مدل‌سازی مونت‌‌کارلو در پیش بینی دینامیکی توزیع اندازه قطره های تعلیق آب ـ نفت خام

نوع مقاله: علمی-پژوهشی

نویسندگان

گروه مهندسی شیمی، دانشکده مهندسی، دانشگاه اصفهان، اصفهان، ایران

چکیده

در این مطالعه، مدل­ سازی روند تغییرهای اندازه قطره­ هایآب در تعلیقآب ـ نفت خام بر اثر پدیده ­های انباشتگی و ته‌نشینی به روش مونت‌کارلو انجام شده است.  نتیجه­ ها با داده­ های تجربی به دست آمده از آزمایش‌های NMR  مقایسه شده است. تأثیر عامل­ های نوع و غلظت تعلیق­ شکن­، نسبت حجمی آب، سرعت اختلاط و شوری آب بر توزیع اندازه قطره ­ها بررسی شده است. تطابق نتیجه­ های مدل با آزمایش‌‌ها قابلیت مناسب مدل در بررسی فرایندهای انباشتگی و ته‌نشینی در فرایند جداسازی آب از نفت را نشان می‌دهد. قطر متوسط قطره ­های آب برحسب زمان، در آغاز فرایند جداسازی با شیب به نسبت کمی افزایش می‌یابد. با افزایش اندازه قطره­ها، احتمال برخورد‌‌های ناشی از سازوکارهای حرکت­ های تصادفی و ته‌نشینی قطره­ های آب افزایش یافته و با انباشتگی بیش ­تر بین قطره­ های شیب تغییرهای قطر متوسط عددی افزایش می‌یابد. در زمان‌‌های طولانی­ تر احتمال انباشتگی بین قطره ­ها کاهش یافته و قطر متوسط عددی قطره ­ها به سمت یک مقدار پایدار پیش می‌رود.

کلیدواژه‌ها

موضوعات


[1] Randolph A.D., Larson, M.A., “Theory of Particulate Processes”, London: Academic Press (1979).

[2] Sandu A., A Newton–Cotes Quadrature Approach for Solving the Aerosol Coagulation Equation, Atmospheric Environment, 36(3): 583-589 (2002).

[3] Marchisio D.L., Vigil R.D., Fox R.O., Quadrature Method of Moments for Aggregation–Breakage Processes, Journal of Colloid and Interface Science, 258(2): 322-334 (2003).

[4] Ramkrishna D., “Population Balances: Theory and Applications to Particulate Systems in Engineering”, Academic press (2000).

[5] Gelbard F., Seinfeld J.H., Simulation of Multicomponent Aerosol Dynamics, Journal of Colloid and Interface Science, 78(2): 485-501 (1980).

[6] Landgrebe J.D., Pratsinis S.E., A Discrete-Sectional Model for Particulate Production by Gas-Phase Chemical Reaction and Aerosol Coagulation in the Free-Molecular Regime, Journal of Colloid and Interface Science, 139(1): 63-86 (1990).

[7] Gillespie D.T., A General Method for Numerically Simulating the Stochastic Time Evolution of Coupled Chemical Reactions, Journal of Computational Physics, 22(4): 403-434 (1976).

[8] Shah B.H., Ramkrishna D., Borwanker J.D., Simulation of Particulate Systems Using  the Concept of the Interval of Quiescence, AIChE Journal, 23(6): 897-904 (1977).

[9] Smith M., Matsoukas T., Constant-Number Monte Carlo Simulation of Population Balances, Chemical Engineering Science, 53(9): 1777-1786 (1998).

[10] Maisels A., Einar K.F., Fissan H., Direct Simulation Monte Carlo for Simultaneous Nucleation, Coagulation, and Surface Growth in Dispersed Systems, Chemical Engineering Science, 59(11): 2231-2239 (2004).

[11] Meimaroglou D., Roussos A.I., Kiparissides C., Part IV: Dynamic Evolution of the Particle Size Distribution in Particulate Processes. A Comparative Study between Monte Carlo and the Generalized Method of Moments, Chemical Engineering Science, 61: 5620 (2006).

[12] Amani A., Solaimany Nazar A.R., Sabzyan H., Azimi G., The Measurement of Droplet Size Distribution of Water-Oil Emulsion Through NMR Method, Journal of Particle Science and Technology, 2(1): 31-39 (2016).

[13] Opedal N.V.D.T., Sørland G., Sjöblom J., Methods for Droplet Size Distribution Determination of Water-in Oil Emulsions using Low-Field NMR, Diffusion Fundamentals, 9(7): 1-29 (2009).

[14] Serra T., Colomer J., Casamitjana X., Aggregation and Breakup of Particles in a Shear Flow, Journal of Colloid and Interface Science, 187(2): 466-473 (1997).

[15] Zhang J.J., Li X.Y., Modeling Particle‐Size Distribution Dynamics in a Flocculation System, AIChE Journal, 49(7): 1870-1882 (2003).

[16] Zhao H., Zheng C., Xu M., Multi-Monte Carlo Approach for General Dynamic Equation Considering Simultaneous Particle Coagulation and Breakage, Powder Technology, 154 (2–3): 164–178 (2005).

[17] Zhao H., Maisels A., Matsoukas T., Zheng C., Analysis of Four Monte Carlo Methods for the Solution of Population Balances in Dispersed Systems, Powder Technology, 173: 38-5 (2007).