Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.yachaytech.edu.ec/handle/123456789/376
Título : Use of artificial neural networks for estimating water content of natural gas mixtures taking into account heavy hydrocarbons contribution
Autor : Ricaurte Fernández, Marvin José
Montenegro Madroñero, Jhon Fabián
Palabras clave : Gas natural
Contenido de agua
Red neuronal artificial
Hidrocarburos pesados
Procesos de deshidratación
Natural gas
Water content
Aartificial neural network
Heavy hydrocarbons
Dehydration process
Fecha de publicación : jul-2021
Editorial : Universidad de Investigación de Tecnología Experimental Yachay
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.
Descripción : When natural gas (NG) is extracted from the reservoir, it brings water in a vapor phase. Water present in natural gas needs to be removed to prevent disastrous consequences such as: corrosion, problems in pipelines, hydrate formation, difficulties in compression and transport processes. Accurate estimation of the water content in natural gas mixtures is the basis of the dehydration process design. In this regard, many water content methods have been developed (rigorous and semi-empirical methods). Some methods are based on pressure and temperature data. Other ones include the concentration of hydrogen sulfide (H2S), carbon dioxide (CO2), and methane in natural gas. There are no reported methods for calculating water content that considers the hydrocarbons heavier than methane present in mixtures of rich gas, gas condensate, or liquefied petroleum gas (LPG). Furthermore, some available methods for estimating water content in natural gas have low accuracy, and not all apply to typical operating conditions for natural gas processing. With artificial intelligence development, alternative estimation methods such as artificial neural networks (ANN) have proven to be accurate in estimating data for engineering applications. ANN base their structure on the biological neural networks functioning and can learn from a set of previous data to predict new data. Hence, this graduation project aims to develop a predictive model based on artificial neural networks to precisely estimate water content in natural gas mixtures, taking into account the composition of the heavy hydrocarbons present in the mixture for typical gas processing conditions. For this purpose, experimental data from open literature of water content in NG was required. The experimental data were processed, and the ANN was designed. Then, validation stages with other predictive methods were necessary to check the proposed method's applicability. As Ecuador is a hydrocarbon-producing country, the engineering tools for calculating the water content in natural gas mixtures are of interest to guarantee operational continuity in gaseous hydrocarbon production and processing facilities.
URI : http://repositorio.yachaytech.edu.ec/handle/123456789/376
Aparece en las colecciones: Petroquímica

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
ECQI0089.pdf2.35 MBAdobe PDFVisualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.