دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات60
تعداد شماره‌ها2,022
تعداد مقالات16,253
تعداد مشاهده مقاله42,478,886
تعداد دریافت فایل اصل مقاله24,313,712
شهرخی, محمود, فرهادی, محمد. (1403). بهینه‌سازی طراحی بویلرهای HRSG در نیروگاه‌های سیکل‌ترکیبی. سامانه مدیریت نشریات علمی, 22(72), 1-35. doi: 10.22054/jims.2024.75279.2873
محمود شهرخی; محمد فرهادی. "بهینه‌سازی طراحی بویلرهای HRSG در نیروگاه‌های سیکل‌ترکیبی". سامانه مدیریت نشریات علمی, 22, 72, 1403, 1-35. doi: 10.22054/jims.2024.75279.2873
شهرخی, محمود, فرهادی, محمد. (1403). 'بهینه‌سازی طراحی بویلرهای HRSG در نیروگاه‌های سیکل‌ترکیبی', سامانه مدیریت نشریات علمی, 22(72), pp. 1-35. doi: 10.22054/jims.2024.75279.2873
شهرخی, محمود, فرهادی, محمد. بهینه‌سازی طراحی بویلرهای HRSG در نیروگاه‌های سیکل‌ترکیبی. سامانه مدیریت نشریات علمی, 1403; 22(72): 1-35. doi: 10.22054/jims.2024.75279.2873

بهینه‌سازی طراحی بویلرهای HRSG در نیروگاه‌های سیکل‌ترکیبی

مطالعات مدیریت صنعتی
مقاله 1، دوره 22، شماره 72، فروردین 1403، صفحه 1-35    اصل مقاله (2.42 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/jims.2024.75279.2873
نویسندگان
محمود شهرخی* 1؛ محمد فرهادی2
1دانشیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران
2کارشناسی ارشد مهندسی صنایع، دانشکده مهندسی، دانشگاه کردستان، سنندج، ایران،
چکیده
در نیروگاه‌های سیکل‌ترکیبی تولید برق، به جای اینکه گازهای تولید شده از سوزاندن سوخت‌های فسیلی پس از چرخاندن توربین‌های گازی به اتمسفر رها شوند، جهت تولید بخار وارد بویلرهای بازیاب می‌شوند. بخار تولید شده توسط این بویلرها مجددا برای تولید برق در توربین‌های بخار استفاده می‌شوند. به این‌ترتیب راندمان تولید برق به نحو چشمگیری افزایش می‌یابد. بویلرهای بازیاب با صرف هزینه‌های زیاد ساخته شده و هرگونه خرابی آن‌ها موجب توقف بخشی از نیروگاه برق شده و هزینه‌های سرسام‌آوری را ایجاد می‌کنند؛ بنابراین بهینه‌سازی قابلیت‌اطمینان آن‌ها بسیار مهم می‌باشد. این مقاله به نحوه مدل‌سازی سیستم تغذیه آب بویلرهای بازیاب (HRSG) با استفاده از‌ ترسیم بلوک دیاگرام قابلیت‌اطمینان در دو حالت نیمه‌بار و تمام بار پرداخته و به این وسیله تفاوت دو طرح پیشنهاد شده برای آن‌ها را از نظر قابلیت‌اطمینان ارزیابی می‌کند. روش به کار رفته در این مقاله می‌تواند در ارزیابی و بهینه‌یابی قابلیت‌اطمینان بسیاری از سیستم‌های صنعتی دیگر نیز به کار رود.
کلیدواژه‌ها
بویلرهای HRSG؛ دیاگرام بلوکی قابلیت‌اطمینان (RBD)؛ بهینه‌سازی طراحی
مراجع
  1. سالاری، سعید.، کرباسیان، مهدی.، نیلی پور، اکبر.، خیامباشی، بیژن. (1392). تحلیل قابلیت اطمینان مجموعه یکسو­کننده در سیستم تولید برق زیردریایی هوشمند با استفاده از روش درخت خطا. اولین همایش ملی سامانه­های هوشمند دریایی. مجتمع دانشگاهی علوم و فناوری­های زیردریا. شاهین‌شهر. https://civilica.com/doc/236797
  2. غنی زاده، مهدی.، پولادی، جابر. (1395). بررسی عملکرد قابلیت اطمینان توربین بادی متصل به شبکه مبتنی بر روش بلوک دیاگرام.دومین کنفرانس بین­المللی یافته­های نوین پژوهشی در علوم، مهندسی و فناوری، وزارت علوم، تحقیقات و فناوری-دانشگاه صنعتی اصفهان- دانشکده برق و کامپیوتر.. https://civilica.com/doc/550435
  3. مهدوی، شهناز.، میری لواسانی، سیدمحمدرضا. (1393). ارزیابی قابلیت اطمینان جایگاه سوخت­رسانی CNG به روش دیاگرام بلوکی. سلامت کار ایران. 22-29. https://ioh.iums.ac.ir/article-1-1049-fa.html
  4. همدانی گلشن، محمد اسماعیل.، حقی فام، محمود رضا.، شایانفر، حیدر علی.، حاجیان حسین‌آبادی، حمزه. (1392). مدل‌سازی و ارزیابی قابلیت اطمینان سیستم‌های اتوماسیون پست. وزارت علوم، تحقیقات و فناوری- دانشگاه صنعتی اصفهان- دانشکده مهندسی برق و الکترونیک..https://library.iut.ac.ir/dL/search/default.aspx?Term=8115 &‌Field‌=0&DTC=107
  5. Alaswad, S., & Xiang, Y. (2017). A review on condition-based maintenance optimization models for stochastically deteriorating system. Reliability Engineering & System Safety, 157, 54-63. https://doi.org/10.1016/j.ress.2016.08.009
  6. Chojaczyk, A. A., Teixeira, A. P., Neves, L. C., Cardoso, J. B., & Soares, C. G. (2015). Review and application of artificial neural networks models in reliability analysis of steel structures. Structural Safety, 52, 78-89. https://doi.org/10.1016/j.strusafe.2014.09.002
  7. Ding, Y., Lin, Y., Peng, R., & Zuo, M. J. (2019). Approximate Reliability Evaluation of Large-Scale Multistate Series-Parallel Systems. IEEE Transactions on Reliability, 68(2), 539-553. https://doi.org/10.1109/TR.2019.2898459
  8. Gilberto, F., & Hoang, P. (2012). Thermal Power Plant Performance Analysis. Springer Series in Reliability Engineering, ISBN 978-1-4471-2308-8. https://doi.org/10.1007/978-1-4471-2309-5
  9. Kaushik, B., & Banka, H. (2015). Performance evaluation of approximated artificial neural network (AANN) algorithm for reliability improvement. Applied Soft Computing, 26, 303-314. https://doi.org/10.1016/j.asoc.2014.10.002
  10. Lehký, D., Slowik, O., & Novák, D. (2017). Reliability-based design: Artificial neural networks and double-loop reliability-based optimization approaches. Advances in Engineering Software, 117, 123-135. https://doi.org/10.1016/j.advengsoft.2017.06.013
  11. Levitin, G., & Xing, L. (2010). Reliability and performance of multi-state systems with propagated failures having selective effect. Reliability Engineering & System Safety, 95(6), 655-661. https://doi.org/10.1016/j.ress.2010.02.003
  12. Liu, J., & Zio, E. (2017). System dynamic reliability assessment and failure prognostics. Reliability Engineering & System Safety, 160, 21-36. https://doi.org/10.1016/j.ress.2016.12.003
  13. Patelli, E., Feng, G., Coolen, F. P., & Coolen-Maturi, T. (2017). Simulation methods for system reliability using the survival signature. Reliability Engineering & System Safety. https://doi.org/10.1016/j.ress.2017.06.018.
  14. Saro, L., Zanettin, C., & Božič, V. (2018). Reliability Analysis and Calculations for Different Power System Architectures based on Modular UPS. 2018 IEEE International Telecommunications Energy Conference (INTELEC), 1-8. https://doi.org/10.1109/INTLEC.2018.8612341
  15. Sayed, A., El-Shimy, M., El-Metwally, M., & Elshahed, M. (2019). Reliability, Availability and Maintainability Analysis for Grid-Connected Solar Photovoltaic Systems. Energies, 12(7), 12-13. https://doi.org/10.3390/en12071213
  16. Schneider, R., Thöns, S., & Straub, D. (2017). Reliability analysis and updating of deteriorating systems with subset simulation. Structural Safety, 64, 20-36. https://doi.org/10.1016/j.strusafe.2016.09.002
  17. Wang, W., Di Maio, F., & Zio, E. (2017). Three-Loop Monte Carlo Simulation Approach to Multi-State Physics Modeling for System Reliability Assessment. Reliability Engineering & System Safety, 167, 276-289. https://doi.org/10.1016/j.ress.2017.06.003
آمار
تعداد مشاهده مقاله: 491
تعداد دریافت فایل اصل مقاله: 434


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب
login