شماره ركورد
13356
عنوان
كاربرد شبكه عصبي مصنوعي در بررسي فني اقتصادي سيستم هاي ذخيره انرژي در نيروگاه هاي مبتني بر انرژي تجديد پذير
سال تحصيل
1402
استاد راهنما
آقاي دكتر مقيمي
چکيده
در دنياي امروز، افزايش تقاضاي انرژي و نياز به استفاده بهينه از منابع تجديدپذير، اهميت استفاده از سيستمهاي ذخيره انرژي را بيش از پيش برجسته كرده است. سيستمهاي ذخيره انرژي به عنوان يكي از راهكارهاي اصلي براي بهبود پايداري شبكههاي انرژي و كاهش نوسانات توليد و مصرف انرژي معرفي شدهاند. در اين سمينار، ابتدا اهميت و ضرورت استفاده از سيستمهاي ذخيره انرژي مورد بررسي قرار ميگيرد و چالشها و فرصتهاي مرتبط با آن تشريح ميشود.در ادامه، انواع مختلف سيستمهاي ذخيره انرژي از جمله باتريها، سيستمهاي ذخيره انرژي حرارتي، سيستمهاي ذخيره انرژي مكانيكي و سيستمهاي ذخيره انرژي هوافشرده (CAES) معرفي و مشخصات فني و عملكردي هر يك به تفصيل بررسي ميشود. در اين بخش، مزايا و معايب هر نوع سيستم ذخيره انرژي مورد بحث قرار ميگيرد.به طور خاص، سيستم ذخيره انرژي هوافشرده به عنوان يكي از تكنولوژيهاي نوين و كارآمد در حوزه ذخيره انرژي انتخاب شده و جزئيات فني و عملياتي آن مورد بررسي قرار ميگيرد. تحليلهاي انرژي، اگزرژي و اقتصادي بر روي اين سيستم انجام شده و نتايج حاصله با ديگر سيستمهاي ذخيره انرژي مقايسه ميشوند.در بخش نهايي سمينار، بهينهسازي سيستم ذخيره انرژي هوافشرده با استفاده از الگوريتمهاي مختلف هوش مصنوعي مورد بحث قرار ميگيرد. الگوريتمهاي يادگيري ماشين و بهينهسازي چندهدفه به كار گرفته شده و نقاط بهينه براي عملكرد سيستم شناسايي ميشوند. نتايج اين بهينهسازيها ميتواند بهبود قابل توجهي در كارايي و اقتصادي بودن سيستم ذخيره انرژي هوافشرده به همراه داشته باشد.در پايان، با ارائه تحليلهاي جامع و نتايج بهينهسازي، راهكارهاي عملي براي پيادهسازي و بهرهبرداري از سيستمهاي ذخيره انرژي هوافشرده در مقياسهاي مختلف ارائه ميشود. اين سمينار به مخاطبان كمك ميكند تا با درك بهتري از سيستمهاي ذخيره انرژي و روشهاي بهينهسازي آنها، تصميمات بهتري در زمينه استفاده و توسعه اين تكنولوژيها اتخاذ كنند.
نام دانشجو
سيدرضا سيدعظيمي
تاريخ ارائه
6/9/2024 12:00:00 AM
متن كامل
82808
پديد آورنده
سيدرضا سيدعظيمي
تاريخ ورود اطلاعات
1403/03/21
عنوان به انگليسي
Application of artificial neural network in technical and economic evaluation of energy storage systems in renewable energy based power plants