Use of artificial neural networks for estimating water content of natural gas mixtures taking into account heavy hydrocarbons contribution / Jhon Fabián Montenegro Madroñero ; tutor Marvin José Ricaurte Fernández
Tipo de material:
TextoIdioma: Inglés Idioma del resumen: Español Fecha de copyright: Urcuquí, 2021Descripción: 83 hojas : ilustraciones (algunas a color) ; 30 cm + 1 CD-ROMTema(s): Recursos en línea: Nota de disertación: Trabajo de integración curricular (Petroquímico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2021 Resumen: El gas natural (GN) al ser extraído de los yacimientos trae consigo agua en fase vapor. El agua presente en el gas natural deber ser removida para prevenir consecuencias desastrosas como corrosión, problemas en tuberías, formación de hidratos, dificultades en procesos de compresión y transporte, entre otros. La estimación precisa del contenido de agua en mezclas de gas natural es la base para el diseño de procesos de deshidratación. Para este propósito, se han desarrollado varios métodos de cálculo de contenido de agua (rigurosos y semiempíricos). Los métodos disponibles se basan en datos de presión y temperatura, otros métodos incluyen la concentración de sulfuro de hidrogeno (H2S), dióxido de carbono (CO2), y metano. No se han reportado métodos para el cálculo de contenido de agua que consideren la alta concentración de hidrocarburos más pesados que el metano presente en mezclas de gas rico, condensado de gas, o gas licuado de petróleo (GLP). Además, algunos métodos disponibles para la estimación del contenido de agua en el gas natural tienen baja precisión y no son aplicables a las condiciones típicas de operación en el procesamiento de gas. Actualmente, con el desarrollo de la inteligencia artificial, métodos alternativos de estimación como las redes neuronales artificiales (RNA) han probado ser precisas en la estimación de datos para aplicaciones ingenieriles. RNA basan su estructura en el funcionamiento biológico de redes neuronales y pueden aprender desde un conjunto de datos previo a predecir nuevos datos. Por lo tanto, el objetivo de este proyecto de graduación es el desarrollo de un modelo predictivo basado en redes neuronales artificiales para la estimación precisa del contenido de agua en mezclas de gas natural, tomando en cuenta la composición de los hidrocarburos pesados presentes en la mezcla, en condiciones típicas de operación. Para este fin, datos experimentales de contenido de agua en GN fueron requeridos. Los datos experimentales fueron procesados y se diseñó la RNA, después etapas de validación con otros métodos predictivos fueron necesarias para verificar la aplicabilidad del método propuesto. Ecuador al ser un país productor de hidrocarburos, las herramientas para el cálculo de contenido de agua en mezclas de gas natural son de interés para garantizar la continuidad operacional en la producción de hidrocarburos gaseosos e instalaciones de procesamiento.
| Tipo de ítem | Biblioteca actual | Signatura | Copia número | Estado | Fecha de vencimiento | Código de barras | Reserva de ítems | |
|---|---|---|---|---|---|---|---|---|
Tesis
|
Biblioteca Yachay Tech | ECQI0089 (Navegar estantería(Abre debajo)) | 1 | No para préstamo | T000196 |
Trabajo de integración curricular (Petroquímico/a). Universidad de Investigación de Tecnología Experimental Yachay. Urcuquí, 2021
Incluye referencias bibliográficas (páginas 54-60)
Trabajo de integración curricular con acceso abierto
Texto (Hypertexto links)
El gas natural (GN) al ser extraído de los yacimientos trae consigo agua en fase vapor. El agua presente en el gas natural deber ser removida para prevenir consecuencias desastrosas como corrosión, problemas en tuberías, formación de hidratos, dificultades en procesos de compresión y transporte, entre otros. La estimación precisa del contenido de agua en mezclas de gas natural es la base para el diseño de procesos de deshidratación. Para este propósito, se han desarrollado varios métodos de cálculo de contenido de agua (rigurosos y semiempíricos). Los métodos disponibles se basan en datos de presión y temperatura, otros métodos incluyen la concentración de sulfuro de hidrogeno (H2S), dióxido de carbono (CO2), y metano. No se han reportado métodos para el cálculo de contenido de agua que consideren la alta concentración de hidrocarburos más pesados que el metano presente en mezclas de gas rico, condensado de gas, o gas licuado de petróleo (GLP). Además, algunos métodos disponibles para la estimación del contenido de agua en el gas natural tienen baja precisión y no son aplicables a las condiciones típicas de operación en el procesamiento de gas. Actualmente, con el desarrollo de la inteligencia artificial, métodos alternativos de estimación como las redes neuronales artificiales (RNA) han probado ser precisas en la estimación de datos para aplicaciones ingenieriles. RNA basan su estructura en el funcionamiento biológico de redes neuronales y pueden aprender desde un conjunto de datos previo a predecir nuevos datos. Por lo tanto, el objetivo de este proyecto de graduación es el desarrollo de un modelo predictivo basado en redes neuronales artificiales para la estimación precisa del contenido de agua en mezclas de gas natural, tomando en cuenta la composición de los hidrocarburos pesados presentes en la mezcla, en condiciones típicas de operación. Para este fin, datos experimentales de contenido de agua en GN fueron requeridos. Los datos experimentales fueron procesados y se diseñó la RNA, después etapas de validación con otros métodos predictivos fueron necesarias para verificar la aplicabilidad del método propuesto. Ecuador al ser un país productor de hidrocarburos, las herramientas para el cálculo de contenido de agua en mezclas de gas natural son de interés para garantizar la continuidad operacional en la producción de hidrocarburos gaseosos e instalaciones de procesamiento.
Textos en inglés con resúmenes en español e inglés
No hay comentarios en este titulo.