An Exergy-Based Multi-Objective Optimization Of A Heat Recovery Steam Generator (HRSG) In A Combined Cycle Power Plant (CCPP) Using Evolutionary Algorithm
Notice bibliographique
Résumé
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.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».