شبیه‌سازی شبه‌دینامیکی مبتنی بر مدل جایگزین و تحلیل عملکرد واحد یکپارچه کوچک‌مقیاس گاز طبیعی مایع‌شده در شرایط اوج مصرف

نوع مقاله : پژوهشی اصیل

نویسندگان

1 گروه فرایند، دانشکده مهندسی شیمی، دانشگاه تربیت مدرس، تهران، ایران

2 دانشکده مهندسی شیمی، دانشگاه تربیت مدرس

چکیده
موضوع تحقیق: کمبودهای مقطعی عرضه و تغییرات تقاضا در شبکه‌ انتقال گاز طبیعی، نیاز به راهکارهای اوج‌سایی مطمئن برای حفظ پایداری تأمین گاز را در دوره‌های بحرانی برجسته می‌کند. سامانه‌های کوچک‌مقیاس تولید گاز طبیعی مایع‌شده با تبدیل گاز مازاد در دوره‌های کم‌باری به LNG و استفاده از آن در دوره‌های اوج مصرف، گزینه‌ای منعطف برای مدیریت اوج مصرف به شمار می‌روند. با وجود مطالعات متعدد در این زمینه، هنوز چارچوبی یکپارچه و با هزینه محاسباتی کم که بتواند کل زنجیره ssLNG را تحت قیود واقعی عملیاتی بازنمایی کند، توسعه نیافته است. این پژوهش چارچوبی یکپارچه و شبه‌دینامیکی ارائه می‌دهد که سه بخش مایع‌سازی، ذخیره‌سازی و گازی‌سازی مجدد را در بستری واحد شبیه‌سازی می‌کند.
روش تحقیق: در این پژوهش برای کاهش بار محاسباتی شبیه‌سازی گذرا، فرایند مایع‌سازی مبرد تک‌مخلوط ابتدا با استفاده از مدل شبه‌واقعی در Aspen HYSYS شبیه‌سازی شد. داده‌های شبه‌تجربی حاصل برای آموزش مدل جایگزین مبتنی بر شبکه عصبی پیشخور با خطای میانگین مربعات حدود 4-10×4 به‌کار گرفته شد که دقت بسیار خوبی در پیش‌بینی نرخ تولید LNG و توان کمپرسورها نشان داد. بخش ذخیره‌سازی با معادله دیفرانسیل وابسته به زمان شامل موازنه جرم و تولید گاز تبخیری و بخش گازی‌سازی مجدد با مجموعه معادلات جبری تحت قیود عملیاتی مدلسازی شد. این سه زیرواحد در محیط MATLAB/Simulink ادغام شده، تحت گزینه‌های واقعی اوج تقاضا مورد ارزیابی قرار گرفتند.
نتایج اصلی: چارچوب یکپارچه و شبه‌دینامیکی پیشنهادی به‌عنوان ابزاری قدرتمند برای تحلیل و پیش‌بینی عملکرد سامانه در شرایط واقعی استفاده می‌شود. شبیه‌سازی‌ها نشان داد که دو مخزن ذخیره‌سازی 50,000 مترمکعبی قادرند LNG کافی برای یک بازه هفت‌روزه اوج تقاضا فراهم کنند، با دبی ارسال‌شده به شبکه به‌طور میانگین 8/5 میلیون مترمکعب در روز و نرخ تغییر کمتر از ۵ درصد که از نوسانات ناگهانی و افت فشار در شبکه جلوگیری می‌کند. این مدل به‌عنوان ابزار تصمیم‌یار برای بهره‌برداران شبکه گاز عمل کرده، به بهینه‌سازی ظرفیت ذخیره، پیش‌بینی تخلیه، جابه‌جایی مخازن و مدیریت نوسانات ورودی کمک می‌کند. توانایی آن در تسهیل تحلیل گزینه‌های مختلف و کاهش بار محاسباتی، آن را به ابزاری مناسب برای برنامه‌ریزی روزانه و تصمیم‌گیری در عملیات اوج‌سایی تبدیل می‌کند.

کلیدواژه‌ها

موضوعات

عنوان مقاله English

Quasi-Dynamic Simulation based on Surrogate Model and Performance Analysis of an Integrated ssLNG Unit for Peak Demand Condition

نویسندگان English

Amirhossein Shiri 1
Mohammad fakhroleslam 2
1 Process Engineering Department, Faculty of Chemical Engineering, Tarbiat Modares University, Tehran, Iran
2 Faculty of Chemical Engineering, Tarbiat Modares University
چکیده English

Research subject: Intermittent supply shortages and demand fluctuations in natural gas transmission networks highlight the need for reliable peak-shaving solutions to ensure the stability of gas supply during critical periods. Small-scale liquefied natural gas (ssLNG) systems, which convert surplus gas during off-peak periods into LNG for use during peak demand, provide a flexible solution for managing peak consumption. Despite extensive research in this area, an integrated and computationally efficient framework that can represent the entire ssLNG chain under realistic operational constraints has yet to be developed. This study presents an integrated quasi-dynamic framework that simulates the liquefaction, storage and regasification processes within a single platform.
Research approach: To reduce the computational cost of transient simulations, the single mixed-refrigerant (SMR) liquefaction process was initially modeled using a quasi-real Aspen HYSYS simulation. The resulting pseudo-experimental data were then used to train a feed-forward neural network surrogate model with a mean squared error of approximately 4×10⁻⁴, demonstrating high accuracy in predicting LNG production rates and compressor power. The storage block was modeled using a time-dependent differential equation that includes mass balance and boil-off gas generation, while the regasification unit was modeled with algebraic equations under operational constraints. These three components were integrated in MATLAB/Simulink and evaluated under real peak-demand scenarios.
Main results: The proposed integrated quasi-dynamic framework serves as a powerful tool for analyzing and predicting system performance under real-world operating conditions. Simulations showed that two 50,000 m³ storage tanks can effectively provide sufficient LNG inventory for a seven-day peak-demand period, with an average daily gas send-out rate of 8.5 MMSCMD and a ramp rate of less than 5%, preventing sudden fluctuations and pressure drops in the network. This model functions as a decision-support tool for gas network operators, enabling optimization of storage capacity, send-out scheduling, tank-switching strategies, and management of feedstock fluctuations. Its ability to facilitate scenario analysis and reduce computational burden makes it a valuable tool for daily operations planning and peak-shaving decision-making.

کلیدواژه‌ها English

ssLNG
Surrogate model
Feed-forward neural network
Quasi-dynamic simulation
Peak shaving

  • تاریخ دریافت 03 مهر 1404
  • تاریخ بازنگری 03 آذر 1404
  • تاریخ پذیرش 18 آذر 1404
  • تاریخ اولین انتشار 01 آبان 1405
  • تاریخ انتشار 01 آبان 1405