SEARCH

SEARCH BY CITATION

Keywords:

  • natural gas;
  • liquid recovery;
  • energy;
  • optimization;
  • genetic algorithm

Abstract

Increase in the price of energy sources as well as economic problems have caused cryogenic natural gas plants to become more complex and efficient. After selecting the process configuration, the flow rate, pressure, and temperature of the process fluid streams are determining factors which should be tuned in order to find the optimum condition. Products specification and operating costs of the plant are two significant parameters which should be considered in an optimal design. Moreover, process design limitations contribute to the problem being more difficult. This paper shows how the optimal operating point in an integrated NGL recovery plant can be found through solving a complex constrained optimization problem. A Variable Population size Genetic Algorithm (VPGA) was used for optimization. As well, the role of VPGA algorithm parameters in solving the process design problems is investigated in this study. The analysis showed that the VPGA method has better performance compared to the general GA methods. The plant-wide net profit increases 12493360 $/year only by changing the selected operating conditions to its optimal value.

En raison de l'augmentation du prix des sources d'énergie, ainsi que des problèmes économiques, des usines de gaz naturel cryogéniques sont devenues plus complexes et efficaces. Une fois la configuration des procédés choisie, le débit, la pression et la température des courants de fluides des procédés sont des facteurs déterminants que l'on doit régler pour trouver la condition optimale. La caractérisation des produits et les frais d'exploitation de l'usine constituent deux paramètres importants que l'on doit considérer dans une conception optimale. De plus, les limites de la conception des procédés contribuent au fait que le problème devient de plus en plus difficile. Ce document indique la façon à laquelle on peut trouver le point d'exploitation optimal dans une usine de récupération de LGN intégrée en réglant un problème d'optimisation sous contraintes complexe. Un algorithme génétique de population de taille variable (VPGA) a été utilisé pour l'optimisation. De même, le rôle des paramètres de l'algorithme VPGA dans la résolution des problèmes de conception des procédés est analysé dans cette étude. L'analyse a démontré que la méthode VPGA a offert un meilleur rendement en comparaison avec les méthodes d'algorithme génétique générales. Le bénéfice net des usines augmente de 12493360 $/année uniquement en changeant les conditions d'exploitation choisies à sa valeur optimale.