基于构形理论与遗传算法的HRSG多目标优化设计：热力性能与成本效益的协同提升

本研究针对联合循环电厂中HRSG（Heat Recovery Steam Generator）设计优化难题，创新性地结合Constructal Theory（构形理论）与遗传算法，建立了体积约束下的多目标优化框架。研究通过分析5种燃气轮机匹配的3种HRSG（单压/双压/三压）配置，实现18.3%的?损降低和15%的资本成本节约，为空间受限场景下的高效余热回收系统设计提供了新范式。

　　

在能源紧缺与碳中和背景下，燃气-蒸汽联合循环电厂的高效运行备受关注。作为关键设备的HRSG（Heat Recovery Steam Generator，余热锅炉）却面临"热效率-空间限制-成本控制"的三重矛盾。传统设计方法往往将热力学参数与几何参数分开优化，且忽视体积约束，导致船舶、建筑等空间敏感场景的应用受限。更棘手的是，不同容量燃气轮机（如5-633 kg/s流量范围）需要匹配差异化的压力级数（1P/2P/3P），现有研究缺乏系统化的选型指导。

针对这些挑战，研究人员在《Results in Engineering》发表创新成果，开创性地将Constructal Theory（构形理论）引入HRSG设计领域。该理论源自自然界流动系统演化规律，通过模拟"流动结构在约束空间内的自组织优化"机制，为同时解决热力性能与几何配置的耦合问题提供了全新思路。结合遗传算法（Genetic Algorithm）的多目标优化，研究团队建立了涵盖15-33个几何参数、10个温度变量的完整模型，最终实现AE V94.3A机组?损降低1.5MW（18.3%），蒸汽产量提升7.3-9.8%的突破。

关键技术方法包括：1）基于Constructal Theory建立体积约束下的几何演化模型；2）采用MATLAB遗传算法工具箱进行多目标（?损成本C_I与资本成本C_HRSG）优化；3）运用LMTD（Log Mean Temperature Difference）方法计算换热器ΔT_pinch；4）对5种典型燃气轮机（Solar Mars 100 GN至AE V94.3A）进行参数化分析。

【系统描述】研究首先建立了三类HRSG的完整数学模型：单压系统含4个换热段（省煤器、蒸发器、再热器、过热器），双压/三压系统分别增加1-2组独立压力回路。通过式约束总容积V=L_x×L_y×L_z≤2500m3，实现空间限制下的构形优化。

【优化结果】针对不同容量机组呈现显著差异：1）小流量机组（如Solar Mars 100 GN，42kg/s）最优选择1P-HRSG（74.3m3），2）中等机组（GE LM6000等）适用2P配置（205-2489m3），3）大容量机组（AE V94.3A，633kg/s）需3P系统（3017m3）。关键发现是：增加压力级数虽提升效率，但仅在特定体积阈值（如137m3）后才体现优势。

【性能提升】优化设计使关键参数显著改善：1）管径d_o优化至48.3-73mm范围；2）纵向节距比α_L稳定在1.5-4.5；3）Pinch point ΔT维持在10-12°C最佳区间。与文献对比显示，蒸汽产量提升5-10%，AE V94.3A机组?损降低1.5MW（图13）。

【经济性分析】通过CRF（Capital Recovery Factor）模型计算显示：三压系统虽增加21%初始成本（K_su=218.96 $/m2），但因?损成本C_IT降低（式28），10年周期内总成本反降15%。这验证了Constructal-Genetic联合优化框架的经济可行性。

该研究突破传统热力设备设计的思维局限，首次实现"几何构形-热力参数-成本控制"的三维协同优化。特别在船舶动力等空间受限领域，提出的体积约束优化方法可直接节省15%安装空间。方法论层面，构建的LMTD-?分析耦合模型（式21-23）为复杂换热系统优化提供了新范式。未来可扩展至燃料电池余热回收、数据中心冷却系统等领域，为能源高效利用提供普适性解决方案。