Впровадження блочних установок штучного холоду для підготовки газу
DOI:
https://doi.org/10.15587/2706-5448.2024.317589Ключові слова:
блочні установки штучного холоду, низькотемпературна сеперація, продуктивність установки, вилучення газуАнотація
Об’єктом дослідження є процес впровадження та використання блочних установок штучного холоду в технології підготовки природного газу.
Проведені дослідження підтвердили високу ефективність використання блочних установок штучного холоду. Завдяки глибокому охолодженню газу вдається досягти значного збільшення видобутку конденсату та поліпшення якості газу. Крім того, сучасні установки характеризуються високою енергоефективністю та компактністю.
В результаті комплексного аналізу існуючих технологій підготовки газу та порівняльного оцінювання з використанням блочних установок штучного холоду було виявлено ряд суттєвих переваг запропонованої системи, а саме:
– блочні установки забезпечують більш глибоке видалення важких вуглеводнів, води та інших домішок, що підвищує якість кінцевого продукту;
– за рахунок зниження температури газу досягається інтенсивніша конденсація важких вуглеводнів, що призводить до додаткового видобутку цінних компонентів;
– сучасні блочні установки обладнані енергоефективним обладнанням, що дозволяє знизити витрати на електроенергію;
– блочні установки мають модульну конструкцію, що полегшує їх транспортування, монтаж і обслуговування;
– застосування блочних установок дозволяє знизити викиди шкідливих речовин в атмосферу;
– можливість адаптації до різних умов експлуатації та вимог до якості продукції.
В ході дослідження було виявлено, що існуючі технології підготовки природного газу мають ряд недоліків, таких як:
– низька ефективність очищення газу;
– великі енерговитрати;
– складність обслуговування;
– великі габарити обладнання.
Незважаючи на деякі недоліки, впровадження блочних установок штучного холоду є перспективним напрямком розвитку газової промисловості. Отримані результати дослідження свідчать про високу ефективність даної технології та її економічну доцільність в довгостроковій перспективі
Посилання
- Maliarenko, V. A., Senetskyi, O. V. (2021). Teplomasoobmin v obiektakh alternatyvnoi enerhetyky. Kharkiv: KhNUMH im. O. M. Beketova, 311.
- Pro zatverdzhennia Kodeksu hazorozpodilnykh system (2015). Postanova Natsionalnoi komisii, shcho zdiisniuie derzhavne rehuliuvannia u sferakh enerhetyky ta komunalnykh posluh No. 2494. 30.09.2015. Available at: https://zakon.rada.gov.ua/laws/show/z1379-15#Text
- Asadullah, M. (2014). Biomass gasification gas cleaning for downstream applications: A comparative critical review. Renewable and Sustainable Energy Reviews, 40, 118–132. https://doi.org/10.1016/j.rser.2014.07.132
- Koyuncu, I., Yilmaz, C., Alcin, M., Tuna, M. (2020). Design and implementation of hydrogen economy using artificial neural network on field programmable gate array. International Journal of Hydrogen Energy, 45 (41), 20709–20720. https://doi.org/10.1016/j.ijhydene.2020.05.181
- Kopyscinski, J., Schildhauer, T. J., Biollaz, S. M. A. (2010). Production of synthetic natural gas (SNG) from coal and dry biomass – A technology review from 1950 to 2009. Fuel, 89 (8), 1763–1783. https://doi.org/10.1016/j.fuel.2010.01.027
- Akolaş, H. İ., Kaleli, A., Bakirci, K. (2020). Design and implementation of an autonomous EGR cooling system using deep neural network prediction to reduce NOx emission and fuel consumption of diesel engine. Neural Computing and Applications, 33 (5), 1655–1670. https://doi.org/10.1007/s00521-020-05104-1
- Shao, G., Hanaor, D. A. H., Shen, X., Gurlo, A. (2020). Freeze Casting: From Low‐Dimensional Building Blocks to Aligned Porous Structures – A Review of Novel Materials, Methods, and Applications. Advanced Materials, 32 (17). https://doi.org/10.1002/adma.201907176
- Petruniak, M., Rubel, V., Chevhanova, V., Kulakova, S. (2021). Application of grout slurries with the defecate addition for effective well cementing. Mining of Mineral Deposits, 15 (1), 59–65. https://doi.org/10.33271/mining15.01.059
- Wan, K., Barnaud, C., Vervisch, L., Domingo, P. (2020). Chemistry reduction using machine learning trained from non-premixed micro-mixing modeling: Application to DNS of a syngas turbulent oxy-flame with side-wall effects. Combustion and Flame, 220, 119–129. https://doi.org/10.1016/j.combustflame.2020.06.008
- Hadian, M., Saryazdi, S. M. E., Mohammadzadeh, A., Babaei, M. (2021). Application of artificial intelligence in modeling, control, and fault diagnosis. Applications of Artificial Intelligence in Process Systems Engineering. Elsevier, 255–323. https://doi.org/10.1016/b978-0-12-821092-5.00006-1
- Shevchuk, L. V. (2020). Quality management of business processes in the supply chain of refrigeration equipment. Natsionalnyi Aviatsiinyi Universytet. Available at: https://er.nau.edu.ua/handle/NAU/45524
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2024 Victoriia Rubel, Maksym Maslenko
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.