بهينه‌سازي سه‌ بعدي آيروترموديناميكي پره استاتور توربين گاز جريان - محوري در يك بستر محاسباتي متن‌باز

Three-Dimensional Aerothermodynamic Optimization of the Stator Blade of an Axial-Flow Gas Turbine in an Open-Source Platform

توربين‌هاي گازي از اصلي‌ترين تجهيزات توليد توان در صنايع گوناگون هستند. به جهت بهبود عملكرد اين تجهيز، يكي از راه‌ها بهينه‌سازي عملكرد آيروديناميكي پره‌هاي ثابت و متحرك است. در مقاله حاضر يك بستر محاسباتي جهت بهينه‌سازي خودكار آيروترموديناميكي سه‌بُعدي پره استاتور توربين گاز با استفاده از نرم‌افزارهاي متن‌باز ارائه مي‌شود. اين بستر براي بهينه‌سازي آيروترموديناميكي هرنوع پره سه‌بعدي قابل استفاده است و شامل مدل‌سازي پارامتري هندسه سه‌بعدي، توليد شبكه محاسباتي، حل جريان با استفاده از ديناميك سيالات محاسباتي و اعمال الگوريتم بهينه‌سازي است. براي مدل سازي سه‌بعدي پره، از مدل‌سازي دوبعدي با استفاده از منحني بِزير و تشكيل مدل سه‌بعدي با خط انباشتگي از نوع اسپلاين استفاده شده است. شبيه‌سازي جريان سيال با حل جريان تراكم‌پذير و لزج حول پره بر شبكه چند‌بلوكي باسازمان با پردازش موازي انجام شده است و الگوريتم ژنتيك براي بهينه‌سازي به كار رفته است. بهينه‌سازي با چهل و پنج متغير كه تغيير ضخامت در پنج مقطع در ارتفاع پره و تغيير در پارامترهاي سه‌بعدي پره يعني خميدگي، كشيدگي و پيچش را ممكن مي‌سازند، انجام شده است. در نتيجه بهينه‌سازي پره با تابع هدف فشار كل خروجي، 5% كاهش ضريب افت فشاركل حاصل شده است. استفاده از نرم‌افزارهاي متن‌باز در بستر بهينه‌سازي، حداكثر امكان خصوصي‌سازي و انجام تنظيمات را براي كاربر فراهم مي‌آورد. نتايج نشان مي‌دهد بستر محاسباتي ارائه شده مي‌تواند به خوبي براي بهينه‌سازي آيروترموديناميكي توربوماشين‌ها به كار گرفته شود.

Gas turbines are among the most important types of power generation equipment in industries. One of the methods to enhance the performance of this equipment is the aerodynamic performance optimization of its stator and rotor blades. This paper presents an automatic aerothermodynamic optimization platform for the optimization of 3D stator blade geometry in axial-flow gas turbines using open-source software. This platform can be used for 3D aerothermodynamics optimization of 3D blades and includes parametric 3D modeling, mesh generation, CFD simulation, and implementation of optimization algorithm. 3D models are formed from 2D sections defined by Bézier curves and connected by spline stacking curve. Simulation of flow field includes the solution of compressible viscous flow on structured multi-block grid using parallel processing. Genetic algorithm is used as optimization algorithm. 45 optimization variables govern blade thickness variation in five sections and blade lean, sweep, and twist. Total pressure is selected as objective function and the result of optimization shows 5% decrease of total pressure loss coefficient in the blade. The use of open-source software in the optimization platform provides maximum customization capability to the user. The application of this platform for stator blade optimization shows that the platform can be used for aerothermodynamic optimization of turbomachines effectively.