28707

بهينه‌سازي انرژي، اگزرژي، اقتصادي و زيست‌محيطي سامانه تركيبي تجديدپذير آب-خورشيدي توليد هيدروژن با استفاده از يادگيري ماشين

كارشناسي ارشد

مهندسي سيستم‌هاي انرژي-انرژي و محيط زيست

1402

1402/4/28

دكتر ابولفضل احمدي

فناوري‌هاي نوين

با گسترش جمعيت و لزوم رفاه بيشتر، تامين انرژي مورد نياز بشر از اهميت خاصي برخوردار شده است. در سال‌هاي اخير، سامانه‌هاي توليد همزمان بويژه سامانه‌هاي بر مبناي فناوري‌هاي نوين، مورد توجه بسياري از محققان قرار گرفته است بطوريكه بازيابي گرماي حاصله از فرآيند‌هاي صنعتي و نيروگاهي از اهميت ويژه‌اي برخوردار شده است. در اين پژوهش يك نمونه چيدمان جديد بر مبناي بازفرآوري گرماي اتلافي در زيرسامانه‌هاي انرژي بكار رفته معرفي، تحليل و بهينه سازي شده است. تحليل انجام شده بر روي اين سامانه، ديدگاه‌هاي انرژي، اگزرژي، اگزرژي-اقتصادي و اگزرژي-محيط زيستي را در بر مي‌گيرد. پيكربندي ياد شده شامل سامانه توليد توان رانكين بخار، توربين گازي، پيل سوختي اكسيد جامد، متمركز كننده‌هاي خورشيدي سهموي خطي، چرخه رانكين آلي و واحد الكترولايزر توليد هيدروژن است. لازم به ذكر است كه از حرارت اتلافي خروجي از دودكش پيل سوختي براي پيش‌گرمايش سيال رانكين آلي با تكنيك موازي كردن 10 عدد پيل سوختي، در اين چرخه استفاده شده است. محاسبات ترموديناميكي لازمه در نرم افزار EES انجام شده و با استفاده از اعمال يك شبكه عصبي و با استفاده از الگوريتم گرگ خاكستري در MATLABبه بهينه‌سازي پرداخته شده است. نتايج نشان داده است كه اين سامانه در حالت بهينه داراي بازدهي انرژي و اگزرژي 73/52% و 74/56 است مقدار كل توان توليدي آن 1/133 مگاوات است. همچنين هزينه نهايي تجهيزات 3/2661 و ميزان انتشار آلايندگي تجهيزات بر اساس چرخه عمر 1025 پوينتس بر ساعت است. لازم به ذكر است كه هزينه همتراز شده توليد برق اين مجموعه 01/8 سنت بر كيلووات‌ساعت است. همچنين نتايج نشان داد كه با توجه به ميزان تابش متغيير، افزايش تابش خورشيدي از 350 تا 850 وات بر متر مربع موجب كاهش بازدهي انرژي از 88/55 به 09/45 درصد و بازدهي اگزرژي از 74/59 به 12/50 درصد و هزينه نهايي سامانه از 2657 به 2659 دلار بر كيلووات‌ساعت مي‌شود. همچنين اين مورد موجب تغييري در هزينه همتراز شده برق نمي‌شود.

1402/06/27

Hydrogen production by solar energy with a machine learning approach - Energy, Exergy, Exergoeconomic, and Exergoenvironmental analysis and optimization

7/18/2024 12:00:00 AM

With the expansion of the population and the need for more prosperity, the supply of energy needed by mankind has gained special importance. In recent years, cogeneration systems, especially systems based on renewable energy-based technology, have attracted the attention of many researchers, so that heat recovery from industrial and power plant processes has become particularly important. In this research, a new layout example based on waste heat recovery has been introduced, analyzed and optimized. The analysis performed on this system includes the perspectives of energy, exergy, exergyeconomic and exergyenvironment. The mentioned configuration includes steam Rankine cycle, gas cycle, solid oxide fuel cell, parabolic trough solar collector, organic Rankine cycle and hydrogen production electrolyzer unit. It should be mentioned that the waste heat from the fuel cell chimney has been used for preheating the organic Rankine fluid with the technique of paralleling 10 fuel cells in this cycle. The relevant thermodynamic calculations were performed in EES software and optimized by applying a neural network and using the gray wolf algorithm in MATLAB. The results have shown that this system has an optimal energy and exergy efficiency of 52.73% and 56.74%, its total output power is 129 MW. Also, the final cost of the equipment is 2656 $/h and the emission rate of the equipment based on the life cycle is 1025 Pts/h. It should be noted that the levelized cost of electricity production of this system is 8.01 Cent/kWh. Also, the results showed that according to the amount of variable radiation, the increase of solar radiation from 350 to 850 W/m2 decreases energy efficiency from 55.88% to 45.09% and exergy efficiency from 59.74% to 50.12% and the total cost of the system will be decreased from 2657 to 2659 $/kWh. Also, this case does not change the levelized cost of electricity of the system.

سامانه‌هاي توليد همزمان , يادگيري ماشين , متمركزكننده خورشيدي سهموي خطي , پيل سوختي اكسيد جامد , چرخه رانكين آلي , الگوريتم بهينه‌سازي گرگ خاكستري , توليد هيدروژن

Combined heat and power system , machine learning , hydrogen production , parabolic trough solar collector , solid oxide fuel cell , organic Rankine cycle , multi objective grey wolf optimizer

Mohammad Mahdi Forootan Arfa

Dr. Abolfazl Ahmadi