استفاده از ارزش فعلي خالص به عنوان يك تابع هدف تنها براي بهينه‌سازي ترمو-اقتصادي ركوپراتور صفحه پره دار ميكروتوربين

Using net present value as a single objective function for thermo-economic optimization of a plate-fin recuperator in microturbine

در اين مقاله ركوپراتور يك ميكروتوربين200 kW با در نظر گرفتن ارزش فعلي خالص به عنوان تابع هدف، با الگوريتم‌هاي ژنتيك و اجتماع ذرات بهينه‌سازي شده است. مبدل حرارتي صفحه پره‌دار با پره نواري و آرايش جريان‌هاي عمود و مخالف براي بهينه‌سازي انتخاب شده است. گام پره، ارتفاع پره، طول نوار، طول مسير جريان ركوپراتور، ارتفاع و عرض ركوپراتور به عنوان شش پارامتر طراحي در نظر گرفته شده‌اند. براي بررسي اثر هر يك از متغيرهاي طراحي بر تابع هدف، آناليز حساسيت انجام شده است. نتايج بدست آمده از الگوريتم‌هاي ژنتيك و اجتماع ذرات با يكديگر مقايسه شده‌اند. مقايسه‌ها نشان مي‌دهد كه الگوريتم بهينه‌سازي اجتماع ذرات از نظر حجم محاسبات و مقدار بهينه بدست آمده عملكرد بهتري دارد. با توجه به اينكه تابع هدف انتخاب شده در اين مسئله تابعي از كارايي و هزينه كل ركوپراتور مي‌باشد، نتايج بدست آمده از اين تحقيق با نتايج بهينه‌سازي ترمو-اقتصادي مقايسه شده‌اند. مقايسه‌هاي صورت گرفته بر مبناي معيارهاي ارزش فعلي خالص و بازده سيكل مي‌باشند و بهتر بودن نتايج كار حاضر را از نظر فني و اقتصادي نشان مي‌دهند. نتايج نشان مي‌دهند كه ارزش فعلي خالص و بازده سيكل در كار حاضر حداكثر تا %11.54 و %11.69 افزايش يافته‌اند.

In this paper, genetic and particle swarm algorithms were applied to optimize a recuperator in a 200 kW microturbine, with the net present value (NPV) considered as the objective function. Examined for the optimization purposes is a plate-fin heat exchanger of offset strip fin configuration as well as counter- and cross-flow arrangements. Fin pitch, fin height, fin offset length, recuperator flow length, recuperator width, and recuperator height were considered as the six design parameters investigated. A sensitivity analysis is performed in order to investigate the effect of design parameters on the objective function. Comparing the results of genetic algorithm(GA) to those of particle swarm algorithm indicated that, the particle swarm optimization(PSO) approach had succeeded to achieve better results from computations’ volume and optimum value perspectives. As the used objective function in this research was a function of total cost and efficiency of the recuperator, the results of the present research were compared to thermo-economic optimization results. Being based on NPV and cycle efficiency criteria, the comparisons indicated superiority of the results of the present study, when viewed from technical and economic perspectives. Results show that in the present study NPV and cycle efficiency have increased up to 11.54% and 11.69%.