بهينه سازي چند هدفه ركوپراتور ميكروتوربين با استفاده از الگوريتم ژنتيك

Multi-objective optimization for recuperator of microturbine using genetic algorithm

در اين مقاله ركوپراتور يك ميكروتوربين kW 200 با در نظر گرفتن هزينه و كارايي به عنوان پارامترهاي كليدي، با الگوريتم ژنتيك چند هدفه بهينهسازي شده است. از روش ?-NTU براي تخمين كارايي و افت فشار استفاده شده است. هزينه كلي ركوپراتور شامل هزينه سرمايهگذاري، هزينه كاركرد و هزينه تعميرات و نگهداري ميباشد. مبدل حرارتي صفحه پرهدار با پره نواري و آرايش جريان متقاطع و مخالف براي بهينهسازي انتخاب شده است. گام پره، ارتفاع پره، طول نوار، طول مسير جريان سرد، طول مسير بدون جريان و طول مسير جريان گرم به عنوان شش پارامتر طراحي در نظر گرفته شدهاند. الگوريتم ژنتيك با مرتبسازي نامغلوب2 براي بيشينه كردن كارايي ركوپراتور و كمينه كردن هزينه كلي آن به عنوان توابع هدف استفاده شده است. جوابهاي بهينهسازي به صورت مجموعهاي از جوابهاي بهينه به نام منحني بهينه پارتو ارايه شدند. نتايج، تضاد دو تابع هدف را به خوبي نشان ميدهند، به عبارتي ديگر هر تغيير در پارامترهاي هندسي كه كارايي را افزايش دهد هزينه را هم افزايش ميدهد و بالعكس. در انتها طرحهاي بهينه بدست آمده بر اساس مفهوم مرتبسازي نامغلوب با يكديگر مقايسه شدند و طرحهاي بهينه نهايي بدست آمدند.

In this paper, multi objective genetic algorithm is applied to optimize one type of recuperator in a 200 kW microturbine by considering two key parameters such as recuperator efficiency and cost. ?-NTU method is selected for the recuperator efficiency and pressure drop calculation. The recuperator total cost consists of capital cost, operational cost and maintenance cost. A plate-fin heat exchanger with offset strip fin for counter and cross flow arrangements is chosen for optimization. Fin pitch, fin height, fin offset length, cold stream flow length, non-flow stream length and hot stream flow length are considered as six design parameters. NSGA-II (Non-dominated Sorting Genetic Algorithm) is conducted to maximize recuperator efficiency and minimize its total cost. Results of the optimization are presented as a set of designs, called ‘Pareto-optimal solutions’. The results reveal the conflict between the two objective functions. It can be concluded that any change in the geometry of the recuperator increasing the efficiency also increases the total cost and vice versa. Finally, the optimal designs are compared together based on non-dominated sorting concept and the final optimal designs are obtained.