دانلود تحقیق آماده در قالب word با عنوان میکروتوربین ۲۰ ص

میکروتوربین میکروتوربینها در واقع توربینهای گازی کوچکی هستند که معمولاً ظرفیت آنها بین 30 تا 500 کیلووات می‌‌باشد. اجزای اصلی یک میکروتوربین در شکل2 نشان داده شده است. در یک میکروتوربین هوا توسط یک کمپرسور جریان شعاعی (سانتریفوژ) متراکم شده و سپس در یک مبدل حرارتی رکوپراتور توسط گازهای گرم خروجی از توربین، پیش گرم می‌شود. آنگاه هوای گرم شده در محفظه احتراق با سوخت مخلوط شده و محترق می‌گردند. گازهای داغ حاصل از احتراق که فشار و دمای بالایی دارند، در یک توربین منبسط شده و از این طریق روی توربین کار انجام می‌دهند. سپس این کار توسط یک ژنراتور به توان الکتریسیته تبدیل می‌شود. کار حاصل از انبساط با چرخاندن توربین، باعث حرکت دادن کمپرسور نیز می‌شود. سرانجام گازهای خروجی از توربین انبساط به مبدل حرارتی رکوپراتور رفته و باعث پیش گرم شدن هوای خروجی از کمپرسور می‌شود. اکثر طرحهای میکروتوربین‌ها تک محوره می‌باشد که از یک ژنراتور مغناطیس دائم سرعت بالا، برای تولید ولتاژ و فرکانس متغیر جریان متناوب (AC) استفاده می‌شود. بیشتر واحدهای میکروتوربین‌ها برای مصارف دائمی طراحی می‌شوند که می‌توان برای افزایش راندمان، گرما را نیز بازیافت کرد.

بهینه سازی چند هدفه ترمو-اقتصادی میکروتوربین گازی با استفاده از شبکه عصبی نوع GMDH و الگوریتم تکاملی

میکروتوربین های گازی از جمله فناوری های نوین تولید پراکنده می باشد که در سال های اخیر مورد توجه بسیار بوده است.
هدف مقاله حاضر در وهله اول، مد ل سازی ترمودینامیکی یک سیستم میکروتوربین گازی تک شفتی با رکوپراتور می باشد. از
تحلیل انرژی و اگزرژی به عنوان یک ابزار توانمند در تعیین عملکرد میکروتوربین گازی، بهره گرفته شده است. اعمال معادلات
اقتصادی زمانی میسر است که تمامی مشخصات ترمودینامیکی سیکل، از مدل سازی ترمودینامیکی تعیین شده باشد. لذا پس از
تحلیل کامل انرژی و اگزرژی، هزینه تجهیزات و سوخت مصرفی میکروتوربین با استفاده از معادلات اقتصادی تعیین شده است.
همچنین هزینه تخریب اگزرژی به عنوان یک پارامتر موثر در عملکرد سیکل، با استفاده از تحلیل اگزرژی بدست آمده است. با
استفاده از هزینه سوخت و تجهیزات و همچنین هزینه تخریب اگزرژی، تابع هدف هزینه استخراج شده است. تابع هدف دیگر
در این مقاله، راندمان قانون دوم سیکل در نظر گرفته شده است. ابتدا به منظور مشخص کردن اثر متغیر های اصلی طراحی بر
توابع هدف، مطالعه پارامتری انجام گرفته است سپس به منظور بهینه سازی با توجه به اینکه مقادیر به دست آمده از مدل سازی
که یکی از پرکاربردترین شبکه های عصبی GMDH سیکل، به صورت پیوسته نبوده است، با استفاده از شبکه عصبی نوع
است و ا ز توانایی بالایی در مدل سازی داده های پیچیده برخوردار است، توابع هدف مورد نظر تخمین زده شد و سپس
بهینه سازی همزمان توابع هدف انجام شده است. مشاهده شد بیشترین راندمان اگزرژی، % 44 و کمترین هزینه کل 36 دلار در
هر ساعت می باشد.