An Exergy-Based Multi-Objective Optimization Of A Heat Recovery Steam Generator (HRSG) In A Combined Cycle Power Plant (CCPP) Using Evolutionary Algorithm
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract In the present study, a heat recovery steam generator (HRSG) with a typical geometry and a number of pressure levels used at combined cycle power plants (CCPPs) is modeled. In order to validate the model results, they are compared with data obtained from the actual running power plant located near the Caspian Sea in Iran. The results show a good agreement between the model results and the experimental data. Upon a comprehensive exergy analysis conducted for this HRSG, the results show that an increase in the high and low drum pressures results in an increase in the HRSG exergy efficiency, while an increase in the pinch temperature leads to a decrease in the HRSG exergy efficiency. Also, a fast and elitist non-dominated sorting genetic algorithm (NSGA-II) with continuous and discrete variables is applied to obtain maximum exergy efficiency with minimum total annual cost per produced steam exergy as a two objective functions. The decision variables (or design parameters) are high and low drum pressures, steam mass flow rates, pinch point temperature differences, and the duct burner fuel consumption flow rate. The first objective function included capital or investment cost and operational cost and is minimized while satisfying a group of constraints, and HRSG exergy efficiency is maximized simultaneously. In addition, a regression analysis for curve fitting is conducted to correlate the data to determine the optimal points from the multi-objective optimization to predict the trend of each objective function. The results show that an increase in high pressure and low pressure drum pressure results in increasing HRSG exergy efficiency and also a smaller pinch temperature corresponding to a larger heat transfer surface area and more costly system, as well as higher exergy efficiency and lower operating cost. Keywords: HRSGEnergyExergy efficiencyMulti-objective optimizationGenetic algorithm
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle