دانشگاه تربیت مدرس مهندسی مکانیک مدرس 2476-6909 16 1 2016 03 20 Multi- objective optimization for recuperator of microturbine using genetic algorithm بهینه سازی چند هدفه رکوپراتور میکروتوربین با استفاده از الگوریتم ژنتیک 111 120 9078 FA پیمان مقصودی کارشناسی ارشد پدرام حنفی زاده استادیار دانشگاه تهران دانشکده م مکانیک Journal Article 1970 01 01 In this paper, multi objective genetic algorithm is applied to optimize one type of recuperator in a 200 kW microturbine by considering two key parameters such as recuperator efficiency and cost. ε-NTU method is selected for the recuperator efficiency and pressure drop calculation. The recuperator total cost consists of capital cost, operational cost and maintenance cost. A plate-fin heat exchanger with offset strip fin for counter and cross flow arrangements is chosen for optimization. Fin pitch, fin height, fin offset length, cold stream flow length, non-flow stream length and hot stream flow length are considered as six design parameters. NSGA-II (Non-dominated Sorting Genetic Algorithm) is conducted to maximize recuperator efficiency and minimize its total cost. Results of the optimization are presented as a set of designs, called ‘Pareto-optimal solutions’. The results reveal the confliction between the two objective functions. It can be concluded that any change in the geometry of the recuperator increasing the efficiency also increases the total cost and vice versa. Finally, the optimal designs are compared together based on non-dominated sorting concept and the final optimal designs are obtained. در این مقاله رکوپراتور یک میکروتوربین200 kW با در نظر گرفتن هزینه و کارایی به عنوان پارامترهای کلیدی، با الگوریتم ژنتیک چند هدفه بهینه‌سازی شده است. از روش ε-NTU برای تخمین کارایی و افت فشار استفاده شده است. هزینه کلی رکوپراتور شامل هزینه سرمایه‌گذاری، هزینه کارکرد و هزینه تعمیرات و نگهداری می‌باشد. مبدل حرارتی صفحه پره‌دار با پره نواری و آرایش جریان متقاطع و مخالف برای بهینه‌سازی انتخاب شده است. گام پره، ارتفاع پره، طول نوار، طول مسیر جریان سرد، طول مسیر بدون جریان و طول مسیر جریان گرم به عنوان شش پارامتر طراحی در نظر گرفته شده‌اند. الگوریتم ژنتیک با مرتب‌سازی نامغلوب2 برای بیشینه کردن کارایی رکوپراتور و کمینه کردن هزینه کلی آن به عنوان توابع هدف استفاده شده است. جواب‌های بهینه‌سازی به صورت مجموعه‌ای از جواب‌های بهینه به نام منحنی بهینه پارتو ارائه شدند. نتایج، تضاد دو تابع هدف را به خوبی نشان می‌دهند، به عبارتی دیگر هر تغییر در پارامترهای هندسی که کارایی را افزایش دهد هزینه را هم افزایش می‌دهد و بالعکس. در انتها طرح‌های بهینه بدست آمده بر اساس مفهوم مرتب‌سازی نامغلوب با یکدیگر مقایسه شدند و طرح‌های بهینه نهایی بدست آمدند. https://mme.modares.ac.ir/article_9078_6c7de1f27f7de61a6daddfffbe05c058.pdf