Pizhūhish-i Naft (Apr 2025)
بهینه‌سازی چندهدفه ذخیره‌سازی زیرزمینی هیدروژن در یک مخزن گازی تخلیه‌شده با استفاده از مدل‌های جایگزین هوشمند
Abstract
گرم شدن کره زمین و تغییرات اقلیمی منجر به کاهش مصرف یا جایگزینی سوخت‌های فسیلی با منابع تجدیدپذیر شده است. با این‌حال، به‌دلیل وابستگی جوی-فصلی تولید انرژی‌های تجدید پذیر نیاز به یک سیستم ذخیره‌سازی بزرگ مقیاس برای بر طرف کردن ناترازی انرژی می‌باشد. استفاده از هیدروژن به‌عنوان حامل انرژی و ذخیره‌سازی زیرزمینی آن راهکار جدید برای حل این چالش است. اما ویژگی‌ها و رفتار خاص گاز هیدروژن در محیط متخلخل نیازمند شبیه‌سازی‌های متعدد و زمان‌بر، برای تعیین بهترین سناریو ذخیره‌سازی گاز بر اساس بهینه‌سازی چندهدفه می‌باشد. در این مقاله ذخیره‌سازی زیرزمینی گاز هیدروژن در یک مخزن گازی تخلیه‌شده شبیه‌سازی شد و در ادامه با مدل هوش مصنوعی جایگزین گردید و بهینه‌سازی متغیرهای تصمیم‌گیری توسط الگوریتم ژنتیک چندهدفه انجام گرفت. با توجه به حضور گازهای بازمانده از قبل در مخزن و اختلاط آن با گاز هیدروژن تزریقی، دو پارامتر مهم خلوص گاز تولید شده و ضریب بازیافت هیدروژن تزریقی در اولویت بررسی قرار گرفتند. به‌کمک روش طراحی آزمایش، داده‌های مورد نیاز برای بررسی پارامترهای تأثیرگذار و آموزش روش‌های داده-محور از طریق شبیه‌سازی میدانی تولید شد. در ادامه یک شبکه عصبی مصنوعی با 10 نرون و تابع فعال‌سازی سیگموئیدی به‌عنوان مدل جایگزین مبتنی بر هوش مصنوعی برای آموزش و صحت سنجی به‌ترتیب با دقت برابر با 97/0 و 94/0، بهترین عملکرد را برای پیش‌بینی میزان خلوص و بازیافت هیدروژن ارائه داد. پاسخ‌های بهینه عملیاتی برای متغیرهای تصمیم‌گیری نشان دهنده درصد غالب گاز نیتروژن در گاز پایه با ترکیب 75، 20 و 5% به‌ترتیب برای نیتروژن، کربن دی اکسید و متان می‌باشد. علاوه‌براین، تولید بهینه از بازه مشبک‌کاری چاه تولیدی از قسمت بالا و مشبک‌کاری تزریقی هیدروژن از قسمت پایین مخزن به‌صورت یک مجموعه جواب مطلوب (جبهه پارتو) مشخص گردید. نتایج این پژوهش برای طراحی آزمایشات و انجام بهینه مدل‌سازی‌های مقیاس بزرگ هیدروژن که به امکانات محاسباتی و زمان بسیار طولانی نیاز دارند مفید خواهد بود.
Keywords
