عنوان پایان‌نامه
تحلیل پارامتریکی و بهینه سازی اثر افزودن اجکتور در یک سیکل تبرید اتوکسیکید بر روی نرخ تخریب اگزرژی اجتناب پذیر از دیدگاه اگزرژواکانامیک
- رشته تحصیلی
- مهندسی سیستم های انرژی - انرژی و محیط زیست
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1565;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79461;کتابخانه دانشکده محیط زیست شماره ثبت: ENV 1565;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 79461
- تاریخ دفاع
- ۳۱ شهریور ۱۳۹۵
- دانشجو
- سحر عسگری
- استاد راهنما
- علیرضا نورپور
- چکیده
- در این پژوهش، یک سیکل تبرید اتوکسکید درونی (سیستم 1) پیشنهاد شده که اثر افزودن اجکتور به آن (سیستم 2) مدل سازی و بهینه سازی شده است. برای این منظور در گام اول، این دو سیستم با استفاده از مفاهیم اگزرژی، اگزرژواکونومیک و اگزرژواینوایرومنت قراردادی مورد بحث و بررسی قرار گرفته اند و در گام بعد به منظور شناسایی درست پتانسیل واقعی برای بهبود عملکرد سیستم از نقطه نظر ترمودینامیکی، ترمواکونومیکی و زیست محیطی از تحلیل اگزرژی، اگزرژواکونومیک و اگزرژواینوایرومنت پیشرفته استفاده شده است که به صورت دو بخش درونی/ بیرونی و اجتناب پذیر/ اجتناب ناپذیر و ترکیبی از این دو مفاهیم است. همچنین مطالعه پارامتریکی جهت تحلیل حساسیت از دیدگاه انرژی، تخریب اگزرژی اجتناب پذیر کل، نرخ هزینه سرمایه گذاری اجتناب پذیر کل، نرخ هزینه تخریب اگزرژی اجتناب پذیر کل و اثرات زیست محیطی اجتناب پذیر کل نسبت به پارامترهای کلیدی از جمله جرم ورودی کمپرسور، دمای ورودی کندانسور، دمای ورودی تبخیر کننده ی یخچال و دمای ورودی تبخیر کننده ی فریزر صورت گرفته است. در گام آخر، بهینه سازی چند هدفه با استفاده از الگوریتم ژنتیک (NSGA-II) صورت گرفته تا مقادیر پارامترهای بهینه بدست آید. برای این منظور، سه تابع تخریب اگزرژی اجتناب پذیر کل، هزینه سرمایه گذاری اجتناب پذیر کل و هزینه تخریب اگزرژی اجتناب پذیر کل به عنوان تابع هدف انتخاب شدند تا ماکزیمم شوند. نتایج بهینه سازی به صورت مجموعه ای از نقاط بدست می آید و نمودارهای دو و سه بعدی پرتو فرنتر برای بهینه سازی چند هدفه ترسیم شده اند. نتایج حاصل از شبیه سازی نشان می دهد که از نقطه نظر ترمودینامیکی مقادیر ضریب عملکرد حرارتی، ضریب عملکرد اگزرژی و نرخ تخریب اگزرژی کل در سیستم دو به ترتیب %35/70، %43/29 و %32/56 نسبت به سیستم یک و از نقطه نظر ترمواکونومیکی نرخ هزینه محصولات %21/98 و از نقطه نظر زیست محیطی نرخ اثرات زیست محیطی محصولات %20/71 بهبود پیدا کرده اند. در واقع در شرایط عملیاتی یکسان، عملکرد سیستم دو بهتر از سیستم یک است و با افزودن اجکتور در جای مناسب از سیستم 1 علاوه بر اینکه مقادیر تخریب اگزرژی کل کاهش می یابد، می توان با هزینه و اثرات زیست محیطی کمتر به نتیجه ی مطلوب تری رسید.
- Abstract
- The exergy, exergoeconomic and exergoenvironmental analyses are conducted for an internal auto-cascade refrigerator (system 1) as well as modified cycle equipped with an ejector (system 2) in order to assess and compare the effect of key parameters, namely, , T3, T6 and freezer evaporator temperature, i.e. T11 and T12 in system 1 and 2, respectively on the exergetic, economic and environmental impact performances of both systems. Simulation results under the same operating conditions implies the better performance for system 2 relative to the system 1. Also this research deals with the advanced exergy and exergoeconomic analyses and multi-objective optimization of an internal auto-cascade refrigeration cycle (IARC). R600 is used as working fluid and all heat exchanger are modelled by considering the pressure drop. Sensitivity study are carried out to assess the variation of exergetic and economic improvement potentials namely total avoidable exergy destruction ( ), total avoidable exergy destruction cost ( ) and total avoidable investment cost rates ( ) to the compressor mass flow rate, condenser, refrigerator evaporator and freezer evaporator inlet temperatures. Parametric study indicates that the condenser inlet temperature growth improves the total avoidable exergy destruction within 88.19%, the total avoidable investment cost rate increases by about 126.92% and 3.68% as compressor inlet mass and refrigerator evaporator inlet temperature rise, respectively and the increment of refrigerator evaporator inlet temperature has a positive effect on the total avoidable exerg destruction cost rate. In addition, improvement potentials are maximized by applying NSGA-II (Non-dominated Sort Genetic Algorithm-II). The multi-objective optimization indicates 76.78%, 38.66% and 103.38% improvement in , and , respectively relative to the base point.
