تحليل پارامتري و بهينه سازي سيكل تبريد اجكتوري فوق بحراني همراه با سيال عامل‌هاي مختلف به كمك شبكه عصبي مصنوعي و الگوريتم بهينه سازي پرندگان

Parametric analysis and optimization of the supercritical ejector refrigeration cycle with different working fluids using Artificial neural network and particle swarm optimization algorithm

در اين مقاله، به بررسي پارامتري و بهينه سازي سيكل تبريد اجكتوري همراه با سيال عامل هاي مختلف پرداخته شده است كه قابليت استفاده در بخشي از فرايند استفاده از انرژي خورشيدي را دارا مي‌باشد. مزيت اصلي استفاده از اجكتور در سيكل هاي تبريد كه معمولاً به جاي كمپرسور بكار مي رود، سادگي در ساخت و نگه داري، اطمينان پذيري بالا و هزينه ي كم مي باشد. در اين مطالعه، سيكل تبريد اجكتوري فوق بحراني با استفاده از نرم‌افزار EES مدل خواهد شد و اثرات پارامترهاي مختلف مانند دما و فشار اجزا گوناگون سيكل، بر روي ضريب عملكرد و نسبت مكش مورد بررسي قرار مي گيرد. در ادامه، ضريب عملكرد سيكل تبريد اجكتوري فوق بحراني براي 4 سيال عامل مختلف به كمك تركيب شبكه عصبي مصنوعي و الگوريتم بهينه‌سازي پرندگان بهينه‌سازي خواهد شد.

In this paper, parametric analysis and optimization of the transcritical ejector refrigeration cycle using different working fluids have been proposed which can be employed in the parts of solar energy processes. The main advantages of using ejector in the refrigeration cycles, which often use instead of the compressor, are simplicity in construction and maintenance, high reliability and low cost. In this study, the transcritical ejector refrigeration cycle is modelled using EES software and the effects of different parameters such as temperature and pressure of different parts of cycle on the coefficient of performance and entrainment ratio are investigated. In continued, the coefficient of performance of the transcritical ejector refrigeration cycle for four different working fluids is optimized using the combination the Artificial Neural Network and Particle Swarm Optimization algorithm.