پیوندهای مفید
آمار
| تعداد نشریات | 7 |
| تعداد شماره‌ها | 399 |
| تعداد مقالات | 5,389 |
| تعداد مشاهده مقاله | 5,288,172 |
| تعداد دریافت فایل اصل مقاله | 4,882,906 |
بهینه‌سازی عملکرد آب‌شیرین‌کن تقطیری چند مرحله ای-تراکم بخار حرارتی با استفاده از الگوریتم ژنتیک | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقاله 17، دوره 50، شماره 2، خرداد و تیر 1397، صفحه 399-412 اصل مقاله (1.07 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2017.11896.5210 | ||
| نویسندگان | ||
| آناهیتا اسدی1؛ محمد رهنما2؛ ابراهیم جهانشاهی جواران* 2؛ حسام بازرگان هرندی1 | ||
| 1دانشکده فنی و مهندسی، دانشگاه شهید باهنر کرمان، کرمان، ایران | ||
| 2پژوهشکده انرژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته | ||
| چکیده | ||
| در این مطالعه، یک واحد شیرین سازی تقطیر چند مرحله ای با متراک مکننده ی حرارتی بخار با چیدمان سری -موازی در نرم افزار متلب شبی هسازی شده است. اولین گام تعیین پارامترهای مؤثر بر عملکرد سیستم شامل دبی جرمی بخار محرک، دماها و ابعاد سیستم می باشد. مقایسه نتایج شبیه سازی مطالعه حاضر با داده های واقعی یک سیستم شیری نسازی واقعی، سازگاری خوبی نشان می دهد. سپس تأثیر پارامترهای مختلف از قبیل تعداد مراحل، نسبت اختلاط، دمای بخار گر مکننده و دمای بخار مرحل هی اول بر پارامترهای طراحی سیستم بررسی می گردد. نتایج نشان می دهد که افزایش دمای بخار گرم کننده، دمای بخار مرحله اول و نسبت اختلاط موجب کاهش ضریب عملکرد م یگردد. در ادامه عملکرد سیستم در دو حالت مختلف دریافت بخار ثانویه از مرحله آخر و دریافت این بخار از تمام مراحل مورد بررسی قرار م یگیرد و مشاهده می شود که با تأمین بخار ثانویه از آخرین اواپراتور، ضریب عملکرد و سطح مخصوص انتقال حرارت افزایش بیشتری دارد. در نهایت، بهینه سازی این سیستم با استفاده از الگوریتم ژنتیک انجام می شود و بر اساس آن مناسب ترین پارامترهای ورودی )دمای آب تغذیه، دمای بخارآب خروجی از اجکتور، دمای اولین و آخرین اواپراتور( برای داشتن بالاترین ضریب عملکرد ممکن و کم ترین مصرف حرارت مخصوص تعیین می گردد. نتایج بهینه سازی نشان می دهد که می توان برای سیستم شیرین سازی با 10 مرحله، شامل 10 اواپراتور که تبخیر آب شور درون آ نها صورت می گیرد، به ضریب عملکردی بالاتر از 17 و مصرف حرارت مخصوص کمتر از 107kJ/kg دست یافت. | ||
| کلیدواژه‌ها | ||
| تقطیر چند مرحله‌ای؛ الگوریتم ژنتیک؛ ضریب عملکرد؛ تابع هدف؛ تراکم بخار حرارتی | ||
| عنوان مقاله [English] | ||
| Performance Optimization of Multi-Effect Distillation-Thermal Vapor Compression Desalination Using Genetic Algorithm | ||
| نویسندگان [English] | ||
| A. Asadi1؛ M. Rahnama2؛ E. Jahanshahi Javaran2؛ H. Bazargan Harandi11 | ||
| 1Department of Mechanical Engineering, Shahid Bahonar University, Kerman, Iran | ||
| 2Department of Mechanical Engineering, Shahid Bahonar University, Kerman, Iran | ||
| چکیده [English] | ||
| In the present study, a MATLAB computer code has been prepared for the simulation of a multi-effect desalination unit with thermal vapor compression. The first step is to obtain the parameters’ effect on the performance, including motive steam flow rate, temperatures, and dimensions of the system. Comparison of the present simulation results with the data reported for an actual desalination system shows a good consistency. System performance in two different cases of extracted secondary vapor from the last effect and all effects is investigated. It is observed that a higher performance ratio and specific heat transfer area are obtained by receiving secondary vapor from the last effect. Finally, the genetic algorithm is used to maximize the performance ratio of the system which is considered as the fitness function. Optimization results show that one can achieve a performance ratio higher than 17 and specific heat consumption less than 107 kJ/kg for a system with 10 effects. | ||
| کلیدواژه‌ها [English] | ||
| Multi-effect distillation, genetic algorithm, Performance ratio, Fitness function, Thermal vapor compression | ||
|
سایر فایل های مرتبط با مقاله
|
||
| مراجع | ||
|
[1] US EPA: United States Environmental Protection Agency, https://www.epa.gov. [2] H. M. Ettouney and H. El-Dessouky, A simulator for thermal desalination processes, Desalination, 125 (1) (1999) 277-29. [3] H. El-Dessouky and H. M. Ettouney, Fundamentals of salt water desalination, Elsevier, 2002. [4] S. Al-Habshi, Simulation and economic study of the MED-TVC units at Umm Al-Nar desalination plant, Ph.D.Thesis, 2002. [5] J. Ji, R. Wang, L. Li, H. Ni, Simulation and analysis of a single‐effect thermal vapor‐compression desalination system at variable operation conditions, Chemical Engineering & Technology, 30 (12) (2007) 1633-1641. [6] S. Bigham, R. KouhiKamali, S. Noori Rahim Abadi, Two-phase flow numerical simulation and experimental verification of falling film evaporation on a horizontal tube bundle, Desalination and Water Treatment, 55 (8) (2015) 2009-2022. [7] R. Kouhikamali, A. S. Kojidi, M. Asgari, F. Alamolhoda, The effect of condensation and evaporation pressure drop on specific heat transfer surface area and energy consumption in MED–TVC plants, Desalination and Water Treatment, 46 (1) (2012) 68-74. [8] I. S. Al-Mutaz, I. Wazeer, Development of a steady-state mathematical model for MEE-TVC desalination plants, Desalination, 351 (2014) 9-18. [9] J. Leblanc, Solar Thermal Desalination- A Modelling and Experimental Study, Ph.D. Thesis, 2009. [10] H. Nezamabadi-pour, Genetic Algorithm: Basic Concepts and Advanced Topics, Shahid Bahonar University of Kerman, 2010. (in Persian) [11] M. M. Ashour, Steady state analysis of the Tripoli West LT-HT-MED plant, Desalination, 152 (1) (2003) 191-194. | ||
|
آمار تعداد مشاهده مقاله: 1,615 تعداد دریافت فایل اصل مقاله: 1,798 |
||
