28065

بهينه‌سازي و مديريت هوشمند مصرف انرژي در سيستم‌هاي انرژي چندعامله با استفاده از الگوريتم‌هاي هوشمند

كارشناسي ارشد

مهندسي مكانيك گرايش تبديل انرژي

1398

1401/7/9

جناب آقاي دكتر سپهر صنايع

مهندسي مكانيك

سيستم‌هاي انرژي چندعامله، به صورت تركيب انرژي‌هاي تجديدپذير و ذخيره‌سازهايي مانند باتري و سيستم‌هاي كمكي مانند موتور گازسوز امروزه مورد استفاده قرار مي‌گيرند. با اين توجه، در اين پژوهش، يك سيستم هيبريد توليد كننده انرژي الكتريكي شامل سه توليدكننده ماژول‌هاي خورشيدي فتوولتاييك، توربين بادي و موتور گازسوز كه در آن باتري نيز به عنوان ذخيره‌سازي ايفاي نقش مي‌كند، در نظر گرفته شده و بهينه‌سازي در دو حالت تك‌هدفه و چندهدفه صورت گرفته و نتايج آن با يكديگر مقايسه مي‌شود. در بهينه‌سازي تك‌هدفه، در مرحله اول، تابع سود ساليانه قياسي (Comparative annual benefit (CAB)) به عنوان تابع هدف در نظر گرفته‌ مي‌شود و سايز سيستم بر اساس آن تعيين مي‌گردد. سپس، يك بهينه‌سازي پويا در مرحله دوم براي يافتن مقدار توان ساعتي توليدي ژنراتور با در نظر گرفتن هزينه‌هاي جاري (Operating cost) به عنوان تابع هدف انجام مي‌شود. حال آن كه در بهينه‌سازي چندهدفه، بازگشت سرمايه (Payback period) به عنوان تابع هدف در مرحله اول و بازدهي اگزرژي در مرحله دوم به توابع هدف اضافه مي‌شوند. بر اساس نتايج به دست آمده، مقادير بازدهي اگزرژي ساليانه، هزينه‌هاي هم‌سطح شده توليد برق و بازگشت سرمايه براي بهينه‌سازي چندهدفه، به ترتيب 11.66، 11.84 و 12.82% نسبت به حالت پايه بهبود مي‌يابند. اين در حالي است كه مقدار CAB براي بهينه‌سازي تك‌هدفه تنها به ميزان 1.37% از بهينه‌سازي چندهدفه بهتر است. با اين توجّه، بهينه‌سازي چندهدفه پيشنهاد شده داراي عملكرد فني-اقتصادي بهتري نسبت به بهينه‌سازي تك‌هدفه مي‌باشد.

1402/01/15

Optimization and Smart Management of Energy Consumption in Multi-Driven Energy SYSTEMS Using Evolutionary Algorithms

10/1/2023 12:00:00 AM

چكيده (انگليسي) Renewable energy systems have been considerably developed during the past years. In addition to the several advantages, they have also some shortcomings, such as not ability to meet the full load in some times of the year, including nights and times with low wind speed. Therefore, the hybrid systems in which renewable energy technologies are used along with storage units like batteries and auxiliary system such as generator are getting popular. Accordingly, in this work, a hybrid system that consists of PV modules, wind turbines, electrical generator, and battery is investigated, and it is optimized in two conditions, namely single-objective and multi-objective scenarios. The results are compared together, then. In single-objective optimization, in the first stage, the system size is determined by taking the comparative annual benefit (CAB) as the objective function, while a dynamic optimization with operating cost as the objective is conducted in the second stage to determine the hourly power production of electrical generator. On the other hand, in the multi-objective optimization, payback period and exergetic efficiency are added as the objective functions to the first and second stage, respectively. According to the results, the values of the annual average exergetic efficiency, levelized cost of electricity and payback period are 11.66, 11.84, and 12.82% better for the multi-objective optimization scenario whereas the single-objective scenario has only 1.37% greater CAB. In conclusion, the suggested multi-objective optimization procedure is found both technically and economically superior to the single-objective optimization case.

انرژي هاي تجديدپذير , سيستم‌هاي انرژي هيبريد , مدلسازي و مديريت هوشمند انرژي , بهينه سازي ديناميكي , بهينه‌سازي چندهدفه

renewable energy , Hybrid energy sistems , Modeling and smart energy management , Dynamic optimization , Multi-objective optimization

fariba maleki

dr.sepehr sanaye