تحليل اگزرژي و بهينه سازي سيكل رانكين در نيروگاه هاي بخار با استفاده از الگوريتم زنبورها

Exergy analysis and optimization of Rankine cycle in steam power plants using Bees Algorithm

در اين مطالعه، آناليز اگزرژي[1] يك نيروگاه بخار توليد برق كه با سيكل ترموديناميكي رانكين[2] كار مي كند مورد بررسي قرار گرفته است. نيروگاه زرند واقع در استان كرمان يك نيروگاه بخار است كه در اين مطالعه مورد بررسي قرار گرفته است. بازده اگزرژي معياري بسيار مناسب براي تحليل يك سيــكل ترموديناميكي مي باشد. براي بهينه كردن فرآيند و حصول بازده اگزرژي بالاتر ، پارامتر هايي به عنوان متغيرهاي تصميم گيري در نظر گرفته شده اند و با تغيير اين پارامترها سعي در بالابردن بازده اگزرژي شده است. با آگاهي از اينكه امكان تغيير در بازه اي معين در برخي از پارامتر هاي پروسه توليد برق در نيروگاه وجود دارد، متغيرهاي تصميم گيري انتخاب شده اند. دما و فشار خروجي از بويلر و فشارهاي خروجي از چهار مرحله زيركش توربين، به عنوان شش متغير تصميم گيري انتخاب شده اند. الگوريتم بهينه سازي به كمك رفتار زنبور هاي عسل[3] يكي از الگوريتم هاي هوشمند[4] نسبتا جديد در بهينه سازي مسائل بوده كه با الگو گرفتن از رفتار و عمل زنبور هاي عسل براي يافتن غذا، فرايند بهينه سازي را انجام مي دهد. در اين مطالعه ابتدا بهينه سازي تابع بازده اگزرژي نيروگاه بخار انجام مي شود سپس با نتايج الگوريتم هاي بهينه سازي ژنتيك[5] و تجميع ذرات[6] مقايسه مي شود. نتايج اين بررسي نشان مي دهد كه در صورت تغيير مناسب در متغيرهاي تصميم گيري و بكارگيري الگوريتم زنبورهاي عسل، مي توان بازده اگزرژي نيروگاه حرارتي مورد بررسي را از 1/30 درصد به 6675/30 درصد رساند. اين افزايش معادل 5675/0 درصد براي سيكل خواهد بود كه نسبت به بكار گيري الگوريتم ژنتيك 0038/0 درصد و نسبت به بكارگيري الگوريتم تجمع ذرات 0036/0 درصد

In this study, the exergy analysis of a steam power plant generating electricity with Rankine thermodynamic cycle is studied. Exergy efficiency is a suitable criterion for the analysis of a thermodynamic cycle. To optimize the processes and obtaining higher exergy efficiency, some parameters were considered as decision variables, and by changing these parameters, it was tried to improve the exergy efficiencyOutput temperature and pressure of the boiler, and the output pressures of the four stages of turbine extraction, were selected as six decision variables. In other words, the exergy efficiency function was considered as the objective function, and the six aforementioned variables were considered as decision variables. Optimization algorithm using the behavior of bees, which is one of the relatively new intelligent algorithms for optimization problems, performs the optimization by inspiring from the behavior and action of bees to find food. In this study, firstly, the optimization of exergy efficiency function was done for the steam power plant, and then the results were compared with the results obtained using the genetic and particle swarm optimization algorithms. Results showed that by appropriate changes in decision variables and using bees algorithm, exergy efficiency of the thermal power plant increased from 30.1% to 30.6675%. This increase was equivalent to 0.6675% for the cycle, and compared to the use of genetic and swarm particle optimization algorithms it was 0.0038% and 0.0036% higher, respectively.