تحلیل اگزرژی و بهینه سازی سیکل رانکین در نیروگاه های بخار با استفاده از الگوریتم زنبورها

در این مطالعه، آنالیز اگزرژی یک نیروگاه بخار تولید برق که با سیکل ترمودینامیکی رانکین کار می کند مورد بررسی قرار گرفته است. نیروگاه زرند واقع در استان کرمان یک نیروگاه بخار است که در این مطالعه مورد بررسی قرار گرفته است. بازده اگزرژی معیاری بسیار مناسب برای تحلیل یک سیکل ترمودینامیکی می باشد. برای بهینه کردن فرآیند و حصول بازده اگزرژی بالاتر ، پارامتر هایی به عنوان متغیرهای تصمیم گیری در نظر گرفته شده اند و با تغییر این پارامترها سعی در بالابردن بازده اگزرژی شده است. با آگاهی از اینکه امکان تغییر در بازه ای معین در برخی از پارامتر های پروسه تولید برق در نیروگاه وجود دارد، متغیرهای تصمیم گیری انتخاب شده اند. دما و فشار خروجی از بویلر و فشارهای خروجی از چهار مرحله زیرکش توربین، به عنوان شش متغیر تصمیم گیری انتخاب شده اند. الگوریتم بهینه سازی به کمک رفتار زنبور های عسل یکی از الگوریتم های هوشمند نسبتا جدید در بهینه سازی مسائل بوده که با الگو گرفتن از رفتار و عمل زنبور های عسل برای یافتن غذا، فرایند بهینه سازی را انجام می دهد. در این مطالعه ابتدا بهینه سازی تابع بازده اگزرژی نیروگاه بخار انجام می شود سپس با نتایج الگوریتم های بهینه سازی ژنتیک و تجمیع ذرات مقایسه می شود. نتایج این بررسی نشان می دهد که در صورت تغییر مناسب در متغیرهای تصمیم گیری و بکارگیری الگوریتم زنبورهای عسل، می توان بازده اگزرژی نیروگاه حرارتی مورد بررسی را از 30/1 درصد به 30/6675 درصد رساند. این افزایش معادل 0/5675 درصد برای سیکل خواهد بود که نسبت به بکار گیری الگوریتم ژنتیک 0/0038 درصد و نسبت به بکارگیری الگوریتم تجمع ذرات 0/0036 درصد بهتر خواهد بود .

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

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.Keywords: Exergy efficiency; Bees algorithm; Rankine cycle; thermal power plant