چکیده مقاله
صنایع نفت، گاز و پتروشیمی از ارکان اصلی اقتصاد ایران محسوب میشوند اما اتلاف انرژی و ناپایداری عملکرد تجهیزات موجب کاهش کارایی و افزایش هزینه های تولید شده است در این راستا، بهره گیری از مدلهای هوش مصنوعی و بهینه سازی چندهدفه برای افزایش بهره وری و قابلیت اطمینان ضرورتی استراتژیک و صنعتی به شمار می رود با وجود پژوهشهای متعدد درباره بهینه سازی انرژی، تاکنون چارچوبی که بهره وری انرژی و پایایی تجهیزات را به طور همزمان و در مقیاس واقعی ایران تحلیل کند، ارائه نشده است این تحقیق با ارائه یک مدل تلفیقی مبتنی بر رگرسیون جنگل تصادفی و برنامه ریزی غیرخطی مختلط MINLP ، شکاف میان رویکردهای پیش بینی خرابی و بهینه سازی انرژی را پر کرده است پژوهش حاضر از داده های واقعی سه مجتمع صنعتی در زنجیره نفت، گاز و پتروشیمی بهره گرفته و با استفاده از الگوریتم های یادگیری ماشین برای پیش بینی خرابی و مدل های MINLP برای بهینه سازی انرژی چارچوب پیشنهادی را ارزیابی کرده است داده ها از طریق سیستم های SCADA و IoT گردآوری و با اعتبارسنجی متقابل تحلیل شدند نتایج نشان دادند که اجرای مدل پیشنهادی موجب افزایش ۱۲ تا ۱۸ درصدی بهره وری انرژی و کاهش ۲۰ تا ۲۳ درصدی خرابی تجهیزات شد، همچنین هزینه های عملیاتی ۹ تا ۱۵ درصد کاهش یافت و انتشار گازهای گلخانه ای نیز به میزان چشمگیری کاهش پیدا کرد نتایج پژوهش بیانگر آن است که ادغام قابلیت اطمینان و بهینه سازی انرژی میتواند مسیر دستیابی به صنایع پایدار، رقابت پذیر و کارآمد را هموار کند و مبنایی برای تصمیم سازی هوشمند و سیاست گذاری انرژی در سطح ملی فراهم آورد
کلیدواژهها
نویسندگان
شیوه ارجاع
�نجبر، حسین،1404،چارچوبی نوین برای بهینه سازی زیرساختهای انرژی در زنجیره صنایع نفت، گاز و پتروشیمی با رویکرد پایایی و بهره وری،نهمین کنفرانس بین المللی مدیریت، بهینه سازی و توسعه زیرساخت های انرژی،تهران
ارائهشده در
مجموعه مقالات نهمین کنفرانس بین المللی مدیریت، بهینه سازی و توسعه زیرساخت های انرژی29 آبان 1404 · تهران