Monivaiheisen höyryturbiinin optimointi

Tässä diplomityössä optimoitiin nelivaiheinen 1 MWe höyryturbiinin prototyyppimalli evoluutioalgoritmien avulla sekä tutkittiin optimoinnista saatuja kustannushyötyjä. Optimoinnissa käytettiin DE – algoritmia. Optimointi saatiin toimimaan, mutta optimoinnissa käytetyn laskentasovelluksen (semiempiirisiin yhtälöihin perustuvat mallit) luonteesta johtuen optimoinnin tarkkuus CFD – laskennalla suoritettuun tarkastusmallinnukseen verrattuna oli jonkin verran toivottua pienempi. Tulosten em. epätarkkuus olisi tuskin ollut vältettävissä, sillä ongelma johtui puoliempiirisiin laskentamalleihin liittyvistä lähtöoletusongelmista sekä epävarmuudesta sovitteiden absoluuttisista pätevyysalueista. Optimoinnin onnistumisen kannalta tällainen algebrallinen mallinnus oli kuitenkin välttämätöntä, koska esim. CFD-laskentaa ei olisi mitenkään voitu tehdä jokaisella optimointiaskeleella. Optimoinnin aikana ongelmia esiintyi silti konetehojen riittävyydessä sekä sellaisen sopivan rankaisumallin löytämisessä, joka pitäisi algoritmin matemaattisesti sallitulla alueella, muttei rajoittaisi liikaa optimoinnin edistymistä. Loput ongelmat johtuivat sovelluksen uutuudesta sekä täsmällisyysongelmista sovitteiden pätevyysalueiden käsittelyssä. Vaikka optimoinnista saatujen tulosten tarkkuus ei ollut aivan tavoitteen mukainen, oli niillä kuitenkin koneensuunnittelua edullisesti ohjaava vaikutus. DE – algoritmin avulla suoritetulla optimoinnilla saatiin turbiinista noin 2,2 % enemmän tehoja, joka tarkoittaa noin 15 000 € konekohtaista kustannushyötyä. Tämä on yritykselle erittäin merkittävä konekohtainen kustannushyöty. Loppujen lopuksi voitaneen sanoa, etteivät evoluutioalgoritmit olleet parhaimmillaan prototyyppituotteen optimoinnissa. Evoluutioalgoritmeilla teknisten laitteiden optimoinnissa piilee valtavasti mahdollisuuksia, mutta se vaatii kypsän sovelluskohteen, joka tunnetaan jo entuudestaan erinomaisesti tai on yksinkertainen ja aukottomasti laskettavissa.

A prototype model of a four staged 1 MWe steam turbine was optimized in this master’s thesis with the help of evolution algorithms. Also the cost-benefits of the optimization were inspected. In the optimization there were used DE-algorithm. Optimization was made to run but because of the application used in the optimization (models based on semi-empiric equations) the accuracy of the optimization was slightly lesser than hoped compared to the control modelling executed with CFD-calculation. The mentioned inaccuracy could hardly have been avoided because of the problems with initial presumption involving semi-empiric calculations and also of the uncertainty of functions’ absolute areas of qualification. This kind of algebraic modelling was essential for the success of the optimization because e.g. CFD-calculation could not have been done on each step of the optimization. During the optimization some problems occurred with the adequacy of the computer capacity and with finding the suitable solution that would keep the algorithms within mathematically allowable boundaries but wouldn’t restrict too much the progress of the optimization. The rest of the problems were due to the novelty of the application and problems with preciseness when handling the functions’ areas of qualification. Although the accuracy of the optimization results wasn’t exactly in accordance with the objective, they did have a favourable effect on the designing of the turbine. The optimization executed with the help of DE-algorithm got about 2,2 % more power out of the turbine which means about 15 000 € cost-benefit per turbine. This is a very remarkable cost-benefit per turbine for a company. After all we can say that evolution algorithms weren’t at their best in the optimization of a prototype product. There are countless possibilities in the optimization of technical appliances with evolution algorithms but it requires a mature application that is already well-known or is very simple and calculable without gaps.