بهینه سازی مبادله کن گرمایی لوله پره دار با استفاده از روش جدید شاهین هریس و بررسی تاثیر استفاده از نانوذره بر تحلیل ترمودینامیکی آن

مبادله کن های گرمایی لوله پره دار در بسیاری از کارخانجات صنعتی مورد استفاده قرار می گیرند. صرفه جویی در مصرف انرژی و کاهش برگشت ناپذیری ها در استفاده از این تجهیزات اهمیت بسیاری دارد. در این تحقیق دو نانوذره گرافن و نقره در سیال درون لوله مورد استفاده قرار می گیرند و تاثیر آن ها بر پارامترهای ترمودینامیکی مبادله کن گرمایی مطالعه می شود. همچنین بهینه سازی چندهدفه مبادله کن گرمایی لوله پره دار با توابع هدف ضریب کلی انتقال گرما و افت فشار سیال سرد با استفاده از روش جدید الگوریتم شاهین هریس انجام می گیرد. نتایج تحقیق نشان داد که با افزایش کسر حجمی هر دو نانوذره، شاخص کارآیی مبادله کن گرمایی کاهش می یابد. همچنین مشاهده شد که در یک کسر حجمی معین از نانوذره، استفاده از نانوذره نقره نسبت به نانوذره گرافن تلفات انترنزی کمتری خواهد داشت. نتایج بهینه سازی نشان داد که در کسر حجمی نانوذره گرافن 0.0223، ضریب کلی انتقال گرما در مقایسه با مقدار اولیه آن قبل از   بهینه سازی حدود 2.5 برابر افزایش و افت فشار سیال سرد نیز به میزان %58 کاهش می یابد.

optimizing of a finned tube heat exchanger using the novel method of harris hawks and investigation of nanoparticle effects on its thermodynamic analysis

finned tube heat exchangers are used in many industrial factories. saving energy and reducing irreversibility in using these equipments is very important. in this research, graphene and silver nanoparticles are used in the tube side's fluid and their effect on the thermodynamic parameters of the heat exchanger is studied. also, a multi-objective optimization of the finned tube heatexchanger is conducted using the harris hawks optimization algorithm, with the overall heat transfer coefficient and cold fluidpressure drop as objective functions. the results showed that increasing the volume fraction of both nanoparticles led to a decreasein the heat exchanger efficiency index. furthermore, it was observed that at a given nanoparticle volume fraction, silvernanoparticles resulted in lower exergy losses compared to graphene nanoparticles. the optimization results indicated that with agraphene nanoparticle volume fraction of 0.0223, the overall heat transfer coefficient increased by approximately 2.5 timescompared to its initial value before optimization, while the cold fluid pressure drop decreased by 58%.