تعداد نشریات | 44 |
تعداد شمارهها | 1,303 |
تعداد مقالات | 16,020 |
تعداد مشاهده مقاله | 52,489,629 |
تعداد دریافت فایل اصل مقاله | 15,217,159 |
بهینه سازی چندهدفی شکل صفحۀ فداشونده در گرم کنندههای نیروگاه شهر شازند با استفاده از ترکیب CFD و الگوریتم NSGA II | ||
مهندسی مکانیک دانشگاه تبریز | ||
مقاله 26، دوره 48، شماره 1، اردیبهشت 1397، صفحه 233-239 اصل مقاله (1.97 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
حامد صفی خانی* 1؛ غلامرضا ابراهیمی زاده2؛ حسام الدین مشیدی3 | ||
1استادیار، گروه مهندسی مکانیک، دانشگاه اراک، اراک، ایران | ||
2شرکت مدیریت تولید برق شازند، شازند، ایران | ||
3دانشکده مهندسی مکانیک، دانشگاه صنعتی امیرکبیر، تهران، ایران | ||
چکیده | ||
استفاده از گرم کنندههای فشار بالا در صنایع مختلف نفت و گازی و نیروگاهی همانند نیروگاه شهر شازند بسیار مرسوم است. در نیروگاه مذکور جهت محافظت از تیوب شیت، از روشهای مختلفی همانند استفاده از صفحۀ فداشونده در ورودی سمت لولهها و پیش از تیوب شیت استفاده میگردد. هدف از این مقاله یافتن شکل بهینۀ صفحۀ فداشونده به صورت چندهدفی با استفاده از ترکیب دینامیک سیالات محاسباتی و الگوریتم های بهینه سازی چندهدفی می باشد. با پارامتری نمودن هندسه، صفحۀ فداشونده کاملاً آزادانه میتواند در شکلهای مختلف تغییر شکل دهد به نحوی که به صورت همزمان: بیشنیۀ سرعت ظاهر شده در گرم کننده (که در میزان فرسایش، خوردگی و کاویتاسیون مؤثر می باشد) و همچنین نیروی وارده بر صفحۀ فداشونده کمینه گردند. خروجی نهایی این فرآیند، نمودار بسیار مهم و پرکاربرد به نام نمودار پارتو میباشد که در قسمت نتایج ارائه شده و مورد بحث قرار خواهد گرفت. با استفاده از این نمودار نکات طراحی بسیار زیادی را می توان استخراج نمود که تنها با استفاده از رویکرد ارائه شده در این مقاله یعنی ترکیب دینامیک سیالات محاسباتی و بهینه سازی چندهدفی قابل استخراج می باشد. در پایان لازم به ذکر است که فرآیند بهینه سازی چندهدفی در دو مرحلۀ جداگانه انجام شده است به نحوی که در یک مرحله ضخامت صفحۀ فداشونده میبایست ثابت بماند (شرایط فعلی نصب شده در نیروگاه) و در حالت دوم ضخامت صفحه فداشونده نیز میتواند تغییر نماید. | ||
کلیدواژهها | ||
صفحۀ فداشونده؛ بهینه سازی شکل؛ بهینه سازی چندهدفی؛ دینامیک سیالات محاسباتی؛ الگوریتم NSGA II | ||
مراجع | ||
[1] Sanaye S. and Hajabdollahi H., Multi-objective optimization of shell and tube heat exchangers, Applied Thermal Engineering, Vol. 30, pp. 1937-1945, 2010.
[2] Costa L.H. and Queiroz M., Design optimization of shell-and-tube heat exchangers. Applied Thermal Engineering, Vol. 28, pp. 1798-1805, 2008.
[3] Ramananda Rao K., Shrinivasa U. and Srinivasan J., Synthesis of cost optimal shelland- tube heat exchangers. Heat Transfer Engineering Vol. 12, No. 3, pp. 47-55, 1991.
[4] Fesanghary M., Damangir E. and Soleimani I., Design optimization of shell and tube heat exchangers using global sensitivity analysis and harmony search algorithm. Applied Thermal Engineering , Vol. 29, pp. 1026-1031, 2009.
[5] Ponce-Ortega J.M., Serna-Gonzalez M., Salcedo-Estrada L.I. and Jimenez- Gutierrez A., Minimum-investment design of multiple shell and tube heat exchangers using a MINLP formulation. Chemical Engineering Research and Design Part A (October 2006).
[6] Ponce-Ortega J.M., Serna-Gonzalez M. and Jimenez-Gutierrez A., Use of genetic algorithms for the optimal design of shell-and-tube heat exchangers. Applied Thermal Engineering , Vol. 29, pp. 203-209, 2009.
[7] Ravagnani M.A.S.S., and Caballero J.A., Optimal heat exchanger network synthesis with the detailed heat transfer equipment design. Computers and Chemical Engineering Vol. 31, pp. 1432-1448, 2007.
[8] Caputo A.C., Pelagagge P.M. and Salini P., Heat exchanger design based on economic optimization. Applied Thermal Engineering, Vol. 28, pp. 1151-1159, 2008.
[9] Özçelik Y., Exergetic optimization of shell and tube heat exchangers using a genetic based algorithm. Applied Thermal Engineering , Vol. 27, pp. 1849-1856, 2007.
[10] Bejan A., Tsatsaronis G. and Moran M., Thermal design and optimization. Wiley Interscience, 1995.
[11] Johannessen E., Nummedal L. and Kjelstrup S., Minimizing the entropy production in heat exchange. International Journal of Heat and Mass Transfer , Vol. 45, pp. 2649-2654, 2002.
[12] S. Sun, Y. Lu and C. Yan. Optimization in calculation of shell-and-tube heat exchanger. International Communication in Heat and Mass Transfer Vol. 20 pp. 675-685, 1993.
[13] Agarwal A., and Gupta S.K., Jumping gene adaptations of NSGA-II and their use in the multi-objective optimal design of shell and tube heat exchangers. Chemical Engineering Research and Design , Vol. 86, pp. 123-139, 2008.
[14] Hilbert R., Janiga G., Baron R. and Thevenin D., Multi-objective shape optimization of a heat exchanger using parallel genetic algorithms. International Journal of Heat and Mass Transfer Vol. 49, pp. 2567-2577, 2006.
[15] Liu Z. and Cheng H., Multi-objective optimization design analysis of primary surface recuperator for microturbines. Applied Thermal Engineering Vol. 28 pp. 601-610, 2008.
[16] Tian Z., Ma L., Gu B., Yang L., Liu F., Numerical model of a parallel flow minichannel evaporator with new flow boiling heat transfer correlation. International Journal of Refrigeration Vol . 35 pp. 135-144, 2015.
[17] Huang L., Aute V., Radermacher R., A model for air-to-refrigerant microchannel condensers with variable tube and fin geometries. International Journal of Refrigeration. Vol. 40, pp. 269-281, 2014.
[18] Tian Z., Gu B., Yang L., Liu F., Performance prediction for a parallel flow condenser based on artificial neural network, Applied Thermal Engineering, Vol. 63, pp. 459- 467, 2014.
[19] Rao R., Patel V., Thermodynamic optimization of cross flow plate-fin heat exchanger using a particle swarm optimization algorithm, International Journal of Thermal Sciences, vol. 49, pp. 1712-1721, 2010.
[20] Fabbri G., A genetic algorithm for fin profile optimization. International Journal of Heat and Mass Transfer. Vol. 40, pp. 2165-2172, 1997.
[21] Kobus C.J., Cavanaugh R.B., A theoretical investigation into the optimal longitudinal profile of a horizontal pin fin of least material under the influence of pure forced and pure natural convection with a diameter-variable convective heat transfer coefficient, ASME Journal of Heat Transfer , Vol. 128, 2006.
[22] Deb K., Agrawal S., Pratap A. and Meyarivan T., A fast and elitist multi-objective genetic algorithm: NSGA-II”. IEEE Trans Evolutionary Computation, Vol. 6, pp. 182-197, 2002.
[23] Safikhani H., Akhavan-Behabadi M. A., Nariman-Zadeh N. and Mahmoodabadi M. J., Modeling and multi-objective optimization of square cyclones using CFD and neural networks, Chemical Engineering Research and Design, Vol. 89, pp. 301–309, 2011.
[24] Safikhani H., A. Hajiloo and M. A. Ranjbar. Modeling and multi-objective optimization of cyclone separators using CFD and genetic algorithms, Computers and Chemical Engineering, Vol. 35, pp. 1064–1071, 2011.
[25] Safikhani H., Abbassi A., Khalkhali A. and Kalteh M., Multi-objective optimization of nanofluid flow in flat tubes using CFD, artificial neural networks and genetic algorithms, Advanced Powder Technology, Vol. 25, pp. 1608–1617, 2014. | ||
آمار تعداد مشاهده مقاله: 264 تعداد دریافت فایل اصل مقاله: 264 |