Distribución de los compuestos conteniendo azufre en Productos del los LGN por Tres Simuladores

En el Previo del Mes (PDM) de Febrero 2010 presentamos la distribución y concentración de los compuestos conteniendo azufre en una Planta de Fraccionamiento (NF) aplicando HYSYS [1], con la ecuación de estado Peng Robinson (EDE PR) [2]. En el presente PDM presentaremos la distribución de los compuestos integrados por azufre en la misma planta NF aplicando ProMax [3], y VMGSim [4], ambos empleando la PR EDE. Estos dos resultados de simulación, serán comparados con los resultados del HYSYS [1]. Los parámetros de interacción binaria integrados dentro del conjunto de simulación “software” fueron aplicados en este estudio. La planta NF es idéntica a la descrita por Alsayegh et. al. [5]. La composición de la corriente alimentadora, gasto, condición, y especificaciones de los productos se muestran en las Tablas 1, y 2, y el diagrama de flujo del proceso se muestra en la Figure 1, del PDM de Febrero 2010. Una eficiencia ponderada por plato de 90% fue aplicada para todas las torres.

Distribución de Productos Esperada: La Figura 1, reproducida de la Figura 9 de un trabajo publicado por Likins and Hix [6], indica un gráfico de barras descendiente de orden logarítmico de la presión de vapor de los compuestos puros de interés en este estudio. Esta Figura indica que el COS debe distribuirse hacia ambas corrientes de etano y propano. MeSH, con una presión de vapor cercana a la de n-butano debe distribuirse primariamente con los butanos con una pequeña cantidad hacia la corriente de pentano. EtSH, con presión de vapor entre butano y pentano, debe difundirse principalmente entre butano y pentano. CS₂ debe entrar primariamente hacia las corrientes de pentano y los C₆⁺ con solo mínima cantidad disuelta en la corriente de butano. Los compuestos de azufre de mayor peso deben terminar su presencia casi en totalidad en la corriente de los C₆⁺.

Resultados de la Simulación de Computadora: La planta NF descrita en la sección previa fue simulada aplicando el HYSYS [1], ProMax  y VMGSim basados en la EDE PR [2]. En este estudio, la codificación (Software) de los parámetros de interacción binaria inherente (de librería) fueron aplicados, aun cuando recomendamos la evaluación de la certeza de los resultados del EDF contra data experimental, y si es necesario insertar la información de la información de regresión del EDF dentro de los parámetros de interacción binaria. Esta regresión puede ser requerida para modelar adecuadamente los sistemas que se asocian con los mercaptanos.

El enfoque de este estudio se ve en la distribución (% recuperación) y concentración (PPM) de los compuestos conteniendo azufre en las corrientes de alimentación y producción. Las Figuras 2 al 8 presentan gráficos de barra de la recuperación de cada compuesto integrado por azufre en las corrientes de gas y producción. El porcentaje molar de recuperación se define como el numero de moles de un componente en la corriente de producción dividido por los moles en la corriente del mismo compuesto en la corriente alimentadora (Corriente 5). En estas figuras, las corrientes del  gas y productos se designan con las letras H,P , y V representando los resultados del HYSYS, ProMax, y VMGSim respectivamente.

H₂S: La Figura 2 indica la distribución y recuperación del H₂S en el gas, y C₂ y C₃ en las corrientes de producción. Como esperado, la mayoría del H₂S se distribuye en el gas y las corrientes de producción C₂. Como se podrá observar en esta figura, los resultados de la simulación son los mismos.

COS: La Figura3 indica la distribución y recuperación del COS en el gas, C₂, y C₃. Como esperado la mayoría del COS finaliza en la corriente de producción C₃. Como se observa en esta figura los resultados de los tres simuladores son casi  idénticos.

MeSH: La Figura 4 indica la distribución y recuperación de MeSH en el gas, y corrientes de producción C₃, y C₄. Para HYSYS y VMGSim, contrariamente a la data presentada en la Figura 1, la mayoría del MeSH se distribuye a la corriente C₃ en vez de la C₄. Sin embargo, el resultado ProMax sigue la tendencia de la Figura 1 y la mayoría del MeSH se distribuye en la corriente C₄.

EtSH: La Figura 5 indica la distribución y recuperación del EtSH en las corrientes C₃, C₄, y C₅. Inesperadamente, HYSYS pronostica que la mayoría del EtSH termina en la corriente C₄ , en vez de la C₅ como se hubiese esperado basado en de la data en la Figura 1. Sin embargo, los resultados del ProMax, y VMGSim se asemejan más a la data de la Figura 1.

CS₂: La Figura 6 indica la distribución y recuperación  del CS₂ en las corrientes de producción del C₄ and C₅. Contrariamente al comportamiento del CS₂ puro indicado en  la Figura 1, los resultados del HYSYS, y VMGSim indica que la mayoría del CS₂ termina en la corriente C₄. Sin embargo , basado en los resultados ProMax, la mayoría de; CS₂termina en la corriente C₅, lo cual es consistente con la información de la Figura 1.

iC₃SH: La Figura 7 indica la distribución y recuperación del iC₃SH en las corrientes del  C₄, C₅ and C₆⁺. Como esperado, iC₃SH es contenido en las Corrientes C₅ y C₆⁺. Como pronosticado iC₃SH se presenta en la corrientes C₅and C₆⁺ . Nótese que ProMax indica una mayor concentración del  iC₃SH en las corriente C₅ mientras que HYSYS, y VMGSim predicen recuperaciones del iC₃SH menores pero muy cercanas.

iC₄SH: La Figura 8 indica la recuperación del iC₄SH en la corriente C₆⁺. Todo el iC₄SH finaliza en la corriente C₆⁺como esperado cuando se analiza la data de la Figura 1.

Conclusiones:

Los resultados de la computación acá presentados y discutidos son específicos para una planta de fraccionamiento de los LGN analizados en este estudio, pero existen algunas conclusiones generales que se pueden extraer de este estudio.

Los resultados indican que la mayor concentración del metíl mercaptano (MeSH) esta presente en la corriente de producción del C₃ (corriente 15) basado en HYSYS, y VMGSim, pero su mayor concentración se ubica en la corriente C₄ (corriente 20) basado en los resultados ProMax.

Los resultados del HYSYS indican que la concentración de mayor valor en etíl mercaptano (EtSH) se presenta en la corriente C₄ (corriente 20) pero los resultados ProMax y VMGSim indicn que su mayor concentración ocurre en la corriente de producto C₅ (corriente23).

La mayor concentración del disulfido de carbono (CS₂) se presenta en la corriente de producto C₅ (corriente23) de acuerdo a los resultados de los tres simuladores

Los parámetros de interacción binaria aplicados en el conjunto de EDE asimilan un papel importante en el comportamiento EDF de este estudio, e impactan la distribuciónde los compuestos conteniendo azufre en la alimentación. Aplicación de parámetros de interacción inapropiados o incorrectos pueden incurrir en resultados erróneos. Se debe ejercer cautela para incorporar los parámetros de interacción binarios correctos. En este estudio, los valores de la librería funcional del simulador fueron aplicados.

Los pronósticos del HYSYS, ProMax, y VMGSim en  las Figuras 4 al 7 (indicando la distribución del MeSH, EtSH, CS₂, y iCH₃SH respectivamente) contienen algunos desacuerdos. Los resultados también que estos compuestos no se distribuyeron entre los productos de los hidrocarburos de la misma manera en que se esperaría de acuerdo a sus volatilidades y concentraciones. Esto se podría explicar en la conclusión reportada pro Harryman y Smith [7,8] quienes anotaron: iC3SH se forma durante el fraccionamiento dentro del despropanizador y  desetanizador.” De  manera que  evaluación adicional debe efectuarse para llegar a una conclusión concreta. En el próximo PDM investigaremos el comportamiento EDF de estos sistemas aplicando data experimental. Esto debe presentar buena  razón para llevar a cabo pruebas de laboratorio y cómputos termodinámicos detallados para determinar los gastos y composiciones del proceso. Un análisis detallado del proceso siempre de efectuarse para justificar y comprobar las decisiones correctas para con la selección de los esquemáticos del flujo de proceso.

Para informarse adicionalmente sobre casos similares y como minimizar los problemas operacionales, les sugermios su asistenca a las siguientes sesiones de la John M. Campbell; G4 (Gas Conditioning and Processing) and G5 (Gas Conditioning and Processing – Special).

La Consultoría JMC puede proporcionar especialización para los proyectos de tratamiento del gas y líquidos, lo cual asegura que el modelo de proceso desarrollado es lo mas certero posible para la predicción de la adecuada distribución de los compuestos que contienen azufre. Con los consultores de mayor exigencia dentro de la industria mundial-energética, la Consultoría John M. Campbell proporciona la primera selección en consultoría para los clientes muy selectos. Para mayor información sobre los servicios ofrecidos por Campbell, visite nuestra dirección en la red al  Campbell Consulting.

By: Dr. Mahmood Moshfeghian

Traducido al Español por : Dr. Frank E. Ashford

Reference:

1. ASPENone, Engineering Suite, HYSYS Version 7.0, Aspen Technology, Inc., Cambridge, Massachusetts U.S.A., 2009.
2. Peng, D.,Y. and D. B. Robinson, Ind. Eng. Chem. Fundam. 15, 59-64, 1976.
3. ProMax 3.1, Bryan Research and Engineering, Inc, Bryan, Texas, 2009.
4. VMGSim 5.0.5, Virtual materials Group, Inc, Calgary, Alberta, 2010.
5. Al-Sayegh, A.R., Moshfeghian, M.  Abbszadeh, M.R., Johannes, A. H. and R. N. Maddox, “Computer simulation accurately  determines volatile sulfur compounds,” Oil and Gas J., Oct 21, 2002.
6. Likins, W. and M. Hix, “Sulfur Distribution Prediction with Commercial Simulators,” the 46th Annual Laurance Reid Gas Conditioning Conference Norman, OK 3 – 6 March, 1996.
7. Harryman, J.M. and B. Smith, “Sulfur Compounds Distribution in NGL’s; Plant Test Data – GPA Section A Committee, Plant design,“ Proceedings 73^rd GPA Annual Convention, New Orleans, Louisiana, March, 1994.
8. Harryman, J.M. and B. Smith, “Update on Sulfur Compounds Distribution in NGL’s; Plant Test Data – GPA Section A Committee, Plant design,“ Proceedings 75^th GPA Annual Convention, Denver, Colorado, March, 1996.