کاربرد شبکه های عصبی مصنوعی درمدلسازی احتراق گازطبیعی

تحلیل تغییر ترکیبات گاز تولیدی پالایشگاه برروی محصولات احتراق بویلر نیازمند حل روابط پیچیده احتراقی بوده که موجب افزایش میزان خطا درتحلیل همچنین زمان بربودن آن میگردد به همین دلیل با استفاده از روشهای مدلسازی که دارای قدرت پیش بینی ودقت بالایی هستند ضروری می گردد دراین مقاله با استفاده از داده های تجربی پالایشگاه گاز بیدبلند تغییرات ترکیبات و ارزش حرارتی گاز تولیدی پالایشگاه و محصولات احتراق یکی از مجموعه بویلرهای پالایشگاه دربازه زمانی مشخص مورد بررسی قرارگرفته توسط شبکه عصبی مدلی طراحی شده است که بااستفاده از آن اثرتغییر ترکیبات گاز تولیدی پالایشگاه برروی ارزش حرارتی و محصولات احتراق بویلر بررسی میگردد با افزایش هیدروکربن ها مقدار آلاینده NOX ارزش حرارتی گاز co,CO2 افزایش می یابد به طوریکه با افزایش 5 درصد متان مقدار NOX 39درصد افزایش مقدار 28CO درصد افزایش و CO2 نیز 15درصد افزایش مییابد با افزایش 30 درصد اتان آلاینده NOX 23 درصد افزایش یافته است 2/4CO برابر گردیده مقدار 8CO2 درصد افزایش می یابد.