بکارگیری شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت بهینه سازی عملکرد چیلر جذبی دو اثره جریان موازی

بهینه سازی چیلرهای جذبی به علت عدم دسترسی به توابع عملکرد انها کار بسیار مشکلی است. در این مقاله جهت حل این مشکل از شبکه عصبی جهت شناسایی تابع عملکرد یک چیلر جذبی دو اثره جریان موازی با ظرفیت 350KW استفاده شده است. به کمک شبکه عصبی ، رابطه ای تحلیلی برای ضریب عملکرد چیلر جذبی و بار حرارتی کندانسور بر حسب برخی از پارامترهای مهم داخلی نظیر دبی محلول، نسبت گردش محلول، غظلت محلول ونسبت توزیع محلول به دست آمده است. جهت شناسایی تابه عملکرد چیلر از یک شبکه عصبی پرسپترون دو لایه استفاده شده است. مقادیر مورد نیاز جهت آموزش و تست شبکه عصبی، از ملدسازی ترمودینامیکی سیکل عملکرد چیلر جذبی بدست امده اند. نتایج شبیه سازی نشان میدهند که شبکه عصبی طراحی شده برای داده های تست دقت بسیار مناسبی دارد. سپس بابکارگیری تابع عملکرد بدست آمده از شبکه عصبی و استفاده از الگوریتم ژنتیک، مقدار بهینه ای برای پارامترهای داخلی نظیر دبی محلول، نسبت گردش محلول، غلظت محلول و نسبت توزیع محلول جهت افزایش مقدارضریب عملکرد چیلر و کاهش بار حرارتی کندانسور استخراج گردید.

کلیدواژه ها:

چیلر جذبی دو اثره جریان موازی ، شبکه های عصبی ، الگوریتم ژنتیک