En este trabajo se evalúa energéticamente la gasificación del coque de petróleo de las refinerías de Cd. Madero y Cadereyta de México. La evaluación energética del gas sintético (gassin) se centra principalmente en la composición química del gassin limpio (gasl) y sus características energéticas: el poder calorífico, la potencia energética, la eficiencia de gas frío y la eficiencia térmica de gasificación. Los resultados de la simulación indican que la gasificación del coque de Cadereyta denominado CRC, produce un gasl con mejor rendimiento y características energéticas que el gasl obtenido al gasificar el coque de petróleo de Cd. Madero, denominado CRM. Cuando se gasifica el CRC, la razón de producción de gasl obtenida es de 2.07 kg gasl /kg coque , mientras que la razón de producción de gasl para el CRM es de 1.89 kg gasl /kg coque. El poder calorífico del gasl del CRC es de 12 729.56 kJ/kg gasl mientras que para el CRM es de 11 639.13 kJ/kg gasl. La potencia energética del gasl del CRC es mayor con una diferencia de 25.87 GJ/h, con respecto a la potencia energética del gasl del CRM. Con las condiciones de operación especificadas, en la gasificación del coque de petróleo CRC se generan energía a razón de 26.46 MJ/kg coque , mientras que al gasificar el coque de petróleo CRM se generan 22.09 MJ/kg coque. Actualmente, el coque producido en la

Estudio paramétrico de la gasificación del coque de petróleo mexicano: efecto de la alimentación de coque de petróleo sobre las características energéticas del gas sintético (gassin)

Oil and gas industry, worldwide, needs to monitor, control and assess the elements that are involved in the general oil transportation and production processes. However, these processes are not risk free. The project proposes an intelligent support system that provides optimized projections for effective risk management. The project focuses on the development of a set of Genetic Algorithms (GAs), a branch of AI systems that assists to optimize the usage and distribution of resources. GAs will reduce the latent risks and potential dangers as much as possible. The main purpose is to minimize the risk levels in a pipeline segment based on their condition and by detecting optimal variable configurations: their Risk of Failure (RoF), Probability of Failure (PoF), Consequence of Failure (CoF), and their sub elements (threats and impacts). The heuristic results generated by this set of GAs show a significant reduction on the risk assessment measures, by finding “optimized” configurations of these variables.

La industria del petróleo es una de las más prolíferas alrededor del mundo. Nuestra vida diaria está rodeada del petróleo, desde el combustible en la mayoría de los sistemas de trasporte y los sistemas de producción de electricidad, hasta las miles de envolturas de productos que consumimos en el supermercado. La economía mundial está vinculada estrechamente al descubrimiento, extracción, explotación y trasformación del petróleo. Para llevar a cabo estos procesos, es necesario que el petróleo y sus productos sean trasportados de un punto a otro. El sistema de distribución más popular y seguro en la actualidad es el de tuberías o ductos instalados a través de varios o miles de kilómetros en tierra o mar. Sin embargo la naturaleza misma de este producto posee un riesgo latente en su manejo en todo momento. Por esta razón, organizaciones privadas y públicas, universidades, centros de investigación y gobiernos buscan constantemente colaborar para innovar y desarrollar metodologías y tecnologías que asistan las diferentes facetas de la producción, proceso y trasporte del petróleo con el fin de reducir las incidencias e impactos que tienen las fallas de los ductos que trasportan los hidrocarburos. En este trabajo se describe el desarrollo de un Sistema de Soporte de Decisiones inteligente para asistir al proceso de toma de decisiones construido con un conjunto de Algoritmos Genéticos que proveen configuraciones optimizadas de las variables que describen, de forma cuantitativa, la condición del ducto y la probabilidad de que deje de operar correctamente a causa de una o varias fallas. El propósito de este proyecto es encontrar soluciones que minimicen y optimicen el valor de la Probabilidad de Falla en un segmento de ducto y de esta forma, contribuir a la asignación optimizada de recursos para evitar incidentes que impacten en el medio ambiente o en la sociedad.

No abstract