သဘောတော်မှု စက်မှုလုပ်ငန်းများတွင် NGL ပြန်လည်ရယူမှုကို အမြှင့်ဆုံးဖော်ထုတ်ခြင်း
သဘောတော်မှု အခြေခံသော အချက်များ – အအေးချို့စနစ်နှင့် စုပ်ယူမှုအခြေပြု ပြန်လည်ရယူမှု
NGL ပြန်လည်ရယူရေးနည်းလမ်းများကို ရွေးချယ်ရာတွင် စက်ရုံများသည် အရေးကြီးသော သိပ္ပံနည်းကျ အပူပိုင်းဆိုင်ရာ အကောင်းဆုံးရွေးချယ်မှုများကို ရင်ဆိုင်ရပါသည်။ ကရိုင်ယိုဂဲနစ် ခွဲထုတ်ခြင်းနည်းသည် တူဘိုအချဲ့ထုတ်ခြင်းကို အသုံးပြု၍ ဖာရင်ဟိုက်တ်အပူချိန် -120°F အောက်သို့ ရောက်ရှိစေပြီး အီသိန်နှင့် ပိုမိုလေးသော ဟိုက်ဒရိုကာဗွန်များကို အီသိန်နှင့် ပိုမိုလေးသော ဟိုက်ဒရိုကာဗွန်များကို ၉၀-၉၅% အထိ ပြန်လည်ရယူနိုင်ပါသည်။ ဤနည်းသည် အရွယ်အစားကြီးမားသော လုပ်ငန်းများတွင် အဓိကအားဖြင့် အသုံးပြုသော်လည်း အရေးကြီးသော အားများသော ဖိအားတင်ခြင်းစွမ်းအားနှင့် မြင့်မားသော ဝင်ရောက်မှုဖိအား (၆၀၀ psig) ကို လိုအပ်ပါသည်။ ရေခဲအေးစေသော အဖျော်ယှက်များကို အသုံးပြုသည့် စုပ်ယူမှုအခြေပြုစနစ်များသည် ပိုမိုသက်သော အခြေအနေများတွင် လုပ်ဆောင်ပါသည် (ဖာရင်ဟိုက်တ်အပူချိန် -40°F)။ ထိုနည်းသည် စွမ်းအင်အသုံးပြုမှုကို ၃၀% အထိ လျှော့ချပေးသော်လည်း ပရိုပိန်းပြန်လည်ရယူမှုကို ၈၅% အထိသာ ကန့်သတ်ထားပါသည်။ လုပ်ကွက်မှ အချက်အလက်များအရ စုပ်ယူမှုနည်းသည် ဂါစ်စီးကောင်းများ (<3 GPM) တွင် ပိုမိုကောင်းမွန်စွာ အလုပ်လုပ်ပါသည်။ ထိုအချိန်တွင် ကရိုင်ယိုဂဲနစ်နည်း၏ အကောင်းဆုံးအားသည် ကျဆင်းလာပါသည်။ အဆင့်မြင့် ပေါင်းစပ်ထုတ်လုပ်မှုများသည် ယခုအခါ နည်းနှစ်များကို ပေါင်းစပ်အသုံးပြုပါသည်။ အစပိုင်းတွင် စုပ်ယူမှုကို အဓိကအားဖြင့် ဖယ်ရှားရန်အတွက် အသုံးပြုပြီး နောက်တွင် ကရိုင်ယိုဂဲနစ်နည်းဖြင့် နောက်ဆုံးပေါင်းစပ်ခြင်းကို ပြုလုပ်ပါသည်။ ဤနည်းသည် CAPEX နှင့် OPEX ကို မျှတစွာ ထိန်းညှိပေးပြီး အောက်ပါ အားလုံးကို ၉၂% အထိ ထိန်းသိမ်းပေးနိုင်ပါသည်။
အမှုလေ့လာမှု- ပါမီယန် အိုင်ယာစ်စက်ရုံတွင် ရေခဲအေးစေသော မှုန်းခေါ်မှုကို ညှိနောက်ချိန်မှုဖြင့် NGL ထုတ်လုပ်မှု ၂၂% တိုးတက်မှု
ပါမီရှန် ဘေစင် စက်ရုံတစ်ခုသည် အသစ်သော ရန်ပုံငွေ ရင်းနှီးမှုမရှိဘဲ မှန်ကန်စွာ ခွဲခြမ်းစိတ်ဖြာထားသော အအေးခံ ယူနစ် (cryogenic unit) ကို အသုံးပြု၍ NGL ထုတ်လုပ်မှုနှုန်း ၂၂% တိုးတက်မှုနှင့် ပြန်လည်အောက်ဖိအားပေးခြင်း (recompression) စွမ်းအင်သုံးစွဲမှု ၁၁% လျော့ကျမှုကို ရရှိခဲ့သည်။ အင်ဂျင်နီယာများသည် အအေးခံ ယူနစ်အတွင်း အပူခါးမှု ချဉ်းကပ်မှုအမှတ်များ (temperature approach points) ကို ပြန်လည်ညှိပေးခဲ့ပြီး အအေးခံ ဘောက်စ် (cold box) အတွင်း အဆင့်သုံးဆင့် အပူလဲလှယ်မှု (three-stage heat exchange) ကို အသုံးပြုခဲ့သည်။ ထို့ကြောင့် အပူခါးမှု ကွာဟမှုကို ၁၅°F မှ ၄°F အထိ ပိုမိုတင်းကျပ်စေခဲ့သည်။ ဤသို့သော ပြောင်းလဲမှုများသည် အီသိန် (ethane) ကို ပိုမိုနက်ရှိုင်းစွာ ပုံသော်လည်း ပရိုပိန် (propane) ဖမ်းယူမှုနှုန်းကို ၉၄% အထက်တွင် ထိန်းသိမ်းပေးနိုင်ခဲ့သည်။ တာဘိုအေက်စ်ပန်ဒါ (turboexpander) ကို လွှဲပေးသော ဓာတ်ငွေစီးကြောင်းများ (bypass flows) ကို ဓာတ်ငွေဖွဲ့စည်းမှု အပြောင်းအလဲ ၂၅% ပိုမိုကျယ်ပေါင်းစေရန် ပြန်လည်စီမံခဲ့သည်။ အကောင်အထောက်မှုအရ နှစ်စဥ် အမေရိကန်ဒေါ်လာ ၄.၂ သန်း တန်ဖိုးရှိသော အကျိုးကျေးဇူးများ ရရှိခဲ့ပြီး သဘောတော်မှု အသေးစိတ်ညှိမှုများ (thermodynamic fine-tuning) သည် အသုံးပြုပြီးသော စက်ရုံများ (brownfield assets) မှ အသစ်ဖော်ဆောင်သော စက်ရုံများ (greenfield) အဆင့်သို့ နီးပါးရောက်ရှိသော စွမ်းဆောင်ရည်ကို ပေးစွမ်းနိုင်ကြောင်း အတည်ပြုခဲ့သည်။
ဓာတ်ငွေခွဲခြမ်းစိတ်ဖြာရေးအတွက် စွမ်းအင်ခွဲခြမ်းစိတ်ဖြာမှု အအေးခံ အေက်စ်ပန်ဒါ (Energy-Efficient Cryogenic Expansion)
အအေးခံ ခွဲခြမ်းစိတ်ဖြာမှုသည် အခုထိတ်အထိ သဘောသမ်ဗ်ဂါစ် စီမံခန့်ခွဲမှုစက်ရုံများ nGL ပြန်လည်ရယူမှုအတွက် အထူးသဖြင့် အီသိန်နှင့် အလေးချိန်ပိုများသော အစိတ်အပိုင်းများကို အထိရောက်ဆုံးဖြစ်စေရန်—။ ဤနည်းစနစ်သည် မီသိန်ကို ဓာတ်ငွေအဖြစ် ထိန်းသိမ်းရင်း NGL များကို အောက်ခြေ -150°F (-101°C) အောက်သို့ အပူချိန်ကျစေခြင်းပေါ်တွင် အခြေခံသည်။ Turboexpansion သည် ဤအအေးချခြင်းနှင့် ဖိအားလျော့ချမှုကို မောင်းနှင်ပေးသော်လည်း ဒေါင်းစ်ထရီမ် ပြန်လည်ဖိအားမြှင့်ခြင်းအတွက် အထူးသဖြင့် အရှုပ်ထွေးသော စွမ်းအင်လိုအပ်မှုများကိုလည်း ဖော်ပေးလေ့ရှိသည်။ ထို့ကြောင့် အချိန်နှင့်တွေ့သော အပူချိန်ကျစေသော ဖိအားလျော့ချမှု (expansion) ကို အကောင်းမွန်စွာ အသုံးချခြင်းသည် စက်ရုံ၏ စုစုပေါင်း စွမ်းအင်အသုံးပြုမှုကို လျှော့ချရန် အများဆုံး အကျေးနုံးပေးနိုင်သော အခွင့်အလမ်းများထဲမှ တစ်ခုဖြစ်သည်။
မှုန်းစ်အဆင့်စုံ Turboexpansion ကို အသုံးပြု၍ ကြေးန်းစက်၏ စွမ်းအင်လိုအပ်မှုကို လျှော့ချခြင်း
တစ်ဆင့်တည်းသော တူရဘိုအချဲ့မှုသည် ဓာတ်ငွေစီးကြောင်းတစ်ခုလုံးကို ဖိအားကျဆင်းမှုကြီးတစ်ခုတွင် ထားရှိပေးပြီး အင်ထရောပီဆုံးရှုံးမှုများကို ဖြစ်ပေါ်စေကာ ပြန်လည်အောက်ဖိအားပေးခြင်းအတွက် အလုပ်ကို တိုးမှုန်းပေးပါသည်။ အဆင့်များစွာဖြင့် အချဲ့မှုပေးခြင်းသည် ဖိအားလျော့ချမှုကို ထိန်းချုပ်ထားသော အဆင့်များအဖြစ် แบ่งခြားပေးပြီး Brayton-Joule-Thomson စက်ဝန်းအတိုင်း အလယ်အလတ်အပူလုံးဝပြန်လည်ရယူမှုကို ဖြစ်နေစေကာ မပြောင်းလဲနိုင်သော ဖြစ်ရပ်များကို အနည်းဆုံးဖြစ်အောင် လုပ်ပေးပါသည်။ နှစ်ဆင့် သို့မဟုတ် သုံးဆင့် အစီအစဥ်များသည် တစ်ဆင့်တည်းသော စနစ်များနှင့် နှိုင်းယှဉ်ပါက ကုမ္ပဏီအား ၂၅–၄၀% အထိ လျော့ချပေးနိုင်ပါသည်။ အရေးကြီးသည်မှာ အချဲ့မှုတူရဘို၏ ဝိုင်ယာရှာဖ်အလုပ်ကို အများအားဖြင့် အလုပ်လုပ်နေသော ကုမ္ပဏီများကို တိုက်ရိုက်ချိတ်ဆက်၍ မောင်းနေနိုင်ပါသည်— အပြင်ပိုင်းစွမ်းအင်ရင်းများကို မထည့်သွင်းဘဲ စနစ်၏ စုစုပေါင်းထိရောက်မှုကို မြင့်တင်ပေးပါသည်။
အင်ထရောပီသို့မဟုတ် အပူခွဲခြမ်းမှုထိရောက်မှုကို မြင့်တင်ရန် ကြိုတင်အအေးခံခြင်းကို ပေါင်းစပ်ခြင်း
တူရဘိုအချဲ့ကြောင်း (Turboexpander) ၏ အစိုင်စိုမှု ထိရောက်မှုသည် ဖိအားကျဆင်းမှုကို အအေးခံခြင်းနှင့် အသုံးပြုနိုင်သော ဝိုင်ယာလိုင်းအလုပ်အကျေးဇူး (shaft work) အဖြစ် ပြောင်းလဲပေးနိုင်မှုကို ဆုံးဖြတ်ပေးပါသည်။ ထို့အပြင် ဝင်ရောက်လာသော ဂါစ်၏ အပူခါးမှုသည် ထိုအစိုင်စိုမှုကို အလွန်အမင်း အကျိုးသက်ရောက်မှုရှိပါသည်။ ဂါစ်ကို အချဲ့မီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီးမီ......
- ပရိုပေန် (Propane) သို့မဟုတ် ရောစပ်ထားသော အအေးခံဆေး (mixed-refrigerant) အအေးခံစက်များ ၊ ဖီဒ်ဂါစ်ကို အပူခါးမှု ၄၀ ဖာရင်ဟိုက်တ်အောက် (–40°C) အထိ အအေးခံခြင်းဖြစ်သည်။
- ဂါစ်မှ ဂါစ်သို့ အပူလွှဲပေးသော အပူလွှဲပေးစက်များ (Gas-to-gas heat exchangers) ၊ အအေးခံထားသော အပေါ်ယံဂါစ်ကို အသုံးပြု၍ ပူနေသော ဝင်ရောက်လာသော ဖီဒ်ဂါစ်ကို အစောပိုင်းအအေးခံခြင်းဖြစ်သည်။
အစောပိုင်းအအေးခံခြင်းအတွက် လုပ်ဆောင်မှုနှင့် အပူခါးမှုချဉ်းကပ်မှုအမှတ်များကို အကောင်အထည်ဖော်ခြင်းဖြင့် တူရဘိုအချဲ့ကြောင်း၏ အစိုင်စိုမှု ထိရောက်မှုကို ၈၅% အထက်သို့ မြှင့်တင်ပေးနိုင်ပါသည်။ ထိုသို့ပြုလုပ်ခြင်းဖြင့် ပြန်လည်အောက်ဖိအားပေးခြင်းအတွက် စွမ်းအင်သုံးစွ expense နှင့် လုပ်ငန်းလည်ပတ်မှုစရိတ်များကို တိုက်ရိုက်လျှော့ချပေးနိုင်ပါသည်။ ထိုအပေါင်းစပ်မှုသည် အဆင့်များစွာပါဝင်သော အချဲ့မှု (multi-stage expansion) ၏ အကျေးဇူးများကို အပြည့်အဝရယူရန်အတွက် အရေးကြီးပါသည်။
မြေပေါ်တွင် အသုံးပြုသော NGL ပြန်လည်ရယူရေးအတွက် ခေတ်မှီသော ခွဲခြမ်းစိတ်ဖဲ့မှုနည်းပညာများ
စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖဲ့မှုစက်များ (Supersonic Separators) နှင့် ဂူလ်သို့မော်သို့မ် ဖိအားလျှော့ချသော ဖောက်စ် (Joule–Thomson Valves) တို့၏ စွမ်းဆောင်ရည်၊ လုပ်ဆောင်နိုင်မှုနှင့် အရွယ်အစားတိုးချဲ့နိုင်မှု
အလုပ်ခွင်အဆင့် ခွဲထုတ်ရေးနည်းပညာကို ရွေးချယ်ရာတွင် ပြန်လည်ရယူမှု ပန်းမားမှုများ၊ အစားအသောက် အပြောင်းအလဲများနှင့် တပ်ဆင်မှု ကန့်သတ်ချက်များကို ဟန်ချက်ညှိခြင်းပေါ်တွင် မှီတည်ပါသည်။ စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖြာမှုစက်များနှင့် ဂျူးလ်-သောမ်ဆန် (J-T) ဖိအားလျှော့ချသည့် ဖိအားမှုနှုန်းများသည် နည်းလမ်းနှစ်များ ဖြစ်ပြီး တစ်ခုနှင့်တစ်ခု အားသာချက်များ အပ်စ်ပ်ဖြစ်ပါသည်။
| အရွယ်အစား | စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖြာမှုစက် | ဂျူးလ်-သောမ်ဆန် ဖိအားလျှော့ချသည့် ဖိအားမှုနှုန်း |
|---|---|---|
| ပြန်လည်ရယူခွင့်အตรา | C₃+ အတွက် ၉၅% အထိ။ လှုံ့ဆော်မှုဖြစ်ပေါ်စေသည့် အောက်စီဒေးရှင်းဖြင့် ပိုမိုကောင်းမွန်စေသည်။ | ပုံမှန်အားဖြင့် ၅၀–၇၀%။ အစိုင်အခဲ အပူပမာဏ မပြောင်းလဲသည့် ဖိအားလျှော့ချမှုကြောင့် ကန့်သတ်ခံရသည်။ |
| နိုင်းဖိုးကို အားလုံးဖြင့် အောက်ခြေခြေထိန်းချုပ်ခြင်း | အလယ်အလတ် (ဝင်ပေါက် စီးဆင်းမှု၏ ၃၀–၄၀%) | နှိုင်းယှဉ်နိုင်သည် (ဒီဇိုင်းအပေါ်မူတည်၍ ၂၀–၅၀%) |
| စွမ်းအင် အသုံးပြုမှု | လည်ပတ်နေသည့် အစိတ်အပိုင်းများ မရှိပါ။ အပ်စ်ပ်ဖြစ်သည့် စွမ်းအင်သုံးစွဲမှု အနည်းငယ်သာ ရှိပါသည်။ | အလွန်နည်းပါးသည်။ သို့သော် နောက်ခံတွင် ပြန်လည်ဖိအားမှု ပေးရန် လိုအပ်နိုင်သည်။ |
| ပြန်လည်ထိန်းညှိနိုင်မှု အချိုး | ပိုမိုကျုံ့သည် (ဒီဇိုင်းစီးဆင်းမှု၏ ၆၀–၁၀၀%) | ပိုကျယ်ဝန်းသည် (၂၀–၁၀၀%) |
| ဂတ်စ်ဖွဲ့စည်းမှုအတွက် လျော့ကျနိုင်မှု | အရည်ဖိအားနှင့် အမှုန်များပေါ်တွင် အထူးခြင်းအားဖြင့် အာရုံစိုက်မှုရှိသည် | စီးဝေးမှုအခြေအနေများတွင် အားကောင်းမှုရှိသည် |
| ပေါင်းစုမှု | ချုံ့ထားသည့် ဒီဇိုင်း၊ စကစ်-တပ်ဆင်ထားသည့် (~ J-T စနစ်နှင့် ညီမျှသည့် ၃၀% သေးငယ်သည်) | သိုလ့်ခ်နှင့် အပူပေးစက်လိုအပ်မှုကြောင့် ပိုကြီးမှု |
| မော်ဂျူလာဖွဲ့စည်းမှုနှင့် စုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစုပေါင်းစုစ...... | အစပိုင်းတွင် ပိုများသည့် ရင်းနှီးမြှုပ်နှံမှုရှိပြီး အဆက်တွဲဖော်မှုများဖြင့် ချဲ့ထွင်နိုင်သည် | အစပိုင်းတွင် လျော့နည်းသည့် ရင်းနှီးမြှုပ်နှံမှုရှိပြီး အတူတူတွဲဖော်မှုများဖြင့် တိုးမှုရှိသည် |
စူပါဆောနစ် သိုလ့်ခ်များသည် ပိုမိုကောင်းမွန်သည့် ပြန်လည်ရယူမှုနှင့် နေရာအသုံးပြုမှု ထိရောက်မှုကို ပေးစေပြီး စိမ်းလန်းသည့် စီမံကိန်းများ (greenfield projects) အတွက် အထူးသင့်တော်ပါသည်။ ထိုသို့သော စီမံကိန်းများတွင် ဂတ်စ်အရည်အသွေးသည် တည်ငြိမ်ပြီး သန့်ရှင်းသည်။ J-T ဖွဲ့စည်းမှုများသည် လုပ်ဆောင်မှုဆိုင်ရာ လွတ်လပ်မှုကို ပေးစေပြီး ရင်းနှီးမြှုပ်နှံမှုဆိုင်ရာ အန္တရာယ်ကို လျော့နည်းစေသည်။ ထို့ကြောင့် ၎င်းတို့သည် အဟောင်းမှ ပြောင်းလဲမှုများ (brownfield retrofits)၊ ဝေးလံသည့် နေရာများ သို့မဟုတ် ဂတ်စ်အရည်အသွေး ပြောင်းလဲမှုများ သို့မဟုတ် အမှုန်များပါဝင်မှုရှိသည့် ဂတ်စ်များအတွက် အထူးသင့်တော်ပါသည်။
သဘောတရားများအတွင်း သဘောတရားများကို ဒစ်ဂျစ်တယ်ပြောင်းလဲခြင်း
AI မှ မောင်းနှင်သည့် ဒစ်ဂျစ်တယ် တွွင်းများဖြင့် NGL ပြန်လည်ရယူမှုကို အချိန်နှင့်တစ်ပါတ်တွင် အကောင်အထည်ဖော်ခြင်းနှင့် ဆုံးရှုံးမှုများ လျော့နည်းစေခြင်း
AI မှ မောင်းနှင်တဲ့ ဒစ်ဂျစ်တယ် အမွှာတွေဟာ သဘာဝဓာတ်ငွေ့ ထုတ်လုပ်ရေး စက်ရုံတွေကို တုံ့ပြန်မှုကနေ ကြိုတင်ခန့်မှန်းတဲ့ လုပ်ငန်းတွေအဖြစ် ပြောင်းလဲနေပါတယ်။ အာရုံခံကိရိယာ ဒေတာများဖြင့် ဆက်တိုက် ကျွေးမွေးနေသော အချိန်နှင့်တပြေးညီ ဗာဂျူးပုံစံကို ဖန်တီးခြင်းဖြင့် compressors နှင့် separators မှ စိမ်ချွန်တိုင်များအထိ ဒီမော်ဒယ်များသည် စက်သင်ယူမှုကို အသုံးပြုပြီး ညစ်ညမ်းမှုကို ခန့်မှန်းခြင်း၊ reflux ratio များကို အကောင်းဆုံးပြုပြင်ခြင်းနှင့် yield ကို သက်ရောက် လုပ်ငန်းရှင်များသည် စက္ကန့်ပိုင်းအတွင်း လုပ်ဆောင်နိုင်သော သတ်မှတ်မှတ်ချက်ပြင်ဆင်မှုများ ရရှိပြီး NGL ပြန်လည်ထုတ်ယူမှုကို ၂၅% တိုးမြှင့်ကာ တစ်ဗားလ်လျှင် စွမ်းအင်သုံးစွဲမှုကို လျှော့ချနိုင်သည်။ တစ်ချိန်တည်းမှာပဲ မိတ်ကပ်ဟာ စက်ပစ္စည်း ပျက်စီးမှု အစောပိုင်း လက္ခဏာတွေကို ရှာဖွေနိုင်ပါတယ်၊ ဥပမာ၊ ဗယ်ဗယ် ပြေမှု (သို့) တံဆိပ်အဝတ်ပျက်ခြင်းတို့ဟာ မရည်ရွယ်တဲ့ ရပ်နားချိန်ကို ၃၀% အထိ လျှော့ချပေးနိုင်တယ်။ မီသိန်းကျွတ်တဲ့နေရာတွေကိုလည်း ပေါင်းစပ်ထားတဲ့ သမိုင်းဆိုင်ရာ ဦးတည်ချက်တွေနဲ့ တိုက်ရိုက်ဖြစ်စဉ် အချက်ပြမှုတွေ ပါဝင်ပြီး ပိုတင်းကျပ်တဲ့ ဓာတ်ငွေ့ထုတ်လွှတ်မှု စည်းမျဉ်းစည်းကမ်းတွေကို လိုက်နာမှုကို ထောက်ပံ့ပါတယ်။ ရလဒ်က ပိုမိုတုံ့ပြန်လွယ်ကူ၊ အကျိုးအမြတ်များပြီး ရေရှည်တည်တံ့တဲ့ လုပ်ငန်းတစ်ခုဖြစ်ပြီး အစာအစာ ပြောင်းလဲမှု၊ စျေးကွက် ပြောင်းလဲမှု၊ စည်းမျဉ်းစည်းကမ်းချက်များနှင့် ချက်ချင်း လိုက်လျောညီထွေဖြစ်ထွန်းနိုင်စွမ်းရှိသည်။
မေးလေ့ရှိသောမေးခွန်းများ
NGL ပြန်လည်ရယူခြင်းဆိုသည်မှာ အဘယ်နည်း။ ထို့အပြင် ၎င်းသည် အဘယ်ကြောင့် အရေးကြီးသနည်း။
NGL ပြန်လည်ရယူခြင်းဆိုသည်မှာ အီသိန်၊ ပရိုပိန်းနှင့် ဘူတိန်များကဲ့သို့သော သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအရ သဘောတရားအ......
အအေးခိုင်းနည်း (cryogenic) နှင့် စုပ်ယူမှုအခြေပြုနည်း (absorption-based) တို့အကြား အဓိကကွဲလွဲမှုများမှာ အဘယ်နည်း။
အအေးခိုင်းနည်းများသည် ထိရောက်မှုမြင့်မားသော NGL ပြန်လည်ရယူမှုအတွက် အလွန်နိမ့်သော အပူခါးမှုများကို ရရှိရန် တူဘိုအချဲ့မှု (turboexpansion) ကို အသုံးပြုပါသည်။ ထို့အပြင် စုပ်ယူမှုအခြေပြုနည်းများသည် အအေးခိုင်းထားသော အဖြေရှာဖွေရေးများ (refrigerated solvents) ကို အသုံးပြုပြီး စွမ်းအင်သုံးစွမ်းနည်းသော အခြေအနေများတွင် လုပ်ဆောင်ပါသည်။
NGL ထုတ်လုပ်မှုပမာဏကို ပိုမိုကောင်းမွန်စေရန် အအေးခိုင်းယူနစ်များကို မည်သို့ အကောင်းဆုံးပြုလုပ်နိုင်ပါသနည်း။
အအေးခိုင်းယူနစ်များကို အပူခါးမှု ဆိုဒ်များကို ပြန်လည်ညှိခြင်း၊ အဆင့်များစွာပါသော အပူလဲလှယ်မှုစနစ်များကို အသုံးပြုခြင်းနှင့် အစားထိုးစီးဆိုးမှုများ (bypass flows) ကို အစားထိုးစီးဆိုးမှုများ (feed composition variability) ကို ကောင်းစွာ လက်ခံနိုင်ရန် ပြန်လည်ဖွဲ့စည်းခြင်းဖြင့် အကောင်းဆုံးပြုလုပ်နိုင်ပါသည်။
ဂါစ်စီးပ်ရှင်န်စ် (gas processing) တွင် AI-အခြေပြု ဒစ်ဂျစ်တယ်တွင်န်များ (AI-driven digital twins) ၏ အကျေးဇူးကောင်းများမှာ အဘယ်နည်း။
AI မှ မောင်းနှင်သော ဒစ်ဂျစ်တယ် တွေင့်များသည် လုပ်ဆောင်ရေးဆိုင်ရာ ပြဿနာများကို ကြိုတင်ခန့်မှန်းရာတွင်၊ ပြန်လည်ထူထောင်ရေး လုပ်ငန်းစဉ်များကို အကောင်မွန်စေရာတွင်နှင့် စွမ်းအင်သု consumption ကို လျှော့ချရာတွင် အထောက်အကူပုဖ်မှုဖေးပေးပါသည်။ ထို့ကြောင့် သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်မှ သဘောတော်......
အဆင့်များစွာပါသော တူရိုအချဲလှုပ်မှုဖြင့် စွမ်းအင်ထိရေးကောင်းမှုကို မည်သို့တိုးမြှင့်နိုင်ပါသနည်း။
အဆင့်များစွာပါသော တူရိုအချဲလှုပ်မှုသည် ဖိအားလျှော့ချမှုအဆင့်များကို ထိန်းချုပ်ခြင်းဖြင့် အန္တရာယ်ဖြစ်စေသော အင်တရောပီဆုံးရှုံးမှုများကို လျှော့ချခြင်းနှင့် အလယ်အလတ်အပိုင်းတွင် အပိုအပူအား ပြန်လည်ရယူခြင်းတို့ဖြင့် ကုန်စုတ်စွမ်းအင် လျှော့ချမှုကို ဖော်ဆောင်ပေးပါသည်။
စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖြာမှုစက်များနှင့် ဂျူးလ်-သောမ်ဆန် ဖောင်းများကြားတွင် ရွေးချယ်မှုကို ဘာက ဆုံးဖြတ်ပါသနည်း။
ဤဆုံးဖြတ်ချက်သည် ပြန်လည်ရယူမှု ပန်းတိုင်များ၊ အစားအစာဓာတ်ငွေ ပြောင်းလဲမှု၊ စွမ်းအင်သု consumption၊ စက်ကိရိယာများ၏ နေရာယူမှုနှင့် စီမံကုန်းဘတ်ဂျက်များကဲ့သို့သော အချက်များပေါ်တွင် မှီတည်ပါသည်။ စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖြာမှုစက်များသည် ပြန်လည်ရယူမှုနှုန်းနှင့် စုစည်းမှု ထိရေးကောင်းမှုတွင် အထူးကောင်းမွန်ပါသည်။ အချိန်တိုအတွင်း ပြောင်းလဲနိုင်မှုနှင့် လွယ်ကူစွာ ချဲ့ထွင်နိုင်မှုတွင် ဂျူးလ်-သောမ်ဆန် ဖောင်းများသည် အထူးသဖော်ပေးပါသည်။ အထူးသဖော်ပေးပါသည်။
အကြောင်းအရာများ
- သဘောတော်မှု စက်မှုလုပ်ငန်းများတွင် NGL ပြန်လည်ရယူမှုကို အမြှင့်ဆုံးဖော်ထုတ်ခြင်း
- ဓာတ်ငွေခွဲခြမ်းစိတ်ဖြာရေးအတွက် စွမ်းအင်ခွဲခြမ်းစိတ်ဖြာမှု အအေးခံ အေက်စ်ပန်ဒါ (Energy-Efficient Cryogenic Expansion)
- မြေပေါ်တွင် အသုံးပြုသော NGL ပြန်လည်ရယူရေးအတွက် ခေတ်မှီသော ခွဲခြမ်းစိတ်ဖဲ့မှုနည်းပညာများ
- သဘောတရားများအတွင်း သဘောတရားများကို ဒစ်ဂျစ်တယ်ပြောင်းလဲခြင်း
-
မေးလေ့ရှိသောမေးခွန်းများ
- NGL ပြန်လည်ရယူခြင်းဆိုသည်မှာ အဘယ်နည်း။ ထို့အပြင် ၎င်းသည် အဘယ်ကြောင့် အရေးကြီးသနည်း။
- အအေးခိုင်းနည်း (cryogenic) နှင့် စုပ်ယူမှုအခြေပြုနည်း (absorption-based) တို့အကြား အဓိကကွဲလွဲမှုများမှာ အဘယ်နည်း။
- NGL ထုတ်လုပ်မှုပမာဏကို ပိုမိုကောင်းမွန်စေရန် အအေးခိုင်းယူနစ်များကို မည်သို့ အကောင်းဆုံးပြုလုပ်နိုင်ပါသနည်း။
- ဂါစ်စီးပ်ရှင်န်စ် (gas processing) တွင် AI-အခြေပြု ဒစ်ဂျစ်တယ်တွင်န်များ (AI-driven digital twins) ၏ အကျေးဇူးကောင်းများမှာ အဘယ်နည်း။
- အဆင့်များစွာပါသော တူရိုအချဲလှုပ်မှုဖြင့် စွမ်းအင်ထိရေးကောင်းမှုကို မည်သို့တိုးမြှင့်နိုင်ပါသနည်း။
- စူပါဆောနစ် ခွဲခြမ်းစိတ်ဖြာမှုစက်များနှင့် ဂျူးလ်-သောမ်ဆန် ဖောင်းများကြားတွင် ရွေးချယ်မှုကို ဘာက ဆုံးဖြတ်ပါသနည်း။
