管式换热器设计
新闻动态
应用遗传算法优化设计壳管式换热器点击：2178 日期：[ 2014-04-26 21:14:36 ] |
| 应用遗传算法优化设计壳管式换热器 李夔宁 张继广 李进 郭军峰 (重庆大学a.动力工程学院b.低品位能源利用技术及系统教育部重点实验室,重庆400044) 摘要：针对壳管式换热器传统设计方法繁杂且结果又不能满足最佳经济费用的缺点,引入遗传算法对壳管式换热器进行设计。建立了相应的数学模型并以设备总费用为目标函数,对换热器进行优化设计。利用遗传算法智能及多点搜索等特性,不断地迭代优化变量,在优化变量值和约束条件范围内,得到最小目标函数的设计结果。采用了2个实际算例进行测试,结果显示在满足换热性能的前提下,优化后总费用都有降低,降幅分别为18.2%,7.98%。 关键词:遗传算法;优化;费用;壳管式换热器 中图分类号:TK172.5文献标志码:A 文章编号:1000-582X(2011)08-97-06 壳管式换热器作为热力系统或者热力装备中的一个重要部件,对其进行优化是目前的研究热点。其中,在满足换热性能条件下尽量降低换热器成本是目前研究换热器的一个重要方向。基于遗传算法具有智能及多点搜索等特性,可以解决多类组合优化问题,故很多研究者将遗传算法引入到换热器的优化研究中来[1-4]。其中文献[4]采用遗传算法对翅片管换热器制冷剂管路连接进行优化设计,以换热器管路连接最短为目标,优化后总管长最大可以减少40%,以最大换热量为目标,优化后换热量最大可以增加7.4%。可见引入遗传算法可以使换热器设计参数在满足变量约束的前提下找到最佳值。针对壳管式换热器传统设计方法繁杂且结果又不能满足最佳经济费用的缺点,文中提出了基于遗传算法以总费用为目标函数的壳管式换热器优化设计方法。首先确定换热器的设计规格、基本结构形式和换热器设计的一些工艺参数;建立换热器的管、壳程换热及压降数学模型,找出各结构参数之间的联系;然后找出一个能计算出换热器总费用的模型公式,并设为目标函数;选择出一组优化变量,并确定其值范围及各约束条件范围;最后通过遗传算法,不断迭代优化变量,在优化变量值和约束条件范围内,得出最小目标函数的设计结果。 1·优化设计数学模型 优化设计前,要知道的换热器设计规格参数和工艺参数。设计规格参数有:壳管程流体分布,壳管程结构材料参数,折流板类型,管心距与管外径比值等。工艺参数有:换热器热负荷Q,壳程流体进出口温度Ts,i、Ts,o,管程流体进出口温度Tt,i、Tt,o,还有2种流体的质量流量ms、mt。后面6项数据中知道其中5个,可以根据能量平衡方程推出剩下那个。另外还有流体的污垢系数Rt、Rs及物理性质等其他参数可以通过查表获得。 壳管式换热器的设计计算主要包括管、壳程的传热计算和压降计算。 1.1换热计算模型 通过平均对数温差来计算换热面积A: 1.2.1管程压降计算 管程压降ΔPt分为4部分:一是流体流过直管因摩擦阻力引起的压力降ΔpL;二是流体流经管箱进出口的压力降Δpn;三是流体因局部阻力引起的压力降Δpr;四是流体流经转向区的压力降Δpz。 换热器管程压降计算如下[7]: 1.2.2壳程压降计算 根据换热器壳程区域的流动特征可以分成4个区域,每个区域可以分别计算。4个区域分别为入口管及出口管区、错流区、缺口区和壳体两端的区域,求得各个区域的压降后相加即得到总的壳程压降。计算公式如下: Δps=ΔPn+(Nb-1)ΔPc+NbΔPwz+ΔPec,(12) 式中:Δps为总壳程的压降;Δpn为出、入口管的压降;Δpc为一个错流区的压降;Δpwz为一个折流板缺口处的压降;Δpec为换热器两管板和换热器里最两边的折流板之间区域的压降;Nb为折流板数。各部分压降区域具体数学公式描述详见文献[8]。 1.3目标函数 目标函数根据优化设计的需求而定。采用换热器总费用作为目标函数,总费用等于投资费用与运行费用之和。使用遗传算法,通过不断迭代优化变量,找出在满足换热性能条件下总费用最小的换热器。 式中:η为泵效率,目标函数中的参数因换热器工作运行的时间和地点不同而不同,取年折旧率i=10%,每年的工作时间H=7 000 h,能耗CE=0.52元/kw·h,泵效率η=0.7,运行总年数ny=10用于计算。 2·优化变量及约束条件 优化变量的选取对优化设计过程是非常重要的。若优化变量选择不当,会使优化设计变得极其复杂,也可能会使优化设计难以进行。根据优化变量对总费用灵敏度的影响、模型公式包含及必须为独立变量3项要求,依次要求顺序选取优化变量。选取5个优化变量:管外径do、壳体内径Ds、管程N、折流板间距Bs、管布置角度θ,折流板缺口率Bc。各个优化变量的取值范围[7]为:管径do~[0.025 0.051];壳体内径Ds~[0.1 1.5];管程N~[1、2、4];折流板间距Bs~[0.05 0.5];管布置角度θ~[30°、45°、60°、90°];折流板缺口率Bc~[0.250.4]。 设计出的换热器应满足性能的需求,设计结果应满足设计标准的要求。优化变量的取值除了应有具体的范围外,还应满足一些约束条件的要求,如几何约束、速度约束、压降约束的要求。 几何约束包括以下规律[7]:管长L和壳体直径Ds之间的比例必须在3~5之间,3≤L/Ds≤5;折流板间距Bs与壳体直径Ds之间的比例必须在0.2~1.0之间,0.2≤Bs/Ds≤1.0。 为了减少污垢和侵蚀这些约束可表示速度约束。参考文献[11],管程速度必须服从下列范围:0.5 m/s≤vt≤2.5 m/s;相应的壳程流动速度约束:0.3 m/s≤vs≤1.5 m/s。 压降约束可由双方的流动压降上限值表示:管程压降ΔPt≤20 kPa,壳程压降ΔPs≤0.1 MPa。 3·遗传算法程序的实施 3.1遗传算法操作 遗传算法[12]相比于其他优化算法有智能性、灵活的个体编码、多点搜索能力、并行性等优点。随机初始群体产生以后,在此基础上经过选择、交叉和变异等遗传操作将产生新一代群体,如此反复进行该过程,群体不断得到优化,最终将收敛于最优解。遗传算法通过计算以换热器换热及压降数学模型为基础的设计程序,以目标函数为评价指标,不断更新优化变量,然后再传递给设计程序,上述步骤重复进行,直到找到最小目标函数,最后确定新的换热器结构。整个流程见图1。使用Matlab7.1的遗传算法工具箱求解换热器的优化问题。 3.2遗传算法运行参数的设定 遗传算法的运行参数[13]:种群数取80;交叉概率取0.8;变异概率取0.01;算法最大重复执行次数,取100代;随机初始种群采用均匀分布;采用Rank函数按适应度比例进行排序,消除原始适应度值的影响;挑选父辈时使用一个模拟的轮盘赌,个体在轮子上所占的区域与个体的期望值成正比,算法使用一个随机数选择一个概率与其相等的区域;在2个子种群间有个体迁移率取为0.2;在2次迁移间要经过的代数,其值取为20;如果适应度值在50代没有改进,则算法停止;如果最好适应度值20 s时间间隔内没有改进,则算法终止。 4·优化算例分析 4.1算例分析 举出2个研究算例来验证优化方案的有效性。2个换热器算例壳管程流体都为单相换热,壳管程结构采用不锈钢材料,折流板采用单弓形结构,管心距与管外径比值根据经验取为1.25。它们的工艺参数值由表1给出。通过遗传算法得到的最优换热器参数与文献上的设计值的对比在表2中给出,图2列出了算例优化前后总费用的比较。 例1,甲醇-海水换热器[14],设计成一壳程两管程结构,热负荷为4.34 MW。表2中可以看到,在优化后仍为此结构。换热管数和管径的减少使管内流体的速度增大,从而使管程压降大幅增加,虽然壳程压降略有降低,但无法改变运行费用增加17%的事实。同时,由于换热面积减少,投资费用减少了22.6%。总体来看,两者相抵,总费用减少18.2%。 例2,油-水换热器[15],设计成一壳程四管程结构,热负荷为4.5 MW。从表2中可以看到,优化后,改成一壳程两管程的结构。虽然换热管数的减少和管长的增加会造成管程流速一定程度的增加,但是由于四管程改成两管程,导致管程进口流通截面面积大幅增大,管内流速大幅减低,从而管程压降也降低,同时,折流板间距Bs与壳体直径Ds的增大又使壳程压降减少,运行费用下降。另外,换热面积的减少导致投资费用减小,两者相加,总费用减少7.98%。 4.2个别参数对目标函数的影响 为验证遗传算法优化的完整性,也考虑了泵效率和折旧率的变化对总成本带来的影响,评估遗传算法对选取参数变化的敏感性。 以例1作为研究对象,泵效率±0.1变化,其结果在表3中作出了对比。当泵效率增大时,管内流速逐渐增大,遗传算法通过减少换热管管数来减少换热面积,从而减少投资费用。因为泵效率的提高,运行费用减少5%,总费用减少2.05%。反之,泵效率降低时,总费用提高2.41%。可见,提高泵效率对换热器设计有很重要的意义。 表4为遗传算法对折旧率的敏感度。折旧率为±50%变化,当折旧率逐渐提高时,投资费用平均以2.68%的幅度降低,运行费用平均以6.92%的幅度降低,总费用平均以3.35%的幅度下降,反之亦然。说明折旧率的选取对换热器设计有重要的意义。 4.3分析讨论 在满足换热性能的前提下,上述2个算例优化后总费用都有所降低,降幅分别为18.2%,7.98%。第1个算例通过大幅降低投资费用抵消增加的运行费用达到总费用降低的效果,第2个算例通过换热器结构的改变,投资费用和运行费用都有所降低达到总费用下降的目的。验证了优化方案的可行性和有效性。在换热器设计中,增大流速可以提高换热器的换热系数,从而减小换热器的面积,减少投资费用;但同时也增大了换热器的压降,亦即增大了其运行费用。提高换热系数及降低压降是减少换热器总费用提高其经济效益的关键所在。通过遗传算法,在满足性能的前提下,以总费用为目标函数,把投资费用和运行费用综合起来考虑,可以达到设计需求。从提高换热器经济效益途径上看,减少换热器的运行费用是提高其经济效益的主要途径。 5·结论 利用遗传算法的全局搜索特性和对梯度信息的不依赖性,以设备总费用为目标函数,实现了壳管式换热器的最经济优化设计。通过2个实例计算表明,同传统设计方法相比,采用遗传算法设计的设备总经济费用可以有较大的降低。从而使设备在满足性能要求的前提下具有更好的经济性。遗传算法克服了传统方法的缺陷,使结果更符合工程应用要求,在换热器设计中具有广泛的应用前景。需要说明的是,由于换热器制造运行的复杂性,文中的总费用计算公式经过一定简化,在下一步的工作中需详细分析换热器结构制造运行费用(包括人力、物力等),以便使费用估算更符合实际。 参考文献:略 |
| 上一篇：转轮式全热换热器干燥剂涂覆工艺试验与分析 | 下一篇：板式空冷凝汽器在汽轮机乏汽冷凝系统中的应用 |