استفاده از سنسور نرم مبتنی بر هوش مصنوعی جهت اندازه گیری میزان هیدروژن سولفید و سولفور دی اکسید در گاز خروجی از واحد بازیافت گوگرد

بازیافت گوگرد در پالایشگاهها یکی از مراحل حیاتی تولید است. در این فرآیند، گوگردی که به صورت ترکیبات سولفوری در گازهایتولیدی حاضر است، به گوگرد عنصری و سولفور دی اکسید (SO۲) تبدیل میشود. این فرآیند به مراحل مختلفی ازجمله فاز حرارتی و کاتالیزوری تقسیم می شود که هر یک از این مراحل نیازمند کنترل دقیق و شناسایی مقادیر H۲S و SO۲ در جریان گاز خروجیهستند. نسبت مناسب بین این دو ترکیب، میتواند به بهره وری بهتر این فرآیند و درنتیجه به کاهش هزینه ها و حفظ محیط زیستکمک کند؛ اما هزینه بالای سنسورهای معمولی برای اندازه گیری دقیق غلظت، می تواند یک مشکل جدی باشد. به همین دلیل، ایدهاستفاده از سنسورهای نرم پیشنهادشده است. این سنسورها با استفاده از داده های موجود از سنسورهای فعلی و مدل های ریاضی،قادرند غلظت H۲S و SO۲ را پیش بینی کنند. با این ابزار، می توان شرایط عملیاتی بهینه را برای واحد تعیین کرده و به بهره وری بیشتری دستیافت. همچنین از طریق ارائه یک ابزار کارآمد و موثر برای مانیتورینگ میزان گازهای آلاینده در خروجی واحد بازیافتگوگرد به هدف کاهش آلودگی هوا و حفظ کیفیت محیط زیست نیز رسید.

کلیدواژه ها:

واحد بازیافت گوگرد ، سنسور نرم ، هوش مصنوعی ، شبکه عصبی عمیق