Process Simulation and Integration of Natural Gas Condensate Recovery Using Ethane–Propane Refrigerant Mixture
Notice bibliographique
Résumé
Separating heavy components from natural gas not only enhances safety, improves pipeline transportation, ensures product quality, and addresses environmental considerations, but it also exerts an influence on global energy trends. Therefore, separating heavy components is necessary and can result in beneficial goods. This article presents a comprehensive study on the process simulation and optimization of the recovery of natural gas condensate via the combined refrigeration of a mixture of ethane and propane as a refrigerant. The optimization objectives include maximizing the recovery of ethane and propane, minimizing energy consumption, and achieving desired product quality targets. A sensitivity analysis was performed to assess the impact of key parameters on process performance. Using Aspen HYSYS software, the influence of the cooler outlet stream temperature and expander outlet stream pressure on the shaft power and profit of a dry gas compressor was analyzed based on the operating conditions of the case plant, which has a processing capacity of 2988 kmol/h. The profitability of the plant is at a maximum when the cooler’s outlet stream temperature is −61 °C and the expander’s outlet stream pressure is 2500 kPa. After optimization, the refrigeration cycle system can reduce the plant’s energy consumption by 1516.4 kW. An optimized process design can lead to enhanced recovery efficiency, reduced energy consumption, and improved profitability in the natural gas industry.
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 | 0,001 |
| 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 ».