilization unit in the Nouri Petrochemical Company, treating 568 t/h of raw condensate feed. This plant includes two distillation columns, two furnaces, pumps, heat exchangers, and air coolers. A hybrid energy and exergy analysis is conducted in this study. First, the validation of the simulation phase is performed, and a parametric sensitivity analysis is conducted to explore the effects of various parameters, such as operating temperature and pressure, on the process performance. After that, the most influential variables are identified using thermodynamic analyses for optimization and design purposes. An optimization method is employed to attain the maximum production improvement and exergy efficiency. The exergy analysis shows 187.4 MW total exergy destruction in the plant; furnaces account for 79% of the total exergy destruction. According to the sensitivity analysis results, the energy consumption of the process could be reduced by 33.7 MW; this is an 18% reduction in the plant's energy consumption. The optimal process conditions outperform the current and design states (4.6% improvement in exergy efficiency). The fuel gas consumption is reduced by 2.1 t/h, leading to a reduction of 128 t/d CO2 emissions.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,241
Écart entre enseignants0,228 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOil, Gas, and Environmental IssuesTravaux en français237 207