طراحی شبکه مبدل‌های حرارتی با درنظرگرفتن اُفت فشار و تعیین مسیر بهینه جریان‌ها در داخل لوله یا پوسته

در این تحقیق روش ساده و مفید برای پیداکردن مسیر مناسب جریان های سرد و گرم در داخل مبدل های حرارتی لوله پوسته در مسایل طراحی شبکه مبدل های حرارتی (hens) با درنظرگرفتن اُفت فشار جریان ها ارایه شده است. در حالت کلی، طراحی شبکه مبدل های حرارتی به کمک برنامه ریزی ریاضی منجر به بروز مشکلاتی می شود که به وسیله مدل های برنامه ریزی اعداد صحیح مخلوط غیرخطی. (minlp) پاسخ داده می شود. بهینه سازی چنین فرمولاسیون هایی به دلیل وجود متغیرهای پیوسته و گسسته باعث ایجاد مشکلاتی در همگرایی می شود. در این تحقیق به جای حل همزمان متغیرهای گسسته و پیوسته، از الگوریتم ژنتیک برای پیداکردن بهینه ساختار شبکه مبدل های حرارتی (متغیرهای گسسته) استفاده شده است. برای پیداکردن مقادیر بهینه متغیرهای پیوسته شبکه، با دسته بندی این نوع از متغیرها به دو گروه و استفاده از فرمولاسیون برنامه ریزی شبه خطی (qlp) به جای مدل برنامه ریزی غیرخطی (nlp)، از پیچیدگی حل مدل nlp نیز تا حدود زیادی کاسته شده است. مقادیر بهینه متغیرهای پیوسته و گسسته با توجه به یک تابع هدف مشترک که رسیدن به حداقل هزینه سالیانه شبکه مبدلی است، به دست می آیند. مقایسه روش پیشنهادی با مراجع نشان می دهد که این روش توانایی کاهش هزینه پمپاژ جریان ها تا حدود 0/76% را دارد.

Synthesis of Heat Exchanger Networks with Considering Pressure Drop and Finding Optimized Streams Path Inside Tube and Shell

In this research, taking into account the pressure drop of the streams, a simple and useful method is presented for finding the proper path of hot and cold streams inside shelltube heat exchangers in the synthesis of heat exchangers networks (HENs). Generally, the HENs synthesis by mathematical programming leads to the problems which are answered by Mixed Integer Non Linear Programming (MINLP) methods. Optimization of such formulations results convergence difficulties due to the existence of both continuous and integer variables. In this study, instead of solving simultaneously integer and continuous variables, the genetic algorithm was used to find optimal HEN structure (integer variables). To find optimal values for continuous variables of the network, by categorizing this type of variables into two groups and using Quasi Linear Programming (QLP) instead of the nonlinear programming model (NLP), the complexity of the NLP model solution is also greatly reduced. The optimal values of continuous and integer variables are obtained with respect to a common objective function that reaches the minimum annual cost of the HEN. The comparison of the proposed method with the references shows that this method has the ability to reduce the cost of pumping flows to about 0.76%.