Multi-Objective Optimization of a Geothermal Steam Turbine Combined With Reverse Osmosis and Multi-Effect Desalination for Sustainable Freshwater Production
Notice bibliographique
Résumé
Abstract A novel geothermal desalination system is proposed and optimized in terms of maximizing the exergy efficiency and minimizing the total cost rate of the system. The system includes a geothermal steam turbine with a flash chamber, a reverse osmosis unit, and a multi-effect distillation system. First, exergy and economic analyses of the system are performed using Engineering Equation software. Then, an artificial neural network is used to develop a mathematical function linking input design variables and objective functions for this system. Finally, a multi-objective optimization is carried out using a genetic algorithm to determine the optimum solutions. The Utopian method is used to select the favorable solution from the optimal solutions in the Pareto frontier. Also, the distributions of the values of design variables within their allowable ranges are investigated. It is found that the optimum exergy efficiency and total cost rate of the geothermal desalination system are 29.6% and 3410 $/h, respectively. Increasing the seawater salinity and decreasing the intake geothermal water temperature result in an improvement in both exergy efficiency and total cost rate of the system, while variations in the flash pressure and turbine outlet pressure lead to a conflict between the exergy efficiency and the total cost rate of the geothermal desalination system over the range of their variations.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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 ».