Professional Documents
Culture Documents
열시스템 시뮬레이션 및 최적설계
열시스템 시뮬레이션 및 최적설계
열시스템 시뮬레이션 및 최적 설계
Thermal System Simulation and Optimization
2017. 9.
담당교수 : 김 태 국
목 차
제1장 서론
제 2 장 Curve Fitting
❐ 에너지시스템
- 여러 가지의 요소기기들로서 구성
- 요소기기들 사이에는 작동유체의 이동을 위하여 관로 또는 duct등이 설치
- Continuous simulation
: 고려하고 있는 독립변수가 연속적으로 변하고 있을 때 system이 겪는 변화를 예측하는 분
석기법으로서 제어 및 동력학적 system에서 많이 채용되며, 일반적으로 output이 input 의 작
은 변화에도 급격히 변하는 경우에 많이 적용되고 있다.
❐ System simulation 의 종류
- Steady state simulation : 정상운전 상태에 대한 simulation.
→ Newton-Raphson 법, Hardy-Cross 법
- Unsteady state simulation : system의 기동(start-up) 및 정지(shutdown)에
대한 simulation 으로써 상미방 또는 편미방을
포함하는 수식
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 6 -
대학원 기계공학부 Thermal System Simulation/Optimization
⇒ x 에 대한 y 의 sensitivity = ∂∂yx
❐ Mathematical Model의 확보
- Component model : 이미 주어진 경우가 대부분.
예를 들면, 성능곡선 등의 형태로.
→ system simulation을 위하여 이러한 component에
대한 model을 curve fitting 등을 통하여 확보하여야 함.
- Component들 사이의 상관 관계.
→ Mass, Energy, Momentum등의 balance로 부터 유도.
2) 지수함수
f ( x) = a 0 + a 1 e x + a 2 e x/2 + ⋅⋅⋅⋅ + a n e x/n (2.4a)
여기서, 계수 a 0 ~a n 은 다음과 같이 결정된다.
1 e x e x /2 ⋯ e x /n
0 0
a f
o
0 0
1
⋮
e x e x /2 ⋯ e x /n
1
⋮ ⋮
1 1
a 1 = f 1
⋮ ⋮ ⋮
(2.4b)
1 e x e x /2
n n
⋯ e xn/n a n f n
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
<예 2.1> Pump head H 는 유량 Q 및 회전수 N 의 함수로서 다음의 그림 2.3 와 같이 표현
될 수 있다 [Hodge, 1990] ---
Pump head를 다음과 같이 유량 Q 의 이차함수로서 표현될 수 있다.
H = a 0 ( N )+ a 1( N )Q + a 2( N )Q 2 (2.8)
여기서, 계수 a 0~ a 2 는 회전수 N 의 2차함수로 각각 다음과 같이 표시될 수 있다.
a 0 ( N) = b 00+ b 01 N+ b 02N2
a 1 ( N)= b 10+ b 11 N+ b 12N2 (2.9)
a 2 ( N)= b 20+ b 21 N+ b 22N2
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 19 -
대학원 기계공학부 Thermal System Simulation/Optimization
2.3 Least squares curve fitting.
실험의 결과로 얻어진 자료등과 같이 주어진 data point 들이 불규칙적이어서 제 2.2절에서
와 같이 주어진 data 값을 정확하게 만족하도록 하는 다항식을 구할 경우 아래의 그림2.4에서
볼 수 있는 바와 같이 data 값들 사이의 값이 가능한 data 범위를 벗어나거나 또는 실제값이 보
일 수 있는 분포와 다른 모양을 한 다항식이 얻어지는 경우가 많다.
° : data point.
── : data point에 가장 근사한 simple function.
‥‥ : 고차의 다항식으로 data point 를 정확하게 지나도록 구한 방정식.
그림 2.4 실험 data point 의 수가 많은 경우의 curve fitting.
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 20 -
대학원 기계공학부 Thermal System Simulation/Optimization
f ( p) ≈a 0 + a 1 p + a 2 p 2 + ⋅⋅⋅ + a m p m
m+1
(2.11)
= ∑ a i - 1 pi - 1
i=0
f ( x) ≈a 0 + a 1 x+ a 2 x2 + ⋅⋅⋅ + a m xm
m+1
(2.12)
= ∑ a i - 1 xi - 1
i=0
point 값과 m order polynomial 함수의 값 사이의 차이가 모든 data point 들에서 최소가
th
∂S r n
= 0 = - 2 ∑ ( f i - a 0- a 1 xi - a 2 x2i - ⋯ - a m xmi )
∂a 0 i=1
∂S r n
= 0 = - 2 ∑ ( f i - a 0- a 1 xi - a 2 x2i - ⋯ - a m xmi )xi
∂a 1 i=1 (2.15)
⋮
∂S r n
= 0 =- 2 ∑ ( f i - a 0- a 1 xi - a 2 x2i - ⋯ - a m xmi )xmi
∂a m i=1
i=1
i i 0, a 1 ,a 2 , ⋯ a m) 에 대한 다항
식으로 표시될 수가 있다.
⋯
(2.16)
⋮
⋯
여기서, ∑≡ ∑ , n>m+1
n
m : polynomial의 차수
n ∑p i ∑p2i ⋯ ∑ pmi a 0 ∑f i
a 1 ∑p i f i
∑ p i
⋮
∑p2i
⋮
∑p3i
⋮
⋯ ∑pmi + 1
⋮
⋮
=
⋮
(2.18)
⋮ ⋮
∑p i ∑pmi + 1 ∑pmi + 2 ⋯ ∑ p2i m
m
∑ p i f i
m
a m
p = sin x (2.19a)
p = ex (2.19b)
⋅
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
<연습 문제>
2.1 f = f ( x) 인 형태의 data set 을 삼각함수를 이용한 polynomial curve fit 하기 위한
general computer program 을 작성하시오.
2.2 f = f ( x, y) 인 형태의 data set 을 polynomial curve fit 하기 위한 general computer
program 을 작성하시오.
2.3 n = 5 조의 data set을 m = 2 차 다항식을 이용하여 least squares curve fit 하기 위하여
필요한 관련 수식을 유도하는 과정을 보이시오.
2.4 f = f ( x) 인 형태의 n 조의 data set을 임의의 m 차 다항식을 이용하여 least squares
curve fit 하기 위한 general computer
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━ program 을 작성하시오.
L G
(3.1)
2
Δp fr iction = f
D 2 gρ
Dh = 4A
P (3.2)
여기서, A 는 관로의 단면적, P 는 접수길이를 각각 나타낸다.
관내 흐름에 대한 마찰계수 f 는 Reynolds 수 ( Re ) 와 상대조도 ( ε/D ) 의 함수이며, 이
D
f = a
Re D n
(3.3)
[( Re ) ] (3.4)
12 1/12
f = 8 8 + 1
D ( A + B ) 3/2
A = [ 2.457 ln {
( 7/ Re ) + 0.27 /D }]
여기서,
16
1
0.9
D ε
[ ]
16
B = 37,530
Re D
여기서, n ≈ 3 인 값을 갖는다.
이러한 세가지의 수식들 중에서 Churchill 이 제안한 수식이 정확도 면에서 가장 우수한 것
으로 발표되고 있다 [Chisholm, 1983; Hodge, 1990].
그림 3.2 Bend 에 대한 K 값.
http://web.cau.ac.kr/energy - 36 - Energy & Spectral Radiation Research Laboratory
대학원 기계공학부 Thermal System Simulation/Optimization
3.3 이상유동에 의한 압력강하.
3.3.1 물성 및 기본 물리량의 정의.
ρ : 밀도 [ kg/m ] 3
μ : 점성계수 [ N⋅s/m ] 2
k : 열전도율 [ W/m⋅K ]
C : 비열 [ J/kg⋅K ]
p
단면적으로 나눈 값.
GG : 기체의 질량유속 [ kg/m ⋅s]- 기체의 질량유량을 유로의 총
2
단면적으로 나눈 값.
증기의 건도 x 는 유체의 총 질량에 대한 기체의 질량비를 나타내며 다음과 같이 표시된다.
G
x = GG (3.10)
여기서, 증기의 건도 x 는 관의 단위 열전달 면적당 열전달량을 q̇ , 입구 건도를 x , 출구 1
h : 물의 증발 잠열 [ J/kg ]
LG
P : 유로의 perimeter [ m ]
A : 유로의 단면적 [ m ] 2
Δz : 유로의 길이 [ m ].
dx = q̇ P
dz G A h LG
(3.12)
= Ci
기공율 α 는 유로의 총 단면적 (또는 체적) 중에서 기체가 차지하는 면적(또는 체적)의 비를
나타내며, 다음과 같이 기체 또는 액체의 실제 속도( u 또는 u )를 이용하여 표시할 수 있다.
G L
VG
α=
uG (3.14a)
또는,
VL
α = 1-
uL (3.14b)
ρh =
1
x + ( 1 - x) (3.15)
ρG ρL
μh =
1
x + ( 1 - x) (3.16)
μG μL
서의 손실), - ( dp/dz) , 등으로 구분되며 이들 각각의 항목에 대하여 자세히 논의하고자 한다.
M
하여
- ( dp ) = - ( dp ) - ( dp ) - ( dp ) - ( dp ) (3.17)
dz TP dz dz
F Adz Z dz M
와 같이 산출될 수 있다.
- ( dpdz ) F
= - ( dpdz ) F, LO
φ 2LO (3.18)
여기서, φ 는 이상유동에 대한 압력강하 승수 (Two-phase frictional multiplier) 이며 일
2
LO
φ 2LO = E +
3.24F H
Fr 0.045 We 0.035
(3.19)
ρ L f GO
여기서, E = ( 1 - x) 2 + x2
ρ G f LO
F = x0.78 ( 1 - x) 0.224
( ) ( ) ( )
0.91 0.19 0.7
ρL μG μ
H= 1- G
ρG μL μL
Fr = G2
g d ρ 2h
: Froude number
G d
: Weber number
2
We =
σ ρ h
( )
dp
dz F, LO
= f LO 1 G2
d 2 gρ L (3.20)
여기서, f 는 액체만의 유동에 대한 마찰계수를 나타내며, 식 (3.4) 과 같이 계산될 수 있다.
LO
Δp fr iction ( )
= dp ⌠⌡ φ
2
LO dz
2
dz F, LO 1
(3.21)
≈ ( dp )
x2 - x1
2 C i { φ LO 2
2
( x ) + φ 2LO ( x1 ) }
dz F, LO
[
( dp/dz ) GO
]
1/2
Chishoim where Γ =
( dp/dz ) LO
B = f ( G , Γ)
CISE ( )
dp
dz TP =
KG
[
n
D
v 0.86 0.4
1.2
σ
]
: Lombardi where v = [ x/ρ G + ( 1 - x)/ρ L ]
K = f ( geometr y) , n = f ( geometr y)
Martinelli
φ 2LO = f n ( p , x)
-Nelson
[{ ( ( )) } ]
1/2 2
ρ
Smith- 2
φ LO = e ( 1 - x) + L x ( e ( 1 - x) + x) +(1- e )(1- x)
ρG
Macbeth
where e = 0.4
g dz ( x2 vG
α
+
( 1 - x) 2 vL
(1- α ) ) (3.22)
여기서, G : 총 질량유량 (total mass velocity)
x : 증기의 건도 (steam quality)
α : 기공율 (void fraction) (표 3.2 참조)
v , v : 증기 및 물의 비체적
G L
ρL x
여기서, β
y = 1-
β
, β =
ρ L x + ρ G ( 1 - x)
( ) ( )
0.22 - 0.08
E 1 = 1.578 Re - 0.19 ρL
ρG
, E 2 = 0.0237 We Re - 0.51 ρL
ρG
Re = G d , G d
2
We =
μL σ ρL
[ ( ) + ( 1 - x) ]
1/2
ρ
Chisholm S= x L
ρG
S= f( ) ρL
Thom
ρG
S= [
A - α +( 1 - A ) α ]
1-α
where
A = f ( p , G, X , ρ G, ρ L )
Bryce B
B = f ( p, ρ G , ρ L )
Δp acceler ation =
⌠⌡ ( dp )
2
dz
1dz A
(3.26)
≈G
g
2
{ x 2
2
α 2 ρ G2
+
( 1 - x2 )2
(1- α 2 ) ρ L2
-
x 2
1
α 1 ρ G1
-
( 1 - x1 ) 2
(1- α 1 ) ρ L1 }
sin
여기서, θ 는 수평면으로 부터 측정된 관로의 기울기 각도를 나타낸다.
따라서 위치 1 과 위치 2 사이에서 유체의 수두차이에 의한 압력차는 다음과 같이 사다리꼴
법칙 (trapezoidal rule) 을 이용하여 계산될 수 있다.
Δp elevation = sin θ⌠⌡ ρ ( z) dz
2
h
1
= sin θ ⌠ (3.28)
2
⌡ { α ρ + ( 1 - α) ρ
1
G L } dz
( x2 - x1 )
{( x1 ( 1 - x1 )
) +( x2 ( 1 - x2 )
) }
-1 -1
≈ sin θ + +
2Ci ρG ρL ρG ρL
( ) ( ) ( )
0.9 v 0.5 0.1
X = 1 - x L μL
x vG μG
Φ = 1+ ( ρL
ρG
-1 ) { B x( 1 - x) + x }
2
(3.33a)
K : 그림 3.2 참조. (3.33b)
여기서, B = 1+ 2.2
(
K 2+ R di )
R : 관의 중심선에서의 굽힘 반지름 [ m ]
di : 관의 안지름 [ m ]
2A 2 (3.35)
=f L V 2
D 2
또한, 밸브, orifice, 축소, 확대, 곡관 등에 의한 부차적인 손실은 다음과 같이 표현된다.
hM =ζM Q 2
2
2A (3.36)
= V 2
ζM
2
h = K ⋅Q 2 (3.37)
여기서, K= f L 1
D 2A 2 : 마찰 손실
K= ζ M 1 2
2A
: 부차적인 손실
으로써 가능하다. 수정유량 ΔQ를 구하기 위해서는 관로의 연결점에서의 압력이 유일한 값이여
야 한다는 조건을 적용하여야 한다. 식 (3.41)을 다음의 그림 3.4과 같은 임의의 i 번째 관로
(loop)에 적용하면 연결점에서 압력이 유일한 값으로 되기 위하여는 다음 식을 만족하여야 한다.
⋅⋅⋅
(3.42)
⋅⋅⋅
(3.44)
(3.45)
그림 3.6 자연순환 증발 관로
15mm ID
물 Q= 1000l/hr
( 20 C)
19mmID
Q2
그림 3.7 단순 관로망
3.4 관로망을 해석하는데 있어서 Hardy-Cross 법을 많이 사용한다. 만약 마찰압력 손실이
D 2A 와 같이 표현되고 f = C⋅Q 인 관계를 갖을 때 (C=상수) 그림 3.6과 같은 임의의
h =f L Q 2
1/2
f 2
d : 관의 바깥지름[ m ]
o
cp : 비열[ kJ/kg.K ]
λ LG : 증발잠열[ kJ/kg ]
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
ㅇ. System Simulation
- Steady state simulation
: 정상 상태로 운전되고 있는 system의 상태량 및 성능을 분석.
: 모델 방정식들은 비선형 연립 방정식으로 나타남
→ Multi-variable Newton-Raphson simulaltion method를 이용하여 해석.
ΔH i = a 0i + a 1i Q i + a 2i Q i2 , i = 1, 2 (4.1)
⇒ △H = a 1 01+ a 11 Q 1 + a 21 Q 21 : pump1 (4.2a)
△H = a 2 02+ a 12Q 2 + a 22 Q 22 : pump2 (4.2b)
△ L
H = gh + ( f D + K )
Q 2T
2A 2
(4.4)
fL
D : major frictional loss (관마찰)
K : minor frictional loss (축소,확대,bend, )
g : 중력 가속도
A : 관의 단면적
L : 관의 총길이
D : 관의 지름
─. 만약 근이 아닌 x 값에 대하여는
y( x) = f ( x) ≠ 0 (4.7)
⇒ y( x ) ≒ y' ( x )⋅( x - x )
t t t c (4.8)
x xc
y( x) = y( xc )+ y'( xc )⋅( x- xc )+ y″ xc ⋅ ⋯
(4.9)
└──→ 무시
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 73 -
대학원 기계공학부 Thermal System Simulation/Optimization
⇒ y( x) = y( xc )+ y'( xc )⋅( x- xc ) (4.10)
y( xc )= f ( xc ) (4.11a)
y' ( xc )≒ y' ( xt ) (4.11b)
xc 를 모르기 때문에 가정된 x 에서 y' 를 계산. t
⇒ y( x ) ≒ y' ( x )⋅( x - x )
t t t c (4.12)
⇒ y( x )
xc ≒ xt - y' ( xt )
t
(4.13a)
(4.13b)
n
n n yx
⇒ 또는 x ≒ x n
y′ x
y' ( x) : { 0이 아닌 경우
미분 결과를 쉽게 얻을 수 있을 경우 .
j
( ) ∙( x - a )
a
j j
(4.14)
+ 1
∑
n
∑
n
( 2
2! i = 1 j = 1 ∂xj∂xi )
∂ y ∙( x - a )( x - a )+⋯
i i j j
└──→ 무시
x1 = a 1
x2 = a 2
여기서 , x3 = a 3 등은 주어진 함수의 exact root 들이다.
⋮
xn = a n
( ∂∂xy )
j a
: 함수 y 의 x 에 대한 기울기를
j a 1, a 2 , a 3 ,⋯, a n 값에서 계산한
f 1 ( x1 , x2 , x3 )= 0 (4.15a)
f 2 ( x1 , x2 , x3 )= 0 (4.15b)
f 3 ( x1 , x2 , x3 )= 0 (4.15c)
( )
∂f
f 1 ( x1t , x2t , x3t)= f 1 ( x1c , x2c , x3c )+ ∂x1 ( x1t - x1c )
1 c
+ ( )
∂f 1
x2 c ( )
( x2t - x2c )+
∂f 1
( x - x3c )
∂ x3 c 3 t
→
+ ⋯ 무시
근사적으로
( ) ( )
∂f 1
∂x1 c
≈
∂f 1
∂x1 t
(4.17a)
( ∂x ) ( ∂x )
∂f 2
≈
2
∂f
c
2
2 t
(4.17b)
( ∂x ) ( ∂x )
∂f 3
≈
3
∂f
c
3
3 t
(4.17c)
함수 f2 및 f 에 대하여도,
3
( ) ∂f
f 2 ( x1t , x2t , x3t ) ≒ ∂x2
1
( ) (x -x )
t
( x1t - x1c ) +
∂f 2
∂x2 t
2t 2c
(4.18b)
( ) (x -x )
+
∂f 2
∂ x3 t
3t 3c
f ( x , x , x ) ≒ ( ∂x ) ( x - x ) + ( ∂ x ) ( x - x )
∂f 3 ∂f 3
3 1t 2t 3t
1 t
1t 1c
2 t
2t 2c
(4.18c)
+(
∂x )
∂f 3
(x -x ) 3t 3c
3 t
2. x ,x , x 를 가정
1t 2t 3t
∂f i
4. ∂xj 를 ( x1t , x2t , x3t ) 에서 계산. ( i = 1,2,3 . j = 1,2,3)
5. [ ] [ x -x ] = [ f ] ,
∂f i
∂xj it ic i ( i = 1,2,3 . j = 1,2,3) 로 주어진
Matrix의 해 [ xit - xic] i = 1,2,3 를 구한다.
6. ( xit ) new = ( xit) old -( xit- xic ) i = 1,2,3
로 부터 새로운 x 값들을 계산.
7. 6에서 계산된 새로운 x값들을 이용하여 3~6의 과정을 반복계산.
만약, max ( x - x )값이 어떤 허용치(ε)이하인 경우 수렴된 것으로 판단.
it ic
또는,
∂f 1 ∂f 1 ∂f 1 ∂f 1 x - x f 1
⋯ 1t 1c
∂x1 ∂x2 ∂x3 ∂xn
∂f 2 ∂f 2 ∂f 2 ∂f 2 x2t- x2c f 2
∂x1 ∂x2 ∂x3
⋯
∂xn
⋮
=
(4.21b)
⋮ ⋮ ⋮ ⋮ ⋮
∂f n ∂f n ∂f n ∂f n
⋯
f n t
∂x1 ∂x2 ∂x3 ∂xn t xnt - xnc
△
H = 740.0 +40.579Q 1 -39.21 Q 21
방정식 : △△
H=740.0+40.579Q 2 -39.21 Q 22
H=18.72Q 2T +300.0
Q T = Q 1+ Q 2
②.초기 가정치.
△H = 575, QT= 4, Q1= 2, Q2= 2
Pipe dia(I.D)=0.1722ft
Given (constant properties, 표 4.1 참조)
⇒ T ,T ,Q
e 2 1, Q 2, HX , HP, ξ : 7 unknowns.
-.압력강하, △P
⇒ 2gA 2
1
[ L
] L
Q 21 ( K ⋅f T + f 1 D 1 = 1 2 ⋅f 2⋅ D 2 ⋅Q 22 + HX - HP
1 2gA 2
(4.24)
-.Mass balance :
Q T = Q 1+ Q 2 (4.25)
-. 열교환기의 effectiveness, ξ
T 1 -T 2
ξ≡
T 1-T H O =
2
1 - exp [NTU( 1 - C )]
1 - C exp [- NTU( 1 - C )] (4.26)
: counterflow heat exchanger인 경우.
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 87 -
대학원 기계공학부 Thermal System Simulation/Optimization
여기서, NTU = CUA
min
f 1 ( Q T , Q 1 , Q 2 )= Q T - Q 1- Q 2= 0 (4.29a)
f 2 ( Q 1 , Q 2 , HX , HP, f 1 , f 2 )
[ L L
= 1 2 Q 21 ( K ⋅f T + f 1 1 )- Q 22⋅f 2⋅ 2 - HX + HP
2gA D1 D2 ] (4.29b)
=0
f 3 ( HX , Q 2 ) = HX - 0.0224Q 1.9
2 =0 (4.29c)
f 4 ( HP, Q 2 )= HP - 218.0-0.072Q 2+0.000704 Q 22 =0 (4.29d)
Q 1T 1 + Q 2 T 2
f 5 ( Q 1 , Q 2 , T e , T 2 )= T e - QT =0 (4.29e)
f 6 ( T 2 , ξ )= T 2- T 1+ ξ ( T 1- T H O )= 02
(4.29f)
f 7 ( ξ, NTU, C) = ξ- 11--Cexp [ - NTU( 1 - C )] = 0
exp [- NTU( 1 - C )] (4.29g)
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 89 -
대학원 기계공학부 Thermal System Simulation/Optimization
초기 가정 값 :
HP = 200
Q
Q 2 = Q 1= 2T = 125
<문3> Fig. 5-14(Hodge)에 주어진 Basic program을 FORTRAN으로 바꾸고 Example 5-3의
계산을 수행하여 page 351(p.352 Table 5-5)에 주어진 결과와 비교하여 볼 것.(note page 19에
주어진 함수들 f , f ,⋯, f 을 Newton-Raphson 법으로 해석하기위하여 linearize시키고 그 결과
1 2 7
식을 Matrix형태로 쓰시오.)
ㅇ.Modeling
-. Compressor characteristics.
*. Ideal isentropic compression power required
( r - 1)
[( ) ]
r
T1 P2
E c = m a ̇C p
ηc P1 -1 (4.30)
ηc : 등엔트로피 효율
--------- m ̇ , m ̇ , P 및 T 의 함수
a f 2 2
(4.35)
일반적으로 P 3≈ P 2 .
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 95 -
대학원 기계공학부 Thermal System Simulation/Optimization
―.Gas turbine : gas turbine 의 성능특성도 compressor의 특성과 유사하다. 그러나, gas
turbine의 성능은 turbine 입구와 온도 T 에 밀접한 관계가 있다. 3
[ ( ) ] (4.36)
( r - 1)/r
E t = m Ṫη tC PT 3 1 - P 1/P
3 2
m Ṫ = m a ̇ + m ḟ (4.37)
Et : turbine 총괄 출력.
E : compressor work
c
E : shaft출력
s
Instructions :
1. 단위계 { ②①.SIFPS단위계
단위계
.}
각각의 결과
2. Program 은 FORTRAN으로--- List 및 program diskette 첨부.
3. 결과에 대한 Discussion.
ψ 1 = ψ 1 ( x1 , x2 ,⋯xn )≤L 1
ψ 2 = ψ 2 ( x1 , x2 ,⋯xn )≤L 2
⋮ ⋮ ⋮ ⋮ inequality constraints. (5.3)
ψ j = ψ j ( x1 , x2 ,⋯xn )≤L j
φ 1 = φ 1 ( x1 , x2 ,⋯, xn )=0
φ 2 = φ 2 ( x1 , x2 ,⋯, xn )=0
⋮ ⋮
φ m = φ m ( x1 , x2 ,⋯, xn )= 0
} equality constraints. (5.7b)
i=1
i i (5.8)
: ( 이 방정식을 만족하는 x값들이 optimum values이다 )
φ 1 = φ 1 ( x1 , x2 ,⋯, xn )=0
φ 2 = φ 2 ( x1 , x2 ,⋯, xn )=0
⋮ ⋮
φ m = φ m ( x1 , x2 ,⋯, xn )= 0
} constraints (5.9)
φ 1 = φ 1 ( x1 , x2 ,⋯, xn )=0
φ 2 = φ 2 ( x1 , x2 ,⋯, xn )=0
⋮ ⋮
φ m = φ m ( x1 , x2 ,⋯, xn )=0
} : m equations (5.13)
➔
D = 0.7 [ m ]
}
L = 2 2 = 1.3 [ m ]
πD
최적 값.
➔ 이때의 최소 비용은 y= 1,777.45 $ 로 나타난다. ◆
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 117 -
대학원 기계공학부 Thermal System Simulation/Optimization
❐ 앞의 예제 8.2 는
- 제약조건이 있는 문제를 제약조건이 없는 문제로 바꾸어서 Lagrange multiplier법을 이용
하여 해석하는 과정을 보여주고 있음
❐ 다음의 예제 8.3에서는
- 제약조건이 있는 문제에 대하여 직접 Lagrange multiplier 식을 적용함으로써 문제를 해석
할 수도 있다.
제약조건식 :
50πD 2L =100 : constraint. (5.22a)
→ φ = 50πD 2L -100=0 (5.22b)
▽y - ∑ λ ▽φ =0
m
i=1
i i (5.23)
제약조건식이 하나이므로 m=1 이며, 윗 식은 다음과 같이 표현될 수 있다.
▽y - λ ▽φ = 0 (5.24)
여기서, ∇y 및 ∇φ 각각 다음과 같이 나타낼 수 있다.
= [ 2.5×1100D L + 320L ]ˆ
1.5
i 1 + [ 1100D +320D ] ˆ
2.5
i2
= [100πDL ] ˆ
i 1 + [ 50πD ]ˆ
i2 2
dx1 =-
( ∂y
∂x2 ) dx (5.29b)
( ∂y
∂x1 ) 2
dx1ˆ
i 1 + dx2ˆi2
T̂ =
dx21 + dx22
=
- {( ) ( )}
∂y / ∂y dx ˆ
∂x2 ∂x1 2 i 1 + dx2 ˆ
i2
(5.31)
{( )( )
∂y / ∂y ⋅dx 2 + dx2
∂x2 ∂x1 2 } 2
- ∂y ˆ i + ∂y ˆ i
∂x 1
2 ∂x 2 1
=
( ) +( )
∂y ∂y
2 2
∂x2 ∂x1
▽ y∣ = ( ) ( )
∂y + ∂y (5.32b)
2 2
∣ G∣ = ∣ ∂x1 ∂x2
∂y ˆ i + ∂y ˆi
∂x1 ∂x2 2
(5.33)
1
Ĝ = G =
∣ G∣
( ) ( )
∂y 2 + ∂y 2
∂x1 ∂x2
T̂⋅ Ĝ =
( )( ∂∂xy ) + ( ∂∂xy )( ∂∂xy )
- ∂y
∂x1 2 1 2
=0 (5.34)
( ∂x ) ( ∂x )
∂y + ∂y 2 2
1 2
그림 5.5 함수 y 의 기울기(Gradient) 벡터
제약함수 : x1 x2 2 = 48 또는
▽y = ( ∂∂xy1
) ( )
i1+
ˆ ∂y ˆi = 2ˆ
∂x2 2
i 1 + 3ˆ
i2 (5.35a)
▽y - λ ▽ φ = ( 2 - λ x 2
2
)ˆ
i 1 +( 3 - 2 λ x1x2 )ˆ
i2 = 0 (5.36)
{ 2 - λ x2 2 = 0
3 -2 λ x1x2 = 0
x1 x2 2 = 48
(5.37)
{x1 =3 , x2 = 4 , λ = 1/8 }
▽y (5.38)
λ=
▽φ
목적함수 : y = y ( x)
최적치 : x = a 1
dx 2! dx
로 매우 작은 값을 갖는다.
d y ∼0
및 ( x- a ) ∼ 0
2
2
1
dx 2
수 있다.
만약 dy > 0
dx ; * y ( x) > y ( a ) for x > a
1 1
→ y ( a )은 최소값.
1
→ y ( a )은 최소가 아님.
1
만약 dy < 0
dx ; * y ( x) < y ( a ) for x > a
1 1
→ y ( a )은 최소가 아님.
1
→ y ( a )은 최소.
1
dy d y ( x- a ) 2
(5.41)
2
1
y ( x ) ≒ y( a 1 ) + dx ( x- a 1 ) + 2! 1
dx2
같은 판정기준을 얻을 수 있다.
⋅
d 2y > 0
dx2
이면 : 최적치는 최소값을 나타냄
⋅
d 2y < 0
dx2
이면 : 최적치 최대값을 나타냄
여기서,
y 11'' ≡ ∂ 2y
∂ x1 2
(5.43a)
y 12'' ≡ ∂x∂ ∂yx (5.43b)
2
1 2
2 1
y
(5.43d)
2
y 22'' ≡ ∂
∂ x2 2
D>0
y 11'' > 0 } : y 는 Minimum 값
D>0
y 11'' < 0 } : y 는 Maximum 값
D<0
y 11'' > 0 } : y 는 Maximum 값
D<0
y 11'' < 0 } : y 는 Maximum 값
1
2! [
∂ 2y ( x - x * ) 2 + ∂ 2y ( x - x * )( x - x * )+⋯ + ∂ 2y ( x - x * )( x - x * )
∂ x1 2 1 1 ∂x1∂x2 1 1 2 2 ∂x1∂xn 1 1 n n
+ ⋅⋅⋅⋅⋅
⋅
⋅
⋅
+ ∂ y ( x1 - x1 * )( xn - xn * ) + ∂ y ( x2 - x2 * )( xn - xn * )+⋯ + ∂ y 2 ( xn - xn * ) 2
2
∂xn ∂x1
2
∂xn ∂x2
2
∂ xn ]
+ ⋅⋅⋅⋅
(5.44)
-. | ∂∂xy | (5.37a)
2
2
1
∂ y 2
∂ 2y
-. ∂ x 2
1
∂x1∂x2
(5.47b)
∂ y2
∂ y
2
∂x ∂x
1 2 ∂ x2 2
⋅
⋅
⋅
∂ 2y ∂ 2y ∂ 2y
∂x ⋯
1 ∂x1∂x2 ∂x1∂xn
∂ y 2
∂ 2y ∂ 2y
-.
∂x1∂x2
∂x2 2
⋯
∂x2∂xn
(5.47c)
⋮ ⋮ ⋮ ⋮
∂ 2y ∂ 2y ∂ 2y
⋯
∂x1∂xn ∂x2∂xn ∂xn 2
▽y = 0 (5.49a)
or
∂y ˆ
∂x1
i 1 + ∂y ˆ
∂x2
i 2 + ∂y ˆi =0
∂x3 3 (5.49b)
①. Optimum 값의 결정.
∂y = 0 = x - 1
{
∂x1 2
x1 x3
2
∂y = 0 = x - 4
x1 * = 0.5
⇒ ∂x2 1
x2 2
⇒ x2 * = 2.828
∂y = 0 = - 1 +1 x3 * = 1.414
∂x1 x1 2 x3
11.31 1 2
⇒ H = 1 0.354 0
2 0 1.414
| 11.31
1 0.354 |
1 = 3.0
11.31 1 2
1 0.354 0 = 2.831 모두 (+)
2 0 1.414
constraint :
φ 1 ( x1 , x2 , x3 ,⋯, xn ) = f 1 ( x1 , x2 , x3 ,⋯, xn ) - H 1 = 0 (5.51a)
φ 2 ( x1 , x2 , x3 ,⋯, xn ) = f 2 ( x1 , x2 , x3 ,⋯, xn ) - H 2 = 0 (5.51b)
⋅
⋅
⋅
▽y - ∑ λ ▽φ
m
i=1
i i =0 (5.52)
φ 1 ( x1 , x2 , x3 ,⋯, xn ) = 0 (5.53a)
φ 2 ( x1 , x2 , x3 ,⋯, xn ) = 0 (5.53b)
⋅
⋅
⋅
φ m ( x1 , x2 , x3 ,⋯, xn ) = 0 (5.53c)
SC 1 = ∂∂Hy = λ 1
1
SC 2 = ∂∂Hy = λ 2
(5.54)
2
⋮
SC m = ∂∂Hy = λ m
m
② 간접적인 방법.
ex). 용기내의 온도 T에 대한 조건 : T ≤ 320℃
→ 1. 위의 온도 제약조건을 무시한 상태에서 최적조건을 구한다. 이
ㅇ. 압력강하.
y = △P + △P1 2 (5.55)
= 2.1×10 F 10 2
1 +3.6×10
10
F 22
▽y = ∂y ˆi + ∂y ˆ i
∂F 1 ∂F 2 2
(5.57a)
1
= 4.2×10 10
F1 ˆ
i 1 +7.2×10 10 F 2 ˆ
i2
▽φ = ˆi + ˆi
1 2 (5.57b)
▽y - λ ▽φ = 0 (5.58)
( 4.2 ×10 10 F 1 - λ ) = 0
( 7.2 ×10 10 F 2 - λ ) = 0
∴ F1 = λ
4.2×10 10
= 0.0063
F2 = λ = 0.00368
7.2×10 10
→ F 1* + F 2* = λ ( 1
4.7×10 10
+ 1
7.2×10 10 ) = 0.01
∴ λ = 2.6526×10 8
F 1 + F 2 ≥ 0.01 (5.59)
△y = 0
= 4.2×10 10F 1ˆ
i 1 + 7.2×10 10F 2ˆ
i2
i= 1
i
[
= 32 + ( 90 - 32 ) 1 - exp - ( UA 1
ṁC P )] (5.63)
= 60.22 [ ℃]
S= ( 60(10centsJ ) - 23(10centsJ ) )⋅ ṁ C
9 9 P ( t0 - ti ) (5.64)
A 1 + A 2+ A 3+ A 4 = 1000 [ m 2 ] (5.65)
http://web.cau.ac.kr/energy - 166 - Energy & Spectral Radiation Research Laboratory
대학원 기계공학부 Thermal System Simulation/Optimization
5.4 Calculus of variations
and Dynamic Programming
1) Euler-Lagrange Equation (calculus of variations method)
I= ⌠ (5.66)
x2
⌡ x1
F ( x, y, y' ) dx
∂F - d ∂F
∂y dx ∂y' ( )=0 (5.67)
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 167 -
대학원 기계공학부 Thermal System Simulation/Optimization
- 함수 Y = Y ( x) : y 로 부터 약간 벗어나는 함수.
I = I( ε) = ⌠ (5.69)
x2
⌡x1
F( x, Y, Y ' )dx
I ( ε ) = I 0 + ∂I∂( ε )
ε ∣ ε=0
⋅ε + ∂ 2I ( ε )
∂ε 2 ∣ ε=0
⋅ ε 2
2
+ ⋅⋅⋅ (5.70)
∂I ( ε )
) [
= ∂ ⌠⌡ x2
F ( x, Y, Y ' )dx ] =0 (5.71)
∂ε ε=0 ∂ε x1 ε=0
여기서, ∂
∂ε 은 x 와 무관하므로
[ ⌠⌡x2
x1
∂ F ( x, Y, Y ' )dx
∂ε ] ε=0
=0 (5.72)
∂ F ( x, Y, Y ' ) = ∂F ∂x + ∂F ∂Y + ∂F ∂Y '
∂ε ∂x ∂ε ∂Y ∂ε ∂Y ' ∂ ε
(5.73)
∂x =
∂ε 0 : ε 과 x 는 서로 무관하므로
∂Y =
∂ε η 및 ∂Y ' = '
∂ε η : Y = y + ε⋅η 이므로
⌠⌡ ( ∂F η +
x2
∂F '
) dx = 0 (5.74)
x1 ∂Y ∂Y ' η ε=0
여기서, ε =0 인 경우 { Y =y
Y ' =y ' } 이므로 식 (5.74)는 다음과 같이 표현될 수 있다.
⌠⌡ x2
( ∂F ⋅ dx +
) ⌠⌡x2
( ∂∂y'F ⋅ ')dx = 0 (5.75a)
x1 ∂y η x1
η
또는,
⌠⌡ x2
∂F ⋅ dx + ∂F ⋅ '
∣
x2
-⌠
⌡
x2
η⋅
d ( ∂F/∂y ' ) dx
(5.75b)
x1 ∂y η ∂y' η x1 x1 dx
여기서,
∣ (5.76)
x2
∂F ' =0
∂y' η x1
또한 η ( x1 ) 및 η ( x )는 모두 0 이므로 식 (5.75)은
2
⌠⌡ [ ∂F
x2
]
- d ( ∂F/∂y' ) ⋅η dx = 0 (5.77)
∂y
x1 dx
윗식을 다시 쓰면,
∂F - d
∂y dx ( ∂∂y'F ) = ∂y ( ∂∂y'F ) dx
∂F - ∂
∂x dx
(5.79)
- ∂ ( ∂F ) dy - ∂ ( ∂F ) dy'
∂y ∂y' dx ∂y ∂y' dx
'
또는,
또는,
F y- F y' y' y'' - F y y' y' = 0 (5.81)
함수 F 에 따라
①. F = F ( y ' ) 인 경우.
F y' y' y'' = 0 (5.82)
만약 F y' y'≠ 0 ; y'' = 0 → y = c 1x+c 2 : solution (5.83)
②. F = F ( y ', x) 인 경우.
또는
m P ' = m' + 0.2( p 1 -100) (5.89b)
E P = m p' ( p 1 -100)
= 15m' + p 2-100
그리고, 탱크내부의 압력은 p 2 = 100 +0.5m 와 같으므로 펌프의 토출압력( p - 100 )은 다음과 1
같이 정리된다.
p 1 -100 = 15m' + 0.5m
Euler-Lagrange equation에 적용
∂ F - ∂ 2F -
∂m ∂t ∂m'
∂ 2F m'' -
∂m' ∂m'
∂ 2F m' = 0
∂m ∂m' (5.91)
또는
∂F = 3.5m' + 0.1m
∂m
→ ∂ 2F
∂m ∂m'
= 3.5
∂F = 3.5m + 120m'
∂m'
→ ∂ 2F
∂m' ∂m'
= 120 (5.92)
(
∂ ∂F
∂t ∂m' ) =0
http://web.cau.ac.kr/energy Energy & Spectral Radiation Research Laboratory
- 180 -
대학원 기계공학부 Thermal System Simulation/Optimization
→ 3.5m' + 0.1m- 120m''- 3.5m' = 0
→ 120m'' - 0.1m = 0
→ m'' - 0.0008333m = 0
<해>
m ( 0 ) = 0 이므로 C 2 = 0
m = C 1 sinh (0.02887t )
m ( 120 ) = 180 이므로
→ C 1 = 11.28
*. constraint:
J= ⌠ (5.94)
x2
⌡ G ( x, y, y' ) dx
x1
여기서, J는 상수
→ Euler-lagrange equation for this case
∂( F - λG ) - d
∂y dx [ ∂( F∂-y'λG ) ] = 0 (5.95)
J= ⌠ (5.96)
x2
⌡ G ( x, y, y' ) dx
x1