آناليز اگزرژي، اگزرژي اقتصادي و اثرات زيست‌محيطي به همراه بهينه‌سازي چندهدفه سيكل تركيبي دماوند

Exergy, Exergoeconomic & Environmental Impact Analysis and Multi-Objective Optimization of Damavand Combined Cycle Power Plant

در اين مقاله، سيكل تركيبي بر مبناي سه معيار بهينه سازي شده است. معيار اول، براساس بويلر بازياب حرارتي، تابع هدفي با افزايش راندمان اگزرژي كل سيكل انجام شد. با توجه با آناليز اگزرژي صورت گرفته، يكي از اجزا بويلر بازياب درام است كه به تغييرات دما حساسيت بالايي نشان مي دهد و نيز تخريب اگزرژي بالايي دارد؛ در نتيجه معيار دوم، براساس دماي اشباع بهينه درام هدف‌گذاري شده، به بهينه سازي آن پرداخته شد كه منجر به كاهش تخريب اگزرژي اين جز گرديد. در معيار سوم، بهينه سازي برحسب كاهش هزينه ، افزايش راندمان اگزرژي كل سيكل و كاهش انتشار CO2، مورد بررسي قرارگرفته شد. به‌منظور بررسي صحت نتايج حاصل از اطلاعات نيروگاه، سيكل تركيبي دماوند استفاده ‌شده است كه نتايج نشان مي دهد، بهينه سازي بر مبناي كل سيكل، نتايج بهتري را در بردارد و موجب كاهش هزينه‌ها (خريد تجهيزات، اثرات زيست‌محيطي،تخريب اگزرژي) و افزايش راندمان اگزرژي مي شود. ارزش پارامترهاي تصميم سيكل تركيبي، وابستگي شديدي به دماي محيط دارد و نمي توان براي سيكل تركيبي در دماهاي مختلف، از يك‌ ميزان ارزش آن ها استفاده كرد. الگوريتم ژنتيك، توانست با دو هدف كاهش انتشار CO2 و هزينه هاي نيروگاه، پارامترهاي بهينه سيكل را بهبود بخشد.

In this paper, a combined cycle power plant (CCPP) was optimized based on three criteria. The first criterion which is for heat recovery steam generator (HRSG) considers the increase of the whole cycle exergy efficiency as an objective function. The exergy analysis has revealed that drum is a high temperature sensitive part of HRSG with high exergy destruction. Therefore, the second optimization criterion was based on the drum saturated temperature which caused the exergy destruction reduction of this component. The third optimization criterion was based on the cost reduction, the increase of the whole cycle exergy efficiency and the decrease of CO2 emission. To validate the results, the Damavand CCPP data has been used and the results have shown that the whole cycle optimization criterion yields better results in comparison with the other optimization criteria and it causes cost reduction (capital, environmental impacts and exergy destruction costs) as well as the increase of exergy efficiency. The value of CCPP decision parameters is highly dependent on the ambient temperature. Therefore, it is not possible to apply the same value for CCPP at various temperatures. The Genetic algorithm improved the cycle optimized parameters with respect two objectives of CO2 emission and power plant costs reduction.