fa بهینه‌سازی مصرف آب در سامانه هوای ورودی موتور توربین گاز به‌روش خنک‌کاری مه‌پاشی مديريت انرژي، بهینه سازی و اصلاح الگوی مصرف Energy Management, Conservation and Rational Use of Energy پژوهشي Research <span style="font-size:11pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="line-height:115%"><span style="font-family:Calibri,sans-serif"><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" mitra="" style="font-family:">مقاله حاضر به بررسی بهینه‌سازی فرآیند خنک‌کاری هوای ورودی به کمپرسور توربین گاز به روش مه‌پاشی می پردازد. مدل مطالعاتی در این کار، توربین گاز نوع</span></span></span><span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">LM2500</span></span></span> <span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">-</span></span></span> <span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">GE</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" mitra="" style="font-family:"> بوده و نتایج حاصل نشان داد که موثرترین عوامل در خنک‌سازی هوا، دبی جرمی آب ودبی جرمی هوا می‌باشد. رابطه بین این پارامترها از طریق مدل‌‌های ریاضی رگرسیون خطی و مرتبه دوم با هدف به حداقل رساندن مصرف آب و به حداکثر رساندن سرعت خنک‌سازی تعریف گردید. فرآیند مه‌پاشی در مجرای ورودی موتور به صورت دو فازی و با بهره‌گیری از شبیه‌سازی عددی مدل‌سازی شد. به منظور بهینه‌سازی، &nbsp;&nbsp;از الگوریتم ژنتیک چند هدفه </span></span></span><span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">(MOGA)</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" mitra="" style="font-family:"> وطراحی شبکه عصبی </span></span></span><span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">(CCD)</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span b="" mitra="" style="font-family:"> استفاده شد. مجموعه‌ای از مدل‌های بهینه‌یافته به‌صورت عددی مورد ارزیابی قرار گرفت و پس از انتخاب سه مدل برتر، بهترین مدل معرفی گردید. نتایج نشان می‌دهد که در مدل بهینه‌یافته، مصرف آب 46.5 درصد کاهش یافته و دمای هوای خروجی حدود 1 درصد بیشتر کاهش پیدا کرده است. علاوه بر این، توان خروجی توربین نیز در محدوده‌ی پایدار و قابل قبول باقی مانده است</span></span></span><span dir="LTR" style="font-size:10.0pt"><span style="line-height:115%"><span new="" roman="" style="font-family:" times="">.</span></span></span><span lang="FA" style="font-size:12.0pt"><span style="line-height:115%"><span style="font-family:"B Mitra""></span></span></span></span></span></span></span></span><br> &nbsp; <span style="font-size:11.0pt"><span style="line-height:115%"><span calibri="" style="font-family:">The present article examines the optimization of the cooling process of the air inlet of the gas turbine compressor by fogging method. The case study in this work is the GE-LM2500 gas turbine. The relationship between the water flow and the air flow is defined through linear and second-order regression mathematical models with the aim of minimizing water consumption and maximizing cooling speed. Then, using numerical analysis, the fogging process in the engine inlet duct is modeled in a two-phase manner. Also, MOGA algorithm and CCD neural network were used for optimization. A matrix of optimized models is numerically tested and after selecting the final three models, the best model is introduced for this process. According to the results obtained in the optimal model, water consumption has decreased by 46.5% and also, the air temperature has decreased by 1% more.</span></span></span> توربین گاز- هوای ورودی- مه‌پاشی- بهینه‌سازی -الگوریتم ژنتیک چند موضوعی Gas Turbine, Air Intake, Fogging, Optimization, Genetic Algorithm, Neural Network 31 50 http://necjournals.ir/browse.php?a_code=A-10-2852-1&slc_lang=fa&sid=1 Reza Aghee togh رضا آقایی طوق reza_tog@srbiau.ac.ir 10031947532846007608 10031947532846007608 Yes دانشگاه ازاد اسلامی واحد علوم و تحقیقات تهران Seyed Jamal Mousavi سیدجمال موسوی mousavi_aero@yahoo.com 10031947532846007609 10031947532846007609 No دانشگاه ازاد اسلامی واحد علوم و تحقیقات تهران