مقاله بهینه سازی مصرف سوخت در شبکه خطوط انتقال گاز

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهینه سازی مصرف سوخت در شبکه خطوط انتقال گاز دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی مصرف سوخت در شبکه خطوط انتقال گاز  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی مصرف سوخت در شبکه خطوط انتقال گاز،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی مصرف سوخت در شبکه خطوط انتقال گاز :

تعداد صفحات:۱۲
چکیده:
در شبکه خطوط لوله گاز طبیعی, در حالی که گاز از طریق خط لوله انتقال می یابد، به دلیل اصطکاک بین گاز و سطح داخلی لوله و تبادل گرما با محیط, فشار و انرژی گاز کاهش می یابد. برای جبران این افت فشار، ایستگاه های تقویت فشاردر فواصل منظمی از خط لوله قرار داده شده اند. تجهیزات موجود در این ایستگاه ها جهت فشرده سازی گاز انرژی زیادی نیاز دارند که اغلب آن را از طریق سوزاندن مقداری از گاز عبوری تامین می کنند, با توجه به حجم گاز مصرفی هزینه آن می تواند قابل توجه باشد, از طرفی سوختن گاز طبیعی مقدار زیادی از گازهای گلخانه ای(عمدتاCO 2 را وارد جو و محیط زیست می کند. در عملیات خطوط لوله, میزان مصرف انرژی در ایستگاه های تقویت فشار به عنوان یکی از بزرگترین هزینه های خطوط انتقال مورد توجه می باشد. در این طرح بخشی از شبکه انتقال گاز کشور به عنوان شبکه مورد بررسی انتخاب شده است, شبیه ساز استفاده شده برای شبیه سازی شبکه, نرم افزارSGNS است. برای بهینه سازی ابزار بهینه ساز الگوریتم ژنتیک موجود در برنامهMATLAB مورد استفاده قرار گرفته و جهت ارتباط میان شبیه ساز و بهینه ساز یک محیط میانی طراحی شده است که برای وارد کردن ورودی ها و مشاهده نتایج از این محیط استفاده می شود. متغیرهای در نظر گرفته شده برای بهینه سازی شبکه نسبت تراکم ایستگاه ها و روشن و خاموش بودن ایستگاه ها می باشند. نتایج نشان می دهد که برای شبکه مورد نظر بهینه عمل کردن شبکه می تواند تا ۸۵ درصد توان مصرفی توسط کمپرسورها را کاهش دهد. برای کاهش زمان بهینه سازی از ترکیب الگوریتم ژنتیک با روش گرادیانیSQP استفاده شده و نتایج رضایت بخشی به دست آمده است.