اصلاح ساختار شبکه مبدل های حرارتی به روش الگوریتم رقابت استعماری با در نظر گرفتن افت فشار
/محمد بقال صدقی
: مکانیک
چاپی
کارشناسی ارشد
مهندسی شیمی
۱۳۹۳/۱۰/۲۵
تبریز
اصلاح شبکة مبدلهای حرارتی توسط روشصهای بهینهسازی منجر به مسائلی از نوع MINLP میشود که حل آنها به دلیل حضور هم زمان متغیرهای پیوسته و ناپیوسته امری دشوار است و منجر به ظهور مشکلاتی در همصگرایی میشود .زمانیصکه مسأله افت فشار در طراحی و اصلاح شبکه مبدلصهای حرارتی در نظر گرفته صشود، بهدلیل ذات غیرخطی و نامحدب روابط حاکم بر این مسائل، مشکلات همصگرایی چنین مدلصهایی بیشتر خواهد شد .در این تحقیق روشی برای طراحی شبکه مبدلهای حرارتی ارائه شده است که در آن پارامترهای ساختاری توسط الگوریتم رقابت استعماری (ICA) و پارامترهای پیوسته به کمک برنامه ریزی غیرخطی (NLP) بهینه میگردند .در ادامه به علت پرهیز از پیچیدگی مدل به دلیل روابط خاص افت فشار، افت فشار جریانصها با استفاده از نتایج برنمه ریزی غیرخطی،بهصدست میصآیند .در این روش هر شبکه به عنوان توالی بخشها در نظر گرفته شده است که هر بخش حاوی تعدادی گره میباشد و هر گره نشان دهنده آدرس یک مبدل است .برای حل NLP به جای بهینهسازی همصزمان متغیرها، از یک مدل جستجو برای حداقل اختلاف دمای نزدیکی در مبدلصها و نسبت تقسیم جریانصهاو یک تابع هدف اصلاح شده برای حداکثر بازیابی انرژی استفاده شده است .مقایسه نتایج حاصل با مراجع نشان میدهد که روش مذکور قادر به ایجاد، جوابهایی که باعث کاهش هزینه تا ۲۲ در طراحی و جوابصهای جدید و بهتر در اصلاح شبکه مبدلصهای حرارتی میباشد
Heat exchanger networks (HENs) synthesis or retrofit by mathematical programming leads to the problems, solution of which is by Mixed Integer and Non Linear Programming (MINLP) methods. Optimization of such formulations involves convergence difficulties due to the existence of both continuous and integer variables. When effects of pressure drop is considered in HENs design and/or retrofit, due to nonlinearity and also non convexity of these equations, problems of convergence will be increased. So an efficient synthesis method was first presented in which structural parameters were optimized by imperialist competitive algorithm (ICA) and continuous variables were handled using a modified NLP formulation for maximum energy recovery (MER).Afterwards, to prevent complexity of the model, the pressure drops of streams were calculated from the results of NLP formulation. Node representation was used for addressing the exchangers. Networks were considered as a sequence of sections. Each section consists of nodes for generating different structures within a network. For increasing the robustness of the NLP section, a search loop was utilized to find the best minimum approach temperature and split ratios within the network instead of simultaneous optimization of parameters. In this way the NLP is converted to an LP for maximum energy recovery and a search loop which is easier to solve.Revamping of HENs was carried out by addition of an Integer Linear programming (ILP) part to the synthesis algorithm. The motivation of ILP is decision making about reuse of current pumps, elimination or reuse of current exchangers and introducing new ones to the networks. Results show that the proposed method can introduce new results in both synthes and retrofit of HENs with a low annual cost than those reported in the literature