اندازه‌گیری تجربی و پیش‌بینی ضرایب انتشار گاز متان: مطالعه موردی منطقه هفت عملیات انتقال گاز

نوع مقاله : مقاله پژوهشی

نویسندگان

1 گروه مهندسی شیمی، دانشگاه صنعتی همدان، ایران

2 منطقه هفت عملیات انتقال گاز ایران، همدان، ایران

چکیده

در فرآیندهای انتقال گاز طبیعی، به دلایلی از جمله نشتی و شکستگی لوله مقدار زیادی گاز متان به محیط منتقل شده که سهم بالایی در افزایش گازهای گلخانه‌ای دارد. رویکرد جهانی کاهش گازهای گلخانه‌ای سبب شده تا در راستای کنوانسیون‌های جهانی و برنامه اقدام ملی کاهش انتشار گازهای گلخانه‌ای، برنامه کاهش اتلاف گاز از خطوط انتقال گاز مد نظر قرار گیرد. هدف از این پژوهش، ابتدا اندازه‌گیری تجربی میزان انتشار گاز متان ناشی از نشتی شیرهای بلودان موجود در نواحی مختلف منطقه هفت عملیات انتقال گاز ایران و سپس پیش‌بینی میزان ضرایب انتشار گاز به‌کمک شبکه عصبی پرسپترون چند لایه با قانون پسا انتشار خطا و الگوریتم یادگیری لونبرگ- مارکوارت است. بر این اساس، تأثیر پارامترهای عملیاتی مؤثر بر میزان انتشار گاز شامل دمای محیط، فشار خط لوله، نوع شیربلودان، وضعیت باز یا بسته بودن شیر کنار گذر قبل از بلودان، وضعیت نشت داخلی شیر کنار گذر قبل از بلودان، عمر شیر، صدای ناشی از نشتی و غلظت نشتی در محدوده ppm10000-10 مورد بررسی قرار گرفت. برای یافتن پارامترهای مؤثر بر میزان نشر، شش الگو مختلف براساس پارمترهای ورودی متفاوت تعریف شد. نتایج حاصل از پیش‌بینی ضرایب نشر متان با استفاده از شبکه عصبی نشان داد که الگوی با پارامترهای ورودی شامل دمای محیط، فشار خط لوله، عمر شیر، صدای ناشی از نشتی و غلظت نشتی بهترین نتایج را نشان می‌دهد. بررسی میزان خطا و ضریب همبستگی الگوی پیشنهادی نشان از کمترین میزان خطا (05047/0= RMSE و 00255/0=MSE) و ضریب همبستگی بالای نتایج (97853/0 =2 R) در بین الگوهای مختلف است که می‌توان از آن جهت پیش‌بینی میزان نشر گاز متان در خطوط لوله استفاده نمود.
 

کلیدواژه‌ها

عنوان مقاله [English]

Experimental Measurement and Prediction of Methane Emission Factors: Case Study District Seven of Gas Transmission Operation

نویسندگان [English]

  • Zahra Mohammadi Khorsand 1
  • Abolfazl Shojaeian 1
  • Alireza Bahramian 1
  • Mohammad Reza Pirzadi Jahromi 2
  • Mehdi Alizadeh 2
1 Chemical Engineering Department, Hamedan University of Technology, Iran
2 Iranian Gas Transmission Company, District Seven of Gas Transmission Operation, Hamedan, Iran
چکیده [English]

In gas transmission processes, a significant amount of methane gas is transferred to the environment for several reasons, including leakage and pipe breakage, which has a high contribution to greenhouse gas emissions. The global methodology for reducing greenhouse gases has led to a plan to reduce greenhouse gas emissions from gas transmission lines according to international conventions and the national action plan to reduce greenhouse gas emissions. Therefore, the purpose of this study in first was experimentally measurement of methane gas emission due to leakage of blowdown valves from different points of district seven of gas transmission operation and then the prediction of gas emission factors using multilayer perceptron neural network with backpropagation of error and Levenberg-Marquardt algorithm. Accordingly, the effect of operating parameters on the emission factor, including ambient temperature, pipeline pressure, type of valve, condition of the valve (open or close) located before of blowdown, Internal leakage of bypass valve before blowdown, life of blowdown valve, the sound of leakage and concentration of the leakage in the range of 10-10000 ppm were investigated. To find the effective parameters on the emission factor, six various schemes were considered based on different input parameters. The results of prediction of methane emission factors using neural network showed that the scheme with input parameters as ambient temperature, pipeline pressure, age of valve, the sound of leakage and concentration of the leakage shows the best results. Deviation with measurements and coefficient of determination (R squared) of the best scheme among the six schemes are equal to RMSE=0.05047, MSE=0.00255, and R2=0.97853, which they show that this method can be used to predict the methane emission factors in natural gas transmission pipelines.
 

کلیدواژه‌ها [English]

  • Greenhouse Gas
  • Methane Emission Factors
  • Neural Network
  • Gas Transmission Pipelines
  • Emission Reduction

مراجع

[1]. سعیدی م.، سیاوشی ف.، تولید هیدروژن با بازیافت گاز دورریز واحد آمونیاک برای تأمین خوراک پیل   سوختی اکسید جامد و کاهش گازهای گلخانه ای، نشریه شیمی و مهندسی شیمی ایران، دوره 36، شماره 4، صفحات 237-221، 1396.##
[2]. United Nations Economic Commission for Europe (UNECE), Protocol to abate acidification, Eutrophication and ground-level ozone, UNECE, Gothenburg, 1999. ##
[3]. Kiehl Jeffrey T, Kevin E Trenberth (1997) Earth’s annual global mean energy budget, Bulletin of the American Meteorological Society, 78. 2. 197-208. ##
[4]. Stocker Th F, Qin D, Plattner G K, Tignor M (2007) Summary for policymakers climate change, The physical science basis, contribution of working group I to the fourth assessment report of the intergovernmental panel on climate change, Special Report on Emissions Scenarios. ##
[5]. Nakicenovic N, Swart R (2000) IPCC special report on emissions scenarios, Cambridge University Press, U.K. ##
[6]. Grubb M (1992) The economics of the Kyoto protocol, World Economics, 4. 3. 2212-2223. ##
[7]. Harrison M R, Campbell M L, Shires Th M, Cowgil R M (1996) EPA/GRI methane emissions from the natural gas industry, Technical Report, GRI-94/0257.1, EPA-600/R-96-080b: 2. ##
[8]. Le Treut H, Somerville R (2007) Intergovernmental panel on climate change fourth assessment report, Chapter 1, Historical overview of climate change science, Cambridge University Press, Cambridge, U.K. ##
[9]. مرادی ا.، امینیان م.، میزان نشر گازهای گلخانه ای، درسال، نشریه نشاء علم، دوره 3، شماره 1، صفحات 11-1، 1391. ##
[10]. Khoshnevisan B, Rafiee S, Omid M, Yousefi M, Movahedi M (2013) Modeling of energy consumption and GHG (greenhouse gas) emissions in wheat production in Esfahan province of Iran using artificial neural networks, Energy, 52. 1. 333-338. ##
[11]. Steczko K, Fronski A, Rachwalski J () Inventory of methane emissions from gas industry problem solved or still opened oil and gas institute, Krakow, Poland, 1, 1: 1-14. 2010. ##
[12]. Shahpari A, Aminsharei F. Ghashang M (2019) Application of PHAST software in methane emission factor for startup process of gas compressors (Case study: Iran gas transmission operation district 2), Journal of Air Pollution and Health, 4, 1. 27-32. ##
[13]. Shires T M, Loughran Ch L, Jones S, Hopkins E (2009) Compendium of greenhouse gas emissions estimation methodologies for the oil and natural gas industry, American Petroleum Institute, Washington, DC. ##
[14]. Stamenkovic L J, Antanasijevic D Z, Ristic M D, PERIC-Grujic A A, Pocajt V V (2015) Modeling of methane emissions using the artificial neural network approach, Journal of the Serbian Chemical Society, 80. 3. 421-433. ##
[15]. Dedikov J V, Akopova G S, Gladkaja N G, Piotrovskij A S, Markellov V A, Salichov S S, Kaesler H, Ramm A, MuK ller von Blumencron A, Lelieveld J (1999) Estimating methane releases from natural gas production and transmission in Russia, Atmospheric Environ., 33. 1. 3291-3299. ##
[16]. Lechtenböhmer S, Dienst C, Fischedick M (2007) Tapping the leakages: Methane losses, mitigation options and policy issues for Russian long distance gas transmission pipelines, journal of greenhouse gas control, 1. 4: 387-395. ##
[17]. منصوری ن.، چاوشی ب.، ارزیابی میزان انتشار و ضریب انتشار ( فاکتور انتشار) گاز متان از خروجی‌های پالایشگاه نفت تهران، چهارمین همایش تخصصی مهندسی محیط زیست، صفحات 12-1، 1389. ##
[18]. مرادی بیدهندی، م.، محاسبه مقدار نشر گاز متان در اثر سوزاندن گازهای سرچاهی در فلر (مطالعه موردی)، ماهنامه علمی ترویجی اکتشاف نفت و گاز، دوره 1، شماره 105، صفحات 33-26، 1392. ##
[19]. Ehsani M R, Bateni H, Parchikolaei Gh R (2013) Modeling of oxidative coupling of methane over Mn/Na2WO4/SiO2 catalyst using artificial neural network, Iran, Iranian Journal of Chemistry and Chemical Engineering, 32. 3, 107-114. ##
[20]. صیاد امین ج.، رفیعی س.، بهادری ع.، شبکه عصبی برای جداسازی دی اکسید کربن از ‏مخلوط‌های گازی مختلف با استفاده از هیدرات‌های نیمه گازی در حضور بهبود دهنده‌ها، نشریه شیمی و مهندسی شیمی ایران، دوره 38، شماره 1، صفحات 241-231، 1398. ##
 
پژوهش نفت
دوره 30، 99-6 - شماره پیاپی 115
بهمن و اسفند 1399
صفحه 55-65

فایل ها

هم رسانی

ارجاع به این مقاله

آمار