بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند
گرم شدن کره زمین و تغییرات اقلیمی منجر به کاهش مصرف یا جایگزینی سوخت‌های فسیلی با منابع تجدیدپذیر شده است. با این‌حال، به‌دلیل وابستگی جوی-فصلی تولید انرژی‌های تجدید پذیر نیاز به یک سیستم ذخیره‌سازی بزرگ مقیاس برای بر طرف کردن ناترازی انرژی می‌باشد. استفاده از هیدروژن به‌عنوان حامل انرژی و ذخیره...
Saved in:
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | fas |
| Published: |
Research Institute of Petroleum Industry
2025-04-01
|
| Series: | Pizhūhish-i Naft |
| Subjects: | |
| Online Access: | https://pr.ripi.ir/article_1480_76bfb288dfcfdeb373bd7f783642977d.pdf |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1849429611532779520 |
|---|---|
| author | حسین خیرالهی شهاب آیت الهی حسن ماهانی |
| author_facet | حسین خیرالهی شهاب آیت الهی حسن ماهانی |
| author_sort | حسین خیرالهی |
| collection | DOAJ |
| description | گرم شدن کره زمین و تغییرات اقلیمی منجر به کاهش مصرف یا جایگزینی سوخت‌های فسیلی با منابع تجدیدپذیر شده است. با این‌حال، به‌دلیل وابستگی جوی-فصلی تولید انرژی‌های تجدید پذیر نیاز به یک سیستم ذخیره‌سازی بزرگ مقیاس برای بر طرف کردن ناترازی انرژی می‌باشد. استفاده از هیدروژن به‌عنوان حامل انرژی و ذخیره‌سازی زیرزمینی آن راهکار جدید برای حل این چالش است. اما ویژگی‌ها و رفتار خاص گاز هیدروژن در محیط متخلخل نیازمند شبیه‌سازی‌های متعدد و زمان‌بر، برای تعیین بهترین سناریو ذخیره‌سازی گاز بر اساس بهینه‌سازی چندهدفه می‌باشد. در این مقاله ذخیره‌سازی زیرزمینی گاز هیدروژن در یک مخزن گازی تخلیه‌شده شبیه‌سازی شد و در ادامه با مدل هوش مصنوعی جایگزین گردید و بهینه‌سازی متغیرهای تصمیم‌گیری توسط الگوریتم ژنتیک چندهدفه انجام گرفت. با توجه به حضور گازهای بازمانده از قبل در مخزن و اختلاط آن با گاز هیدروژن تزریقی، دو پارامتر مهم خلوص گاز تولید شده و ضریب بازیافت هیدروژن تزریقی در اولویت بررسی قرار گرفتند. به‌کمک روش طراحی آزمایش، داده‌های مورد نیاز برای بررسی پارامترهای تأثیرگذار و آموزش روش‌های داده-محور از طریق شبیه‌سازی میدانی تولید شد. در ادامه یک شبکه عصبی مصنوعی با 10 نرون و تابع فعال‌سازی سیگموئیدی به‌عنوان مدل جایگزین مبتنی بر هوش مصنوعی برای آموزش و صحت سنجی به‌ترتیب با دقت برابر با 97/0 و 94/0، بهترین عملکرد را برای پیش‌بینی میزان خلوص و بازیافت هیدروژن ارائه داد. پاسخ‌های بهینه عملیاتی برای متغیرهای تصمیم‌گیری نشان دهنده درصد غالب گاز نیتروژن در گاز پایه با ترکیب 75، 20 و 5% به‌ترتیب برای نیتروژن، کربن دی اکسید و متان می‌باشد. علاوه‌براین، تولید بهینه از بازه مشبک‌کاری چاه تولیدی از قسمت بالا و مشبک‌کاری تزریقی هیدروژن از قسمت پایین مخزن به‌صورت یک مجموعه جواب مطلوب (جبهه پارتو) مشخص گردید. نتایج این پژوهش برای طراحی آزمایشات و انجام بهینه مدل‌سازی‌های مقیاس بزرگ هیدروژن که به امکانات محاسباتی و زمان بسیار طولانی نیاز دارند مفید خواهد بود. |
| format | Article |
| id | doaj-art-b9703b9ba6f04fec94a3f5d38c41ad93 |
| institution | Kabale University |
| issn | 2345-2900 2383-4528 |
| language | fas |
| publishDate | 2025-04-01 |
| publisher | Research Institute of Petroleum Industry |
| record_format | Article |
| series | Pizhūhish-i Naft |
| spelling | doaj-art-b9703b9ba6f04fec94a3f5d38c41ad932025-08-20T03:28:18ZfasResearch Institute of Petroleum IndustryPizhūhish-i Naft2345-29002383-45282025-04-01351404-1375410.22078/pr.2024.5442.34201480بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمندحسین خیرالهی0شهاب آیت الهی1حسن ماهانی2دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایراندانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایراندانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، تهران، ایرانگرم شدن کره زمین و تغییرات اقلیمی منجر به کاهش مصرف یا جایگزینی سوخت‌های فسیلی با منابع تجدیدپذیر شده است. با این‌حال، به‌دلیل وابستگی جوی-فصلی تولید انرژی‌های تجدید پذیر نیاز به یک سیستم ذخیره‌سازی بزرگ مقیاس برای بر طرف کردن ناترازی انرژی می‌باشد. استفاده از هیدروژن به‌عنوان حامل انرژی و ذخیره‌سازی زیرزمینی آن راهکار جدید برای حل این چالش است. اما ویژگی‌ها و رفتار خاص گاز هیدروژن در محیط متخلخل نیازمند شبیه‌سازی‌های متعدد و زمان‌بر، برای تعیین بهترین سناریو ذخیره‌سازی گاز بر اساس بهینه‌سازی چندهدفه می‌باشد. در این مقاله ذخیره‌سازی زیرزمینی گاز هیدروژن در یک مخزن گازی تخلیه‌شده شبیه‌سازی شد و در ادامه با مدل هوش مصنوعی جایگزین گردید و بهینه‌سازی متغیرهای تصمیم‌گیری توسط الگوریتم ژنتیک چندهدفه انجام گرفت. با توجه به حضور گازهای بازمانده از قبل در مخزن و اختلاط آن با گاز هیدروژن تزریقی، دو پارامتر مهم خلوص گاز تولید شده و ضریب بازیافت هیدروژن تزریقی در اولویت بررسی قرار گرفتند. به‌کمک روش طراحی آزمایش، داده‌های مورد نیاز برای بررسی پارامترهای تأثیرگذار و آموزش روش‌های داده-محور از طریق شبیه‌سازی میدانی تولید شد. در ادامه یک شبکه عصبی مصنوعی با 10 نرون و تابع فعال‌سازی سیگموئیدی به‌عنوان مدل جایگزین مبتنی بر هوش مصنوعی برای آموزش و صحت سنجی به‌ترتیب با دقت برابر با 97/0 و 94/0، بهترین عملکرد را برای پیش‌بینی میزان خلوص و بازیافت هیدروژن ارائه داد. پاسخ‌های بهینه عملیاتی برای متغیرهای تصمیم‌گیری نشان دهنده درصد غالب گاز نیتروژن در گاز پایه با ترکیب 75، 20 و 5% به‌ترتیب برای نیتروژن، کربن دی اکسید و متان می‌باشد. علاوه‌براین، تولید بهینه از بازه مشبک‌کاری چاه تولیدی از قسمت بالا و مشبک‌کاری تزریقی هیدروژن از قسمت پایین مخزن به‌صورت یک مجموعه جواب مطلوب (جبهه پارتو) مشخص گردید. نتایج این پژوهش برای طراحی آزمایشات و انجام بهینه مدل‌سازی‌های مقیاس بزرگ هیدروژن که به امکانات محاسباتی و زمان بسیار طولانی نیاز دارند مفید خواهد بود.https://pr.ripi.ir/article_1480_76bfb288dfcfdeb373bd7f783642977d.pdfذخیره‌سازی زیرزمینی هیدروژنمخازن تخلیه‌شده گازمدل جایگزینبهینه‌سازی چندهدفههوش مصنوعیالگوریتم ژنتیک |
| spellingShingle | حسین خیرالهی شهاب آیت الهی حسن ماهانی بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند Pizhūhish-i Naft ذخیره‌سازی زیرزمینی هیدروژن مخازن تخلیه‌شده گاز مدل جایگزین بهینه‌سازی چندهدفه هوش مصنوعی الگوریتم ژنتیک |
| title | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| title_full | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| title_fullStr | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| title_full_unstemmed | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| title_short | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| title_sort | بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند |
| topic | ذخیره‌سازی زیرزمینی هیدروژن مخازن تخلیه‌شده گاز مدل جایگزین بهینه‌سازی چندهدفه هوش مصنوعی الگوریتم ژنتیک |
| url | https://pr.ripi.ir/article_1480_76bfb288dfcfdeb373bd7f783642977d.pdf |
| work_keys_str_mv | AT ḥsynkẖyrạlhy bhynhsạzycẖndhdfhdẖkẖyrhsạzyzyrzmynyhydrwzẖndryḵmkẖzngạzytkẖlyhsẖdhbạạstfạdhạzmdlhạyjạygzynhwsẖmnd AT sẖhạbậytạlhy bhynhsạzycẖndhdfhdẖkẖyrhsạzyzyrzmynyhydrwzẖndryḵmkẖzngạzytkẖlyhsẖdhbạạstfạdhạzmdlhạyjạygzynhwsẖmnd AT ḥsnmạhạny bhynhsạzycẖndhdfhdẖkẖyrhsạzyzyrzmynyhydrwzẖndryḵmkẖzngạzytkẖlyhsẖdhbạạstfạdhạzmdlhạyjạygzynhwsẖmnd |