@article { author = {Kazemi Mazandarani, Sayyed Rafi and Farzaneh-Gord, Mahmood and Shahmardan, Mohammad Mohsen and Esfahanipour, Akbar}, title = {Multi-objective Genetic Algorithm Optimization of Natural Gas Pressure Drop Station Heaters Using the Entropy Generation Minimization Method}, journal = {Amirkabir Journal of Mechanical Engineering}, volume = {55}, number = {1}, pages = {61-84}, year = {2023}, publisher = {Amirkabir University of Technology}, issn = {2008-6032}, eissn = {2476-3446}, doi = {10.22060/mej.2023.21773.7508}, abstract = {In recent years, with the continuous growth of natural gas consumption in Iran, the number of pressure drop stations has increased significantly. In throttling valves of these stations, the temperature drop due to the Joule-Thomson effect causes the gas to hydrate, freeze the valves, and block the transmission path. Hence, about 14,000 indirect-fired water-bath heaters have a duty for preheating high-pressure gas before entering them. Unfortunately, the 30% average efficiency of indirectly fired water-bath heaters wastes nearly one billion cubic meters of processed natural gas every year, equivalent to a 400 MW power plant capacity. In this article, intending to optimize, indirect-fired water-bath heaters were modeled thermodynamically and thermo-economically, and three objective functions including thermal efficiency, entropy generation number, and wasted cost number are defined and the mathematical model was proposed in two scenarios. Then the model was solved based on the multi-objective genetic algorithm, using the entropy generation minimization method, and the Pareto optimal fronts of the scenarios were determined. The model implementation results with a deviation of less than ±10% compared to the results of a real sample indicate its acceptable performance. Based on the techno-economic justified results, it is possible to improve the efficiency of indirectly fired water-bath heaters between 48 and 55% depending on the gas volume flow rate. The relations, curves, and dimensionless groups obtained, can be used as a reference for the optimal design of indirect-fired water-bath heaters. }, keywords = {Pressure drop station,heat exchanger,Water-bath heater,Thermal efficiency,Entropy generation}, title_fa = {بهینه‌سازی چندهدفة گرمکن‌های ایستگاه تقلیل فشار گاز بر پایة الگوریتم‌ژنتیک با استفاده از روش کمینه‌سازی‌آنتروپی‌تولیدی}, abstract_fa = {در سال‌های اخیر، با رشد روزافزون مصرف گاز طبیعی در ایران، تعداد ایستگاه‌های تقلیل‌فشار افزایش چشمگیری داشته‌است. در شیرهای فشارشکن این ایستگاه‌ها، افت دﻣﺎی ناشی از اثر ژول- تامسون موجب هیدراته‌شدن‌گاز، یخ‌زدگی شیرآلات و انسداد مسیر انتقال می‌گردد. بدین سبب حدود 14000 دستگاه گرمکن‌حمام‌آب قبل از ورود گاز پرفشار به این شیرها، وظیفة پیش‌گرمایش آن را برعهده دارند. شوربختانه، بازدهی با میانگین 30 درصدی این گرمکن‌ها، سالانه نزدیک به یک میلیارد متر مکعب گاز طبیعی فرآوری‌شده معادل با ظرفیت نیروگاهی 400 مگاواتی را به هدر می‌دهد. پژوهش حاضر با هدف بهینه‌سازی این گرمکن‌ها، درصدد برقراری مصالحة بین بیشینگی کارآیی و کمینگی اتلاف و هزینة آن‌هاست. در این مقاله، با مدل‌سازی ترمودینامیکی و ترمواکونومیکی گرمکن‌ها، سه تابع هدف شامل بازده‌حرارتی، عدد آنتروپی‌تولیدی و عدد هزینة تلف‌شده، تعریف و سپس مدل‌ریاضی مسأله در قالب دو سناریو پیشنهاد شده‌است. آنگاه حل مدل براساس یکی از تکنیک‌های الگوریتم ژنیتک چندهدفه، با استفادة از روش کمینه‌سازی آنتروپی تولیدی و بکارگیری هم‌زمان نرم‌افزارهای ایز و متلب انجام گرفته و جبهة بهینة پارتوی هر یک از این سناریوها تعیین گردیده‌است. نتایج حاصل از پیاده‌سازی مدل با انحراف کمتر از 10 ± درصد نسبت به نتایج یک نمونة واقعی، حکایت از عملکرد قابل قبول آن دارد. بر پایة این نتایج، بهبود بازده‌حرارتی این گرمکن‌ها بسته به دبی‌حجمی گاز در بازة بین 48 تا 55 درصد امکان‌پذیر و دارای توجیه فنی - اقتصادی است. این نتایج که در قالب روابط، منحنی‌ها و گروه‌های بی‌بعد ارائه شده‌است، می‌تواند به عنوان مرجعی برای طراحی بهینة گرمکن‌های‌حمام‌آب مورد استفاده قرارگیرد.}, keywords_fa = {ایستگاه تقلیل فشار,مبدل حرارتی,گرمکن غیرمستقیم,بازده‌حرارتی,آنتروپی تولیدی}, url = {https://mej.aut.ac.ir/article_5094.html}, eprint = {https://mej.aut.ac.ir/article_5094_890a8e50f7ef9fdfb9edd9041bb870bb.pdf} }