Dynamic modeling of clean electricity generation based on transient simulation method and response surface methodology

Subject Areas : Power Engineering and Energy Management

Abbas Motallebi ¹ , seyed ahmad shayan nia ² , Medi Amirmiandaragh ³ , ebrahim niknaghsh ⁴

1 - Faculty of Management, Islamic Azad University, Firuzkoh branch, Firozkoh, Tehran, Iran
2 - Department of Industrial Management, Islamic Azad University, Firoozkooh Branch, Firoozkooh, Iran.
3 - Department of Mathematics, Islamic Azad University, Firuzkoh Branch, Tehran, Iran
4 - Faculty of industrial Management, Islamic Azad University, firozkoh branch, firozkoh,Tehran, Iran

Received: 2024-03-09 Accepted : 2024-05-17 Published : 2024-07-31

Keywords: Simulation, dynamic modeling, response surface, transient simulation.,

Abstract :

This article examines the simulation, optimization and dynamic modeling of a multi-source energy production system. This system includes solar panels and CCHP devices as the main energy production equipment and the target functions also include: total electricity consumption, total gas consumption, CCHP fuel consumption as well as return on investment, as the economic and energy response of the system. Further analysis of the dynamic results of the system includes: temperature changes, efficiency and average daily electricity produced by solar panels, average daily absorbed energy in solar collectors, hourly changes in electricity demand, electricity produced by solar panels and electricity produced by CCHP, the hourly changes in electricity demand, the total electricity produced and the hourly changes in gas consumption demand of the system and the complex will be investigated throughout the year. The results show that the utility distribution in the optimization section is 0.735. This number showes that the system is in a suitable and ideal state and the return on investment can be justified with 1.64 years. Also, even though the amount of solar radiation is higher in the hot months of the year, but due to the increase in the temperature of the solar cell, the efficiency of the solar panel decreases. These systems are also able to use solar energy to provide part of the heating needs of the complex’s hot water system. The design and use of the combined optimal system of CCHP and solar panels allow the complex to fully and sustainably supply its electricity needs provide and even sell the excess amount of electricity to the public power grid and use it as a source of additional income.

References:

[1] M. A. Obalanlege, J. Xu, C. N. Markides, and Y. Mahmoudi, “Techno-economic analysis of a hybrid photovoltaic-thermal solar-assisted heat pump system for domestic hot water and power generation,” Renewable Energy, vol. 196, pp. 720–736, Aug. 2022, doi: https://doi.org/10.1016/j.renene.2022.07.044.
[2] D. Lopez-Pascual, I. Valiente-Blanco, O. Manzano-Narro, M. Fernandez-Munoz, and E. Diez-Jimenez, “Experimental characterization of a geothermal cooling system for enhancement of the efficiency of solar photovoltaic panels,” Energy Reports, vol. 8, pp. 756–763, Nov. 2022, doi: https://doi.org/10.1016/j.egyr.2022.10.154.
[3] S. Pater, “Long-Term Performance Analysis Using TRNSYS Software of Hybrid Systems with PV-T,” Energies, vol. 14, no. 21, p. 6921, Oct. 2021, doi: https://doi.org/10.3390/en14216921.
[4] A. Al-Manea, R. Al-Rbaihat, H. T. Kadhim, A. Alahmer, T. Yusafand K. Egab, “Experimental and Numerical Study to Develop TRANSYS Model for an Active Flat Plate Solar Collector with an Internally Serpentine Tube Receiver”, vol. 15, Aug. 2022, doi: 10.1016/j.ijft.2022.100189.
[5] M. H. Nasr Esfahani, A. Hajizadeh Aghdamand A. H. Refahi, “Energy, exergy, exergoeconomic, exergoenvironmental (4E) assesment, sensitivity analysis and multi-objective optimization of a PTC –tehran climate data case study”, vol. 415, Aug. 2023, doi: 10.1016/j.jclepro.2023.137821.
[6] B. Saadmohammadi and B. Sajadi, “4E analysis and tri-objective optimization of a novel solar 4th cogeneration system for a smart residential building in various climates of Iran”, Mar. 2024, doi: 10.1016/j.enconman.2024.118177.
[7] R. Geetha, M. M. Vijayalakshmiand E. Natarajan, “Modeling and Simulation Assessment of Solar Photovoltaic/Thermal Hybrid Liquid System Using TRNSYS”, Nov. 2015, doi: 10.4028/WWW.SCIENTIFIC.NET/AMM.813-814.700.
[8] N. Molero-Villar, J. M. Cejudo-López, F. Dominguez-Muñozand A. Carrillo-Andres, “A comparison of solar absorption system configurations”, vol. 86, no. 1, Jan. 2012, doi: 10.1016/J.SOLENER.2011.09.027.
[9] M. Kegel, J. Tamasauskasand R. Sunye, “Solar Thermal Trigeneration System in a Canadian Climate Multi-unit Residential Building”, vol. 48, Jan. 2014, doi: 10.1016/J.EGYPRO.2014.02.101.
[10] C. Ghenai, A. Merabet, T. Salamehand E. C. Pigem, “Grid-tied and stand-alone hybrid solar power system for desalination plant”, vol. 435, Oct. 2017, doi: 10.1016/J.DESAL.2017.10.044.
[11] A. M. Ali, “Process optimization and economic evaluation of air gasification of Saudi Arabian date palm fronds for H2-rich syngas using response surface methodology”, vol. 316, May 2022, doi: 10.1016/j.fuel.2022.123359.
[12] H. Demir, “Optimization of Caper Drying Using Response Surface Methodology and Artificial Neural Networks for Energy Efficiency Characteristics”, vol. 16, no. 4, Feb. 2023, doi: 10.3390/en16041687.
[13] A. Khaloo, M. Vasheghaniand J. Sedeghi, “Contribution of water-soluble ions in the corrosion of reinforced concrete cooling towers using the response surface method”, Jul. 2024, doi: 10.1016/j.cscm.2024.e02966.
[14] J. Huang, “Multi-objective optimization of a double helical coil heat exchanger using response surface method and genetic algorithm”, May 2024, doi: 10.1016/j.ijthermalsci.2024.108927.
[15] Samami, H., Naghibi Iravani, S., Arash Sohrabi, S., Gheitarani, N., & Dehghan, S. (2024). Evaluation and Optimization of Building Greening Methods in Four Different Climates Using Building Information Modeling (BIM). European Online Journal of Natural and Social Sciences, 13(1), pp-27.
[16] W. Zuo, D. Li, Q. Li, Q. Cheng, K. Zhouand J. E, “Multi-objective optimization of multi-channel cold plate under intermittent pulsating flow by RSM and NSGA-Ⅱ for thermal management of electric vehicle lithium-ion battery pack”, Nov. 2023, doi: 10.1016/j.energy.2023.129085
[17] M. H. Jahangir, A. Kargarzadehand F. Javanshir, “Energy investigation in buildings applying a solar adsorption chiller coupled with biofuel heaters and solar heating/cooling systems in different climates”, vol. 8, Nov. 2022, doi: 10.1016/j.egyr.2022.10.428.
[18] N. H. Abu-Hamdeh, “Numerical investigation of molten salt/SiO2 nano-fluid in the solar power plant cycle and examining different arrangements of shell and tube heat exchangers and plate heat exchangers in these cycles”, vol. 124, Jul. 2021, doi: 10.1016/J.JTICE.2021.05.018.
[19] H. Wang, “Simulation and Analysis of Air-Ground Dual source Heat Pump Operating Efficiency☆”, vol. 121, Jan. 2015, doi: 10.1016/J.PROENG.2015.09.052.
[20] A. Radwan, A. Mdallal, S. Haridy, M. A. Abdelkareem, A. H. Alamiand A. Olabi, “Optimizing the annual energy yield of a residential bifacial photovoltaic system using response surface methodology”, Feb. 2024, doi: 10.1016/j.renene.2023.119914.
[21] G. A. Lujan-Moreno, G. A. Lujan-Moreno, P. Howard, O. Rojasand D. C. Montgomery, “Design of experiments and response surface methodology to tune machine learning hyperparameters, with a random forest case-study”, vol. 109, Nov. 2018, doi: 10.1016/J.ESWA.2018.05.024.
[22] G. C. Derringer and R. C. Suich, “Simultaneous Optimization of Several Response Variables”, vol. 12, no. 4, Oct. 1980, doi: 10.1080/00224065.1980.11980968.
[23] Y. Li, L. Luand H. Yang, “Energy and economic performance analysis of an open cycle solar desiccant dehumidification air-conditioning system for application in Hong Kong”, vol. 84, no. 12, Dec. 2010, doi: 10.1016/J.SOLENER.2010.09.006.
[24] W. A. Jensen, “Response Surface Methodology: Process and Product Optimization Using Designed Experiments 4th edition”, vol. 49, no. 2, Nov. 2017, doi: 10.1080/00224065.2017.11917988.
[25] Varghese, E., & Hemavathi, M. (2023). Design Expert Software for RSM and ME: Overview, Design Generation and Analysis.

Full-Text:



Dynamic modeling of clean electricity generation based on …/ Motallebi, A., et. al.

Dynamic modeling of clean electricity generation based on transient simulation method and response surface methodology

Abbas Motallebi1, seyyed Ahmad Shayanniya2*, Mehdi Amirmiandargh3, Ebrahim Niknaghsh4

1 Department of Industrial Management, Firozkoh Branch, Islamic Azad University, Firozkoh, Iran

[e-mail]

2 Department of Industrial Management, Firozkoh Branch, Islamic Azad University, Firozkoh, Iran

[e-mail]

3 Department of Mathematics, Firozkoh Branch, Islamic Azad University, Firozkoh, Iran

[e-mail]

4 Department of Industrial Management, Firozkoh Branch, Islamic Azad University, Firozkoh, Iran

[e-mail]

Abstract: This article examines the simulation, optimization and dynamic modeling of a multi-source energy production system. This system includes solar panels and CCHP devices as the main energy production equipment and the target functions also include: total electricity consumption, total gas consumption, CCHP fuel consumption as well as return on investment, as the economic and energy response of the system. Further analysis of the dynamic results of the system includes: temperature changes, efficiency and average daily electricity produced by solar panels, average daily absorbed energy in solar collectors, hourly changes in electricity demand, electricity produced by solar panels and electricity produced by CCHP, the hourly changes in electricity demand, the total electricity produced and the hourly changes in gas consumption demand of the system and the complex will be investigated throughout the year. The results show that the utility distribution in the optimization section is 0.735. This number showes that the system is in a suitable and ideal state and the return on investment can be justified with 1.64 years. Also, even though the amount of solar radiation is higher in the hot months of the year, but due to the increase in the temperature of the solar cell, the efficiency of the solar panel decreases. These systems are also able to use solar energy to provide part of the heating needs of the complex’s hot water system. The design and use of the combined optimal system of CCHP and solar panels allow the complex to fully and sustainably supply its electricity needs provide and even sell the excess amount of electricity to the public power grid and use it as a source of additional income.

Keywords: Simulation, dynamic modeling, response surface, transient simulation.

JCDSA, Vol. 2, No. 5, Spring 2024	Online ISSN: 2981-1295	Journal Homepage: https://sanad.iau.ir/en/Journal/jcdsa
Received: 2024-02-26	Accepted: 2024-06-09	Published: 2024-06-16
CITATION	Motallebi, A., et. al., " Dynamic modeling of clean electricity generation based on transient simulation method and response surface methodology", Journal of Circuits, Data and Systems Analysis (JCDSA), Vol. 2, No. 5, pp. 1-15, 2024. DOI: 00.00000/0000
COPYRIGHTS	©2024 by the authors. Published by the Islamic Azad University Shiraz Branch. This article is an open-access article distributed under the terms and conditions of the Creative Commons Attribution 4.0 International (CC BY 4.0) https://creativecommons.org/licenses/by/4.0

 

* Corresponding author

 

Extended Abstract

Introduction

Photovoltaic solar cells (PV) have emerged as the primary technology for producing green electricity. This innovation uses direct sunlight to generate electricity and its installation flexibility has led to significant investment in PV panels. Despite the many advantages, these cells are hampered by the decrease in efficiency caused by the increase in cell temperature. In this way, researchers have conducted extensive research on possible solutions with the aim of increasing the performance of photovoltaic cells using different techniques. This review provides a thorough analysis of cooling techniques for photovoltaic panels. It includes both passive and active cooling methods, including air cooling, phase change materials, and various approaches. Within each category, detailed subcategories such as evaporative cooling, water immersion, floating systems, water pipes, cooling channels, water sprinklers, jet impingement, geothermal cooling, and natural convection transfer are explored with PV designs. Also, forced displacement using cooling ducts, heat sinks and air collectors, along with the integration of phase change materials (PCM), nanofluids, radiant cooling, thermoelectric methods, heat pipes, heat pumps and other techniques. covers innovative Each of these approaches is shown with specific schematics and has been fully discussed and compared, the results show that with the decrease in the temperature of the solar panels, we see an increase in efficiency.

Methodology

This paper examines the simulation, optimization and dynamic modeling of a multi-source energy production system. At first, the model is implemented using TRANSIS software; In the following, using Design Expert software, the optimal model is executed again in TRANSIS software and its dynamic results are analyzed. This system includes solar panels and CCHP device as the main energy production equipment. The objective functions include total electricity consumption, total gas consumption, CCHP fuel consumption as well as return on investment as the economic and energy response of the system. In the continuation of the analysis of the dynamic results of the system including: changes in temperature, efficiency and average daily electricity production of solar panels, average daily absorbed energy in solar collectors, average daily changes in electricity production, exhaust heat and fuel consumption in CCHP, hourly changes in electricity demand, Electricity produced by solar panels and electricity produced by CCHP, hourly changes in electricity demand, total electricity produced, and hourly changes in system and complex gas consumption demand will be investigated throughout the year.

In order to obtain the best state of energy, environmental and economic efficiency of the reviewed model, the response surface test design method is used. Also, the impact of changes in the effective factors of the combined system was studied on the target and the specified energy, environmental and economic responses. Factors are independent variables for making accurate decisions in the discussion of the design of the combined system under investigation. On the other hand, the responses show the energy, environmental and economic performance indicators of the combined system under the influence of the factors selected for optimization. A response surface is a statistical method used to optimize a specific response, where the response is influenced by multiple factors.

The aim of this study is to optimize the combined system by considering energy, environmental and economic aspects, that is, more than one answer should be optimized. For this purpose, a method called utility function is used. In this method, each response is converted into a specific utility function. The studied utility function changes between zero and one values; That is, for the worst case, the numerical value of the utility function is zero. While the utility function is equal to a state indicator with ideal conditions.

Results and discussion

To calculate the best combination of selected variables, the method of experiment design and response level optimization was used. Table (5) shows the values ​​predicted by the response level for the variables in such a way as to achieve the optimal system. Also, the values ​​of each goal for optimal conditions are specified in Table (6). The combined utility of 0.724 was obtained for the optimal solution, which is close to the ideal of CD=1. Figure (2), which shows the contours, shows the effects of changing the solar panel area factors and the CCHP power on the energy-economic responses. This contour plot is a flat curve that shows how these changes affect energy-economic responses based on different values ​​of solar panel area and CCHP power. In other words, this graph shows that at each point of the graph, the energy-economic response value obtained for that point is The results of the simulation using the response surface methodology showed that the area of ​​the photovoltaic panels in the optimal state is equal to 11770 square meters and the optimal CCHP power is equal to 1986 kW. Also, in optimal conditions, the system performs best; The combined utility, which is equal to 0.724, indicates that the performance of the optimal system is close to the ideal state.

Conclusion

In the results, it was observed that the simultaneous production system using photovoltaic panels and CCHP can be a suitable solution for the production of electrical and thermal energy, taking into account the needs of production and office halls. This system provides the ability to adjust and optimize fuel consumption and reduce energy costs. The simulation results show that the studied hybrid system is capable of producing electrical and thermal energy throughout the year, according to the weather conditions of the study area.

 

 

 

مدل‌سازی دینامیکی تولید برق پاک مبتنی بر روش شبیه‌سازی گذرا و روش‌شناسی سطح پاسخ

عباس مطلبی1، سید احمد شایان‌نیا2¹، مهدی امیر میاندرق3، ابراهیم نیک‌نقش4

1- گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران ([e-mail])

2- گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران ([e-mail])

3- گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران ([e-mail])

4- گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران ([e-mail])

چکیده: این مقاله شبیه‌سازی، بهینه‌سازی و مدل‌سازی دینامیکی یک سیستم چندمنبعی تولید انرژی را مورد بررسی قرار می­دهد. این سیستم شامل پنل­های خورشیدی و دستگاه تولید همزمان برق، گرما و سرما (CCHP) به‌عنوان تجهیزات اصلی تولید انرژی و توابع هدف نیز شامل: کل مصرف برق، مصرف کل گاز، مصرف سوخت CCHP و همچنین بازگشت سرمایه به عنوان پاسخ اقتصادی و انرژی سیستم می‌باشد. در ادامه تحلیل نتایج دینامیکی سیستم شامل: تغییرات دما، بازدهی و متوسط روزانه برق تولیدی پنل­های خورشیدی، انرژی جذب شده متوسط روزانه در کلکتورهای خورشیدی، تغییرات ساعتی تقاضای برق، برق تولید شده توسط پنل­های خورشیدی و برق تولید شده توسط CCHP، تغییرات ساعتی تقاضای برق، کل برق تولید شده و تغییرات ساعتی تقاضای مصرف گاز سیستم و مجموعه در طول سال بررسی خواهد شد، نتایج نشان می‌دهد که تابع مطلوبیت در بخش بهینه­سازی 0.735 می­باشد که این عدد نشان می‌دهد سیستم در حالت مناسب و ایدآل بوده و بازگشت سرمایه نیز با 1.64 سال قابل توجیه می­باشد. همچنین با وجود اینکه در ماه‌های گرم سال میزان تشعشع خورشید بیشتر است، اما به دلیل افزایش دمای سلول خورشیدی، بازدهی پنل خورشیدی کاهش می‌یابد. همچنین این سیستم‌ها قادر به استفاده از انرژی خورشید برای تأمین بخشی از نیازهای گرمایشی سیستم آب گرم مجموعه نیز هستند. طراحی و استفاده از سیستم بهینه ترکیبی CCHP و پنل‌های خورشیدی به مجموعه امکان می‌دهد تا به طور کامل و پایدار برق مورد نیاز خود را تأمین کند و حتی میزان اضافی از برق را به شبکه برق عمومی فروخته و از آن به عنوان منبع درآمد اضافی بهره‌برداری کند.

واژه های کلیدی: شبیه­سازی، مدل­سازی دینامیکی، سطح پاسخ، شبیه­سازی گذری

DOI: 00.00000/0000		نوع مقاله: پژوهشی
تاریخ چاپ مقاله:  27/03/1403	تاریخ پذیرش مقاله:  20/03/1403	تاریخ ارسال مقاله: 07/12/1402

 

---

[1]  نویسنده­ مسئول

1-        مقدمه

سلول­های فتوولتائیک خورشیدی (PV¹) به عنوان فناوری اولیه برای تولید برق سبز ظاهر شده­اند. این نوآوری از نور مستقیم خورشید برای تولید برق استفاده می­کند و انعطاف­پذیری نصب آن باعث سرمایه­گذاری قابل توجهی در پانل­های PV شده است. علیرغم مزایای متعدد، این سلول­ها با کاهش کارایی ناشی از افزایش دمای سلول مواجه می­شوند. به این ترتیب، محققان تحقیقات گسترده ای را در مورد راه­حل­های ممکن با هدف افزایش عملکرد سلول­های فتوولتائیک انجام داده­اند. این تحقیق، تجزیه و تحلیل کاملی از تکنیک­های خنک­کننده برای پانل­های فتوولتائیک ارائه می­دهد. این روش شامل هر دو روش خنک‌کننده غیرفعال و فعال، از جمله خنک‌کننده آب و هوا، مواد تغییر فاز و رویکردهای مختلف است. در هر دسته، زیرمجموعه‌های دقیقی مانند سرمایش تبخیری، غوطه‌وری در آب، سیستم‌های شناور، لوله‌های آب، کانال‌های خنک‌کننده، پاشش‌کننده‌های آب، برخورد جت، خنک‌کننده زمین‌گرمایی، و انتقال همرفت طبیعی با طراحی‌های PV بررسی می‌شود. همچنین جابجایی اجباری را با استفاده از مجراهای خنک کننده، سینک های حرارتی و کلکتورهای هوا، در کنار ادغام مواد تغییر فاز (²PCM)، نانوسیالات، خنک­کننده تابشی، روش­های ترموالکتریک، لوله های حرارتی، پمپ­های حرارتی و سایر تکنیک­های نوآورانه پوشش می­دهد. هر یک از این رویکردها با شماتیک­های خاص نشان داده شده و به طور کامل مورد بحث و مقایسه قرار گرفته است. نتایج نشان می­دهد با کاهش دمای پنل­های خورشیدی شاهد افزایش کارایی هستیم [1]. کارایی پنل­های فتوولتائیک خورشیدی زمانی که دمای آنها در شرایط عادی عملیاتی افزایش می­یابد، کاهش می­یابد و در نتیجه توان خروجی بسیار کاهش می­یابد. این پدیده به ویژه در مناطقی با پتانسیل فتوولتائیک بالا که در آن تابش و دمای محیط نیز زیاد است، مرتبط است. برای غلبه بر این مسئله، یک سیستم خنک‌کننده فشرده برای پانل‌های فتوولتائیک تجاری مبتنی بر سرمایش زمین‌گرمایی کم‌آنتالپی پیشنهاد شده‌است. گرمای بیش از حد از پنل خورشیدی توسط یک سیستم خنک‌کننده حلقه نزدیک تک‌فاز تخلیه می‌شود که از یک هیت‌سینک طبیعی زیرزمینی که در دمای ثابت و پایین است بهره می‌برد. یک نمونه اولیه که یک مکانیسم ردیابی خورشید تک‌محور را ادغام می‌کند، در ژوئن 2022 در آلکالا دهنارس، مادرید، اسپانیا در شرایط بیرونی مونتاژ و آزمایش شده است. همانطور که به طور تجربی نشان داده شده است، با دبی مایع خنک‌کننده 1.8 لیتر در دقیقه در هر متر مربع از سطح پانل، سیستم خنک‌کننده دمای پانل خنک‌شده را تا C.20 کاهش می دهد.، که منجر به بهبود واقعی کارایی پانل تا 13.8 % شد. در نهایت، یک تحلیل حساسیت از افزایش توان خالص و انرژی اضافی خالص تولید شده توسط پانل خنک‌شده ارائه شده است [2]. 

در مطالعه‌ای، چهار مدل نصب سیستم‌های ترکیبی فتوولتائیک – حرارتی (PVT³) و سایر دستگاه‌های ساخته شده در برنامه شبیه‌سازی سیستم­های گذرا با استفاده از نرم­افزار ترنسیس⁴ تجزیه و تحلیل می‌شود. ایده این مطالعه در رویکرد بلندمدت به بهره‌برداری از پانل‌های PVT در شرایط اقلیمی انتخاب شده نهفته است. نتایج نشان داد که نوع سلول مورد استفاده ممکن است تولید انرژی الکتریکی سالانه از PVT را حتی تا 7 % کاهش دهد. از سوی دیگر از جنبه بلند مدت تشدید فرآیند دریافت گرما از PVT با استفاده از پمپ حرارتی، باعث افزایش 6 % این تولید نسبت به مدل پایه شد [3]. در مطالعه­ای دیگر یک کلکتور خورشیدی صفحه تخت فعال با یک گیرنده لوله جاذب داخلی در شهر السماوه عراق ساخته و مورد آزمایش قرار دادند. کلکتور خورشیدی پیشنهادی از یک لوله مسی صاف با قطر داخلی و خارجی به ترتیب 9.5 و 12 میلی‌متر و طول کل 1000 میلی‌متر استفاده شده است. یک مدل ترنسیس از یک کلکتور صفحه تخت ادغام شده با یک لوله جاذب با استفاده از داده­های تجربی توسعه، شبیه‌سازی و اعتبارسنجی شد. نتایج نشان داد که دمای خروجی کلکتور خورشیدی از 52 تا 61 درجه سانتیگراد با میانگین 58 درجه سانتیگراد متغیر است. کارایی کلکتور خورشیدی پیشنهادی بین 45 تا 67 % با میانگین 58 % متغیر است [4]. عملکرد یک PTC⁵ برای ماه‌های مختلف شهر تهران با استفاده از تحلیل‌های انرژی، اگزرژی⁶، برون‌اقتصادی و برون‌محیطی مورد بررسی قرار گرفت. نتایج تجزیه و تحلیل نشان می‌دهد که PTC بیشترین بازده انرژی (73.6 %) در ماه جولای و بالاترین کارایی اکسرژی (20.11 %) در ژانویه را داشته است. از تجزیه و تحلیل­های اگزرگواقتصادی و اگزرگومحیطی مشخص شد که کلکتور خورشیدی در ماه ژوئن دارای کمترین هزینه به ازای هر واحد اکسرژی مفید تولید شده (70.17 $/GJ)، بالاترین امتیاز به دلیل صرفه‌جویی در تولید دی اکسیدکربن (0.0193 $ در ساعت) بوده است. نتایج نشان می‌دهد که کارایی اگزرژی و هزینه کل PTC بهینه‌سازی شده (برای ژانویه که حداکثر بازده اکسرژی را داشت) به ترتیب 26.38 % و 0.61 دلار در ساعت است. بهبود 6.27 % کارایی اکسرژی و 20.36 % در هزینه کل سیستم را نشان می دهد. سیستم‌های خنک‌کننده حرارتی خورشیدی برای کاربردهای مسکونی یک جایگزین امیدوارکننده برای چیلرهای تراکمی الکتریکی هستند [5]. 

سیستم­های تولید همزمان به دلیل کارایی بالا، هزینه کم و سازگاری با شبکه به طور فزاینده‌ای در ساختمان­های مسکونی مورد استفاده قرار می­گیرند. این تحقیق شبیه‌سازی دینامیکی یک سیستم جدید تولید همزمان خورشیدی یکپارچه با ساختمان هوشمند با استفاده از نرم‌افزار ترنسیس برای تامین نیاز برق تجهیزات سیستم و برق، گرمایش، سرمایش و آب شیرین مورد نیاز یک ساختمان مسکونی معمولی در ایران را پیشنهاد می‌کند. این سیستم مجهز به پنل­های فتوولتائیک، کلکتورهای لوله تخلیه، چیلر جذبی دو اثره، واحد نمک زدایی آب اسمز معکوس و توربین میکرو گاز به عنوان سیستم پشتیبان می‌باشد. استفاده از سنسورهای دمای فصل و کنترلرهای دیفرانسیل به نظارت و کنترل نرخ انرژی در بخش‌های مختلف سیستم و ساختمان با مقایسه دمای بیرون و رطوبت نسبی با شرایط آسایش به روشی هوشمند کمک می‌کند. عملکرد سیستم از دیدگاه انرژی، اگزرژی، اگزرژی-اقتصادی و اثرات زیست محیطی در چهار شهر که تنوع آب و هوایی ایران را پوشش می‌دهند، ارزیابی و مقایسه می‌شود. در طول یک سال در این سیستم به ترتیب 1.01 کیلووات ساعت و 1.37 کیلووات ساعت است. همچنین، توان مازاد تولید شده برای جبران برخی از هزینه های سربار سیستم به شبکه فروخته می شود. نتیجه بهینه‌سازی سه هدفه نشان می‌دهد که مقادیر بازده اگزرژی، انتشار CO2 و هزینه محصول واحد این سیستم در بهترین نقطه به ترتیب 44.9، 0.158 تن/MWh و 12.26 €/MWh در استان تهران است. بر اساس نتایج، شاخص‌های عملکرد سیستم در مقایسه با فناوری‌های مشابه موجود در ادبیات بهبود یافته است [6]. در تحقیق انجام شده مدل‌سازی و شبیه‌سازی یک سیستم هیبریدی فتوولتائیک/حرارتی خورشیدی برای 5 کیلووات بر ثانیه با استفاده از ترنسیس برای انرژی الکتریکی و انرژی حرارتی برای کاربردهای آب­گرم خانگی بررسی شده است. پارامترهای برجسته مورد استفاده برای تعیین کارایی الکتریکی، کارایی حرارتی، کارایی حرارتی کلی، کارایی حرارتی الکتریکی و کارایی اگزرژی عبارتند از تابش خورشیدی، ولتاژ، جریان، دمای محیط، نرخ جریان جرمی آب، مساحت ماژول پنل فتوولتائیک و غیره. نتایج نشان داد که سیستم هیبریدی خورشیدی برای نرخ جریان آب بهینه 25 کیلوگرم در ساعت تجزیه و تحلیل می‌شود. کارایی الکتریکی، کارایی حرارتی، کارایی حرارتی کلی، کارایی حرارتی معادل، کارایی اگزرژی به ترتیب 10، 34، 60، 35 و 13 % است. میانگین دمای مخزن 50 درجه است [7]. 

یک مدل کامل ترنسیس برای مقایسه پیکربندی با ذخیره‌سازی گرم (با ظرفیت معمولی 40 لیتر بر متر مربع سطح کلکتور خورشیدی) و پیکربندی با هر دو انبار گرم و سرد توسعه داده شده است. نتایج نشان داد مناسب­ترین پیکربندی برای ناحیه کلکتور خورشیدی بسیار معقول است. با افزایش سطح کلکتور، مزایای یک انبار سرد از بین می‌رود. افزایش سطح کلکتور باعث افزایش دمای انبار گرم می‌شود که منجر به تلفات حرارتی بالاتر هم در کلکتور و هم در مخزن می‌شود. هنگامی که حجم ذخیره‌سازی در یک مخزن متمرکز می­شود، این اثرات کاهش می­یابد. تأثیر سایر متغیرها بر پیکربندی بهینه نیز مورد تجزیه و تحلیل قرار می‌گیرد [8]. این مقاله مقایسه چندین سیستم گرمایشی/سرمایشی نیروگاه مرکزی خورشیدی، حرارتی، تولید همزمان و حرارتی را ارائه می‌کند که در یک آپارتمان معمولی متوسط، واقع در کلگری، آلبرتا، کانادا اجرا شده است. ترنسیس برای مدل‌سازی سیستم و پیش‌بینی مصرف انرژی اولیه و ثانویه، انتشار گازهای گلخانه‌ای⁷ و هزینه‌های آب و برق سالانه سیستم‌های مختلف و در مقایسه با حالت پایه استفاده می‌شود. بالاترین هزینه سالانه آب و برق و صرفه‌جویی در انتشار گازهای گلخانه ای با بهره‌برداری از یک دستگاه تولید همزمان در اولویت در یک نیروگاه حرارتی خورشیدی⁸، تولید همزمان با پمپ حرارتی جذبی، پیش‌بینی کاهش 21 % هزینه برق سالانه و کاهش 16 % در انتشار گازهای گلخانه ای به دست آمد. با این حال، سیستم مصرف انرژی ثانویه بالاتری دارد. بهره­برداری از کلکتورهای حرارتی خورشیدی در اولویت نسبت به واحد تولید همزمان در همان نیروگاه مرکزی، بیشترین صرفه جویی در انرژی اولیه و ثانویه را به دست آورد و 16% و 18% صرفه جویی نسبت به حالت پایه داشت. کاهش انتشار گازهای گلخانه‌ای 16 % با هر دو استراتژی عملیاتی پیش‌بینی شد [9]. این مقاله نتایجی را در مورد شبیه‌سازی، بهینه‌سازی و کنترل سیستم انرژی خورشیدی هیبریدی برای تامین انرژی یک نیروگاه نمک‌زدایی ارائه می‌کند. هدف اصلی طراحی یک سیستم انرژی پاک برای پاسخگویی به بار الکتریکی مورد نظر کارخانه نمک‌زدایی با کسر تجدیدپذیر بالا، هزینه کم انرژی و انتشار گاز دی‌اکسید کربن کم است. نتایج نشان می­دهد که سیستم برق خورشیدی شبکه/اینورتر بهترین عملکرد را در مقایسه با ژنراتور /دیزل/باتری/اینورتر ارائه می­دهد. کل انرژی سیستم خورشیدی متصل به شبکه هیبریدی برای پاسخگویی به بار AC کارخانه نمک‌زدایی تقریباً بدون کمبود برق و توان اضافی استفاده می‌شود. سیستم قدرت هیبریدی پیشنهادی برای نیروگاه نمک‌زدایی پایدار، از نظر اقتصادی مقرون‌به‌صرفه و سازگار با محیط‌زیست است: کسر انرژی تجدیدپذیر بالا (47.3 %)، توان اضافی کم (0.15%)، هزینه کم انرژی (90 $/MWh) و گاز CO2⁹ کم. انتشار (264.25 کیلوگرم CO2/MWh) است [10].

انتقال انرژی از سوخت‌های فسیلی به انرژی‌های تجدیدپذیر، یک حوزه نسبتا جدید است. عربستان سعودی یکی از تولیدکنندگان بزرگ میوه خرما است که مقدار زیادی ضایعات نخل خرما تولید می‌کند. استفاده مناسب از این زباله‌ها در عربستان سعودی وجود ندارد، روش سطح پاسخ¹⁰ برای طراحی تجربی، بهینه‌سازی، و اثرات فردی و تعاملی پارامترها بر روی ترکیبات H2 و CO برای یافتن مقادیر بهینه آنها به کار گرفته شد. دما موثرترین عامل برای ترکیب H2 است و از 6 تا 18 % حجمی متغیر است که در مقایسه با دبی هوا و اندازه ذرات خوراک بیشتر است. الگوی مشابهی از عوامل تأثیرگذار برای ترکیب CO مشاهده شد که از 8 % تا 20 % متغیر است. غنی‌سازی H2 و CO به دلیل فعال شدن واکنش‌های گرماگیر در دمای بالا است [11]. یکی از عوامل ضروری برای انتخاب فرآیند خشک کردن، مصرف انرژی است. این مطالعه با هدف بهینه‌سازی درمان خشک کردن کپر با استفاده از همرفت، پنجره انکساری و خشک کردن خلاء همراه با پیش‌تیمار اولتراسونیک با رویکرد مقایسه‌ای بین شبکه‌های عصبی مصنوعی و روش سطح پاسخ انجام شد. برای این منظور، تأثیر دمای خشک کردن (50، 60، 70 درجه سانتی گراد)، زمان فراصوت (0، 20، 40 دقیقه) و روش خشک کردن بر مقدار انرژی بررسی شد. مقادیر بهینه، دمای خشک کردن-زمان فراصوت را تعیین کرد که SEC انرژی را به حداقل می‌رساند. 50 درجه سانتی گراد-35.5 دقیقه، 70 درجه سانتی گراد-40 دقیقه و 70 درجه سانتی گراد-24 دقیقه به ترتیب برای رفتار مدل با ضریب همبستگی برای آموزش (976/0)، تست (971/0) و اعتبارسنجی (972/0) مشهود است که مناسب بودن بالای مدل را برای بهینه‌سازی مصرف انرژی ویژه نشان می‌دهد [12].

هر ساله تعداد قابل توجهی از سازه‌های بتن مسلح از خوردگی ناشی از یون‌های تهاجمی رنج می‌برند که یک مسئله مهم در دوام و کاهش مقاومت سازه‌ها ایجاد می‌کند. بنابراین، شناسایی سهم هر یون در نابودی بتن بسیار مهم است. این مطالعه از روش سطح پاسخ برای بررسی اثرات جفت یون‌ها و مقادیر مختلف و سهم مربوطه به درجه خوردگی ساختار بتن یک برج خنک‌کننده با خوردگی‌های شدید ناشی از حملات یونی استفاده کرد. نتایج این مطالعه نشان داد که یون‌های کلرید و سولفات بیشترین تأثیر را در تخریب بتن داشتند و بیشترین تأثیر منفی را بر فرسودگی بتن مسلح داشتند. در مقابل، یون­های منیزیم و کلسیم کمترین سهم را در خوردگی بتن مسلح داشتند [13]. مبدل حرارتی سیم‌پیچ دوبل هلیکس که عملکرد انتقال حرارت بالایی دارد، به طور فزاینده­ای در سیستم­های انتقال حرارت مورد استفاده قرار گرفته است. در این مقاله، یک مدل عددی سه بعدی برای شبیه‌سازی عملکرد انتقال حرارت سیم پیچ دوتایی مارپیچ ایجاد شده­است. سپس از روش سطح پاسخ برای ایجاد مدل­های سطح پاسخ پارامترهای ورودی (پیچ سیم پیچ داخلی، گام سیم پیچ خارجی، قطر مارپیچ داخلی، قطر مارپیچ خارجی و قطر سیم پیچ) استفاده می­شود. نتایج نشان می­دهد در مقایسه با طرح اولیه، افت فشار 19.98 % کاهش می­یابد، اتلاف اگزرژی 8.7 % کاهش می­یابد، و ضریب انتقال حرارت کلی 5.34 % افزایش می­یابد [14]. سیستم BIM¹¹ روشی است که به معماران اجازه می دهد تا طراحی خود را به صورت دیجیتالی شبیه‌سازی کرده و تمام اطلاعات مربوط به یک پروژه معماری را مدیریت کنند. در پایداری، سه جنبه اقتصادی، زیست‌محیطی و اجتماعی به طور کامل با یکدیگر در تعامل هستند و اکثر محققان پایداری را در این سه جنبه اصلی پایداری زیست‌محیطی، اجتماعی و اقتصادی بررسی می‌کنند. بنابراین در این تحقیق چهار هدف را بررسی کرده­ایم که ابتدا با استفاده از مدل‌سازی اطلاعات ساختمان تاثیر جهت‌گیری ساختمان بر کاهش مصرف انرژی را ارزیابی کرده و بهینه‌ترین جهت را مشخص می­کند. سپس با استفاده از مدل­سازی اطلاعات ساختمان به بررسی تاثیر قرارگیری نورگیرها و بازشوها بر کاهش مصرف انرژی می­پردازیم. در نهایت به بررسی تاثیر استفاده از نماهای سبز و هوشمندی ساختمان بر مصرف انرژی ساختمان می­پردازیم. در نهایت با مقایسه نتایج به دست آمده از نرم‌افزار دیزاین اکسپرت بهینه­ترین حالت­ها مشخص می شود [15].

ویژگی‌های انتقال حرارت و مصرف انرژی مهمترین پارامترهای عملکرد صفحه سرد برای مدیریت حرارتی بسته باتری لیتیوم یون خودروی الکتریکی است. در این کار، به منظور پرداختن به موضوع بهینه‌سازی چندهدفه صفحه سرد چندکاناله تحت جریان ضربانی متناوب، روش‌شناسی سطح پاسخ نتایج نشان می‌دهد که عبارت خطی بیشترین تأثیر را بر روی پارامترها دارد. با توجه به راه‌حل بهینه پارتو به‌دست‌آمده، توابع هدف بهینه برابر با 394.7012 W m-2 °C-1، W = 0.1086 J و متغیرهای طراحی مربوطه vin = 0.02392 m/s، A = 0.1778 و e = 3.1846 هرتز هستند [16]. ساختمان سبز مفهومی در توسعه پایدار است که هدف آن کاهش مصرف انرژی و انتشار کربن از ساختمان ها است. در این مطالعه سعی شده است یک سیستم HVAC¹² سبز جدید طراحی و معرفی شود که مصرف انرژی و تولید کربن ساختمان­ها را کاهش می­دهد. نتایج نشان داد که سیستم خنک‌کننده خورشیدی یک انتخاب عالی برای تامین نیازهای خنک‌کننده در آب و هوای گرم است. با اتصال این نوع سیستم خنک‌کننده با بخاری‌های سوخت زیستی، سیستم تهویه مطبوع پایدار می‌تواند ساختمان‌های سبز¹³ را حتی در آب و هوای سرد یا خنک توسعه دهد. افزودن تولیدکنندگان برق سبز مانند پنل های فتوولتائیک به این سیستم و ساختمان موفقیت‌آمیز بود. حداکثر انرژی سبز تولیدی در ساختمان­ها 9/17 مگاوات ساعت در سال محاسبه شد ]17[. برج­های خورشیدی از هلیوستات برای هدایت نور خورشید به یک گیرنده استفاده می­کنند. هنگامی که تابش خورشیدی متمرکز به گرما تبدیل می شود، می‌تواند یک توربین بخار متصل به یک ژنراتور برق را به حرکت درآورد که برق تولید می‌کند. هر دو نرم افزار ترنسیس برای چنین هدفی استفاده می‌شوند. نیروگاه مورد نظر از دو بخش یک چرخه خورشیدی با نمک مذاب به عنوان سیال عامل و یک چرخه رانکین با سیال کاری آب برای تولید برق تشکیل شده است. نتایج این مطالعه نشان داد که نیروگاه خورشیدی بیشترین تولید برق را در ماه­های ژوئن و جولای دارد. کارایی در این دو ماه برای نانوسیال نمک مذاب 25 % و برای نمک مذاب 24 % است. علاوه بر این، استفاده از نانوسیال نمک مذاب می­تواند انتقال حرارت در گیرنده خورشیدی را بهبود بخشد و در مقایسه با استفاده از نمک مذاب، برق بیشتری در نیروگاه تولید کند. علاوه بر این، استفاده از دو پیش گرم­کن به جای یک، کارایی چرخه را تا 3 % افزایش می‌دهد ]18[.

این مقاله عمدتاً مهندسی عملی در مورد شبیه‌سازی سیستم پمپ حرارتی هوا-خاک در یک ساختمان اداری در شن یانگ، چین را بررسی می‌کند. این سیستم در فصل زمستان از منبع هوا به عنوان منبع اصلی گرما و منبع خاک به عنوان منبع گرمای کمکی برای گرمایش استفاده می‌کند، در تابستان فقط از پمپ حرارتی منبع خاک برای سرد کردن استفاده می‌کند. این مقاله شبیه‌سازی هوای سیستم پمپ حرارتی خاک و مقایسه با یک منبع حرارتی را تحلیل مهندسی می‌کند. نتایج نشان می­دهد از نظر مصرف انرژی، مصرف انرژی سالانه سیستم پمپ حرارتی دو منبع حرارتی 25962.23 کیلووات ساعت است. مصرف انرژی سالانه سیستم پمپ حرارتی تک منبع خاک 45573.78 کیلووات ساعت است که در حدود 43.03 % در مصرف انرژی صرفه‌جویی می‌کند ]19[. این مطالعه تاثیر ارتفاع زمین، فاصله ماژول، ارتفاع و زاویه شیب را بر خروجی انرژی سالانه یک سیستم فتوولتائیک مسکونیدر مقیاس کوچک بررسی می‌­کند. برای بررسی این سیستم از روش سطح پاسخ ادغام شده با ابزار شبیه‌سازی پی وی سیستم استفاده شده­است. دو سهم قابل توجه در این مطالعه نشان داده­شد: یک تحلیل پارامتری که تاثیر چندین پارامتر را بر تولید انرژی سالانه ارزیابی می­کند و یک تحلیل آماری دقیق که از سطح پاسخ با بهینه‌سازی استفاده می‌کند. برای طرح آزمایشی از طرح مرکب مرکزی با 30 اجرا استفاده شد، یافته‌ها نشان می‌دهد که ارتفاع زمین، فاصله ماژول‌ها و زاویه شیب ماژول به طور قابل‌توجهی بر تولید انرژی سالانه تأثیر می‌گذارد. تجزیه و تحلیل بهینه‌سازی نشان می­دهد که بالاترین خروجی انرژی سالانه سیستم زمانی به دست می­آید که ارتفاع زمین روی 0.82 تنظیم شود، فاصله ماژول 8.95 متر، ارتفاع ماژول 1.35 متر و زاویه شیب ماژول 35.7 اینچ باشد [20].

 

---

[1]  Photovoltaics

[2]  Phase-change material

[3]  Photovoltaic-thermal (PVT)

[4]  TRNSYS

[5]  Positive Temperature Coefficient

[6] 3 .Exergy

[7]  Greenhouse Gases

[8]  Solar thermal power station

[9]  carbon dioxide

[10]  Response surface method

[11] Building Information Modeling 

[12]  Heating, Ventilation, and Air Conditioning

[13]  Green Building

 

 

 

جدول (1): برخی از تحقیقات انجام شده در خصوص موضوع 

ردیف	نویسندگان	سال انتشار	موضوع	نتایج
1	جعفریان و همکاران	2020	تجزیه و تحلیل انرژی، اقتصادی و زیست­محیطی سیستم ترکیبی خنک­کننده، گرما، برق و آب همراه با کلکتورهای فتوولتائیک/حرارتی و سیستم‌های اسمز معکوس	این مطالعه با استفاده از روش‌شناسی سطح پاسخ1 (RSM) بهترین راه‌اندازی یک سیستم ترکیبی خنک‌کننده، گرمایش، برق و آب2 جدید را برای مناطق ساحلی ارائه می‌کند، نتایج برای شرایط آب و هوایی و الگوهای مصرف دبی و بارسلون (به عنوان دو مطالعه موردی) نشان می‌دهد که مصرف کل برق و گاز سیستم را می‌توان به ترتیب 72.3 و 64.6 % نسبت به سیستم پایه کاهش داد.
2	رحیمی و همکاران	2024	بررسی عملکرد یک سیستم انرژی تجدیدپذیر مستقل با استفاده از روش سطح پاسخ (RSM): تجزیه و تحلیل 4E و بهینه­سازی چند هدفه	این مطالعه با هدف شناسایی و ارائه یافته‌های جدید در زمینه سیستم‌های انرژی تجدیدپذیر ترکیبی متناسب با عملیات خارج از شبکه از طریق یک بررسی عددی-تجربی انجام شد، پارامترهای بهینه شناسایی شده شامل تنظیم زمان 12:35 بعد از ظهر، چگالی جریان 0.693 A/cm2، دمای آب ورودی 326.2 K و فشار ورودی توربین ORC در حدود 580 کیلو پاسکال است. این پارامترها به نتایج چشمگیر 4E منجر می‌شوند: 50.9% کارایی انرژی، 54.7% کارایی اگزرژی، 0.53 دلار هزینه انرژی و شاخص پایداری 2.1.
3	مانیا و همکاران	2022	مطالعه تجربی و عددی برای توسعه مدل ترنسیس برای یک کلکتور خورشیدی صفحه تخت فعال با یک گیرنده لوله سرپانتین داخلی	در این مطالعه، یک کلکتور خورشیدی صفحه تخت فعال (FPSC) با یک گیرنده لوله جاذب داخلی در شهر السماوه عراق (عرض جغرافیایی 19/31 درجه شمالی و طول جغرافیایی 17/45 درجه شرقی) ساخته و مورد آزمایش قرار گرفت، نتایج نشان داد که دمای خروجی کلکتور خورشیدی از 52 تا 61 درجه سانتیگراد با میانگین 58 درجه سانتیگراد متغیر است. کارایی کلکتور خورشیدی پیشنهادی بین 45 تا 67 % با میانگین 58 % متغیر است.
4	قربانی و همکاران	2019	توسعه یک سیستم تولید همزمان نوآورانه برای تولید آب شیرین و انرژی توسط انرژی­های تجدیدپذیر با استفاده از سیستم ذخیره انرژی حرارتی	در این مقاله از دیش کلکتورهای خورشیدی همراه با ذخیره مواد تغییر فاز برای تامین انرژی حرارتی مورد نیاز یک نیروگاه بخار با ظرفیت خالص تولید 1063 مگاوات استفاده شده است. نتایج نشان داد کارایی اگزرژی کل سازه یکپارچه 23/52 % است و بیشترین سهم تخریب اگزرژی در بین تجهیزات مربوط به مبدل های حرارتی و کلکتورها به ترتیب با 83/46 % و 93/40 % است، در ضمن مصرف برق 46% کاهش داشته است.
5	جهانگیر و همکاران	2022	بررسی انرژی در ساختمان‌هایی که از چیلر جذب خورشیدی همراه با بخاری‌های سوخت زیستی و سیستم‌های گرمایش/سرمایش خورشیدی در آب و هوای مختلف استفاده می‌کنند.	این سیستم از چیلرهای جذبی خورشیدی برای تامین نیازهای سرمایشی ساختمان­ها استفاده می‌کند. علاوه بر این، دیگ­های بخار با سوخت زیستی (بیوگاز) نیز برای تامین نیازهای گرمایشی اضافه می­شوند. نتایج مدل­سازی این سیستم HVAC سبز برای 10 اقلیم مختلف حاکی از مزایای قابل توجه این سیستم نسبت به سیستم­های سنتی است. سیستم تهویه مطبوع سبز می­تواند حداکثر50 مگاوات ساعت انرژی در یک ساختمان چهار طبقه را ذخیره کند. در صورت تجهیز ساختمان مذکور به این سیستم جدید تهویه مطبوع، حداکثر 31 تن کربن صرفه­جویی و حداکثر انرژی سبز تولیدی در ساختمان ها 9/17 مگاوات ساعت در سال محاسبه شد.
6	سید محمدی و همکاران	2024	تجزیه و تحلیل 4E و بهینه‌سازی سه هدفه یک سیستم جدید نسل چهارم خورشیدی برای یک ساختمان مسکونی هوشمند در اقلیم‌های مختلف ایران	این تحقیق شبیه‌سازی دینامیکی یک سیستم جدید تولید همزمان خورشیدی یکپارچه با ساختمان هوشمند با استفاده از نرم‌افزار ترنسیس برای تامین نیاز برق تجهیزات سیستم و برق، گرمایش، سرمایش و آب شیرین مورد نیاز یک ساختمان مسکونی معمولی در ایران را پیشنهاد می‌کند. نتایج نشان می‌دهد که سیستم می‌تواند تمامی نیازهای انرژی ساختمان را برآورده کند و به‌طور میانگین میزان تولید ساعتی انرژی سرمایشی و گرمایشی در طول یک سال در این سیستم به ترتیب 1.01 کیلووات ساعت و 1.37 کیلووات ساعت است. همچنین، توان مازاد تولید شده برای جبران برخی از هزینه­های سربار سیستم به شبکه فروخته می­شود.
7	چاو و همکاران	2023	تجزیه و تحلیل انرژی، اگزرژی، صرفه‌جویی در انرژی، اقتصادی و زیست‌محیطی یک سیستم خنک‌کننده، گرمایش و توان ترکیبی  (CCHP) تحت استراتژی‌های عملیاتی مختلف: شبیه‌سازی گذرا	عملکرد سیستم CCHP تحت استراتژی­های عملیاتی مختلف به صورت پویا توسط نرم افزار ترنسیس از انرژی، اکسرژی، صرفه‌جویی در انرژی، اقتصاد و محیط زیست شبیه‌سازی و تحلیل می‌شود. نتایج نشان می‌دهد که میانگین COP HWHP و LWHP به ترتیب 22.69% و 4.75% بیشتر از COP رتبه‌بندی شده است همچنین کارایی اگزرژی و بازده انرژی سیستم در حالت FEL در تابستان 19.96% و 41.90% و در زمستان 25.13% و 59.36% می­باشد.

 

---

[1]  Response surface methodology (RSM)

[2]  Combined Cooling, Heat, Power, and Water generation (CCHPW)

 

 

 

 

2-       اهداف مطالعه

این مقاله شبیه‌سازی، بهینه‌سازی و مدل‌سازی دینامیکی یک سیستم چند منبعی تولید انرژی را مورد بررسی قرار می‌دهد. در ابتدا با استفاده از نرم‌افزار ترنسیس مدل پیاده­سازی می‌شود؛ در ادامه با استفاده از نرم‌افزار دیزاین اکسپرت مدل بهینه و سپس مجدداً در نرم‌افزار ترنسیس اجرا و نتایج دینامیکی آن تحلیل می­شود. این سیستم شامل پنل­های خورشیدی و دستگاه CCHP به‌عنوان تجهیزات اصلی تولید انرژی است. توابع هدف شامل کل مصرف برق، مصرف کل گاز، مصرف سوخت CCHP و همچنین بازگشت سرمایه به عنوان پاسخ اقتصادی و انرژی سیستم می‌باشد. در ادامه تحلیل نتایج دینامیکی سیستم شامل: تغییرات دما، بازدهی و متوسط روزانه برق تولیدی پنل­های خورشیدی، انرژی جذب شده متوسط روزانه در کلکتورهای خورشیدی، تغییرات متوسط روزانه برق تولیدی، گرمای اگزاست و مصرف سوخت در CCHP، تغییرات ساعتی تقاضای برق، برق تولید شده توسط پنل­های خورشیدی و برق تولید شده توسط CCHP، تغییرات ساعتی تقاضای برق، کل برق تولید شده و تغییرات ساعتی تقاضای مصرف گاز سیستم و مجموعه در طول سال بررسی خواهد شد. جداول (2-3) اطلاعات ساعت کاری و تعداد نفرات حاضر در محل و اطلاعات ساختمان­های تولیدی و اداری در پروژه مورد بررسی را نشان می­دهد. لازم به توضیح است محل پروژه در شهر تهران و فعالیت شرکت در زمینه تولید بدنه خودرو می­باشد. اطلاعات ارائه شده در این دو جدول از طرف واحدهای مهندسی، منابع انسانی و انرژی شرکت سایپا پرس ارسال شده است. 

3-       پیاده­سازی مدل

 جهت شبیه­سازی سیستم تولید انرژی ترکیبی با محوریت انرژی­های تجدیدپذیر از نرم­افزار ترنسیس استفاده شده است. شکل (1) که برگرفته از نرم افزار ترنسیس می باشد، نحوه پیاده­سازی را نشان می دهد.

جدول (2): اطلاعات ساعت حضور و تعداد افراد

شیفت	ساعت کارکرد	تعداد نفرات	محل فعالیت
یک	7 الی 16	400	تولیدی و ستادی
دو	16 الی 24	170	تولیدی
سه	24 الی 7	160	تولیدی

جدول (3): اطلاعات مصرف انرژی ساختمان­ها

نام ساختمان	کاربری	متراز (متر مربع)	تعداد نفرات شاغل در محل	میزان مصرف برق (KW)
سالن تولید	پرسکاری	17000	300	1500
ساختمان اداری	ستادی	1100	30	300

 

 

 

شکل (1): پیاده‌سازی پنل فتوولتائیک و دیزلژنراتور در ترنسیس

1-3-معادلات حاکم بر بهینه­سازی سیستم

برای به­دست آوردن بهترین وضعیت کارایی انرژی، زیست­محیطی و اقتصادی مدل بررسی شده، از روش طراحی آزمایش سطح پاسخ استفاده می­شود. همچنین، تاثیر تغییرات فاکتورهای موثر سیستم ترکیبی مورد بررسی بر روی هدف و پاسخ­های مشخص شده انرژی، زیست­محیطی و اقتصادی مورد مطالعه قرار گرفت. فاکتورها، متغیرهای مستقلی برای تصمیم­گیری دقیق در بحث طراحی سیستم ترکیبی مورد تحقیق هستند. از طرفی، پاسخ­ها شاخص­های انرژی، زیست­محیطی و اقتصادی عملکرد سیستم ترکیبی را تحت تأثیر فاکتور­های انتخاب شده برای بهنیه­سازی نشان می­دهند. سطح پاسخ یک روش­ آماری است که برای بهینه­­سازی یک پاسخ خاص، در جایی که پاسخ تحت تأثیر فاکتورهای متعددی باشد، استفاده می­شود [21]. بر اساس فاکتور­های انتخابی، سطح پاسخ مجموعه­ای از آزمایشات و یا شبیه­سازی­های کامپیوتری را طراحی و پیشنهاد می­کند که پاسخ­ها باید در آن نقاط ارزیابی و شبیه­سازی شوند. سطح پاسخ یک معادله درجه دوم برای پیش­بینی رابطه بین هدف­های انرژی، زیست محیطی و اقتصادی انتخاب شده و فاکتورهای مستقل بهینه­سازی تشکیل می­دهد، که مطابق معادله زیر استفاده می­شود:

که در آن،  پاسخ انرژی-اقتصادی در نظر گرفته شده، عامل انتخابی برای بهینه کردن،   و   شمارنده تعداد فاکتورهای مستقل و  تعداد فاکتور­ها است. علاوه بر این،  ها ضرایب مجهول استفاده شده هستند که با معادلات و تحلیل رگرسیون به­ دست می­آیند [21].

1-1-3-بهینه­­سازی چند پاسخی

هدف این مطالعه بهینه­سازی سیستم ترکیبی با درنظر گرفتن جنبه­های انرژی، زیست محیطی و اقتصادی می­باشد، یعنی باید بیش از یک پاسخ بهینه شود. برای این هدف از روشی به اسم تابع مطلوبیت¹ استفاده می­شود. در این روش، هر پاسخ به یک تابع مطلوبیت خاص تبدیل می­گردد. تابع مطلوبیت مورد مطالعه بین مقادیر صفر و یک تغییر می­کند؛ یعنی برای بدترین حالت، مقدار عددی تابع مطلوبیت صفر است. در­حالی­که تابع مطلوبیت برابر با یک نشان­دهنده حالتی با شرایط ایده­آل می باشد. بعد از این، توابع مطلوبیت پاسخ­ها با یکدیگر ترکیب می­شوند و مطلوبیت ترکیبی² () به­دست می­آید که مطلوبیت کلی پژوهش بر این اساس،  به شرح (2) محاسبه می­شود:

(1)

که  مطلوبیت پاسخ ام و  تعداد پاسخ­ها است. لازم ذکر است که مقصود بهینه­سازی چند هدفه، به حداکثر رساندن مطلوبیت ترکیبی است.

2-1-3-مصرف برق

مصرف برق توسط انواع تجهیزات مصرف­کننده نظیر انواع الکتروموتورها و موتورهای پرسی و یا فعالیت­های جوشکاری در طول سال، مشخص می­شود، که از (3) به­دست می­آید:

(2)

  (3)

که  تعداد قدم­های زمانی در حل عددی برای کل مدت زمان شبیه­سازی است.  مصرف انرژی است.  ضریبی از وضعیت روشن یا خاموش بودن هر یک از اجزاء است؛ زمانیکه وسیله مصرف­کننده روشن باشد  برابر یک و زمانی که خاموش باشد،  برابر صفر است.

3-1-3-کل مصرف گاز طبیعی

یک دیگ کمکی با سوخت مصرفی گاز طبیعی، برای پشتیبانی کردن از چرخه­ی خورشیدی و به منظور بازیابی آبگرم، استفاده شده است. برای افزایش دمای سیال عامل تا یک دمای مشخص ()، مصرف سالانه گاز طبیعی () از (4) به­دست می­آید:

که  بازده دیگ و  ارزش حرارتی پایینی گاز طبیعی مصرفی است.

2-3-عامل­ها و پاسخ­های در نظر گرفته شده برای بهینه­سازی

دو عامل مساحت پنل­های فتوولتائیک و توان CCHP متغیرهای اصلی طراحی سیستم است. دامنه تغییرات متغیرها در جدول (4) مشخص شده است. حداکثر فضای در دسترس جهت نصب پنل های خورشیدی 24000 متر مربع است؛ به همین دلیل حد بالا 24000 متر مربع در نظر گرفته شده است؛ همچنین وقتی هیچ پنلی در مدار نباشدحد پایین نیز صفر است. بنابراین برای پنل­های فتوولتائیک به عنوان عامل اول، بازه 0 تا 24000 متر مربع و برای توان دیزل ژنراتور به عنوان عامل دوم، بازه 0 تا 3000 کیلو وات که بیشترین حد مصرف برق کل می­ باشد در نظر گرفته شده است [22]. برای عامل­ها و متغیرها، در نرم­افزار دیزاین اکسپرت روش طراحی آزمایش و روش سطح پاسخ، تعداد  آزمایش همراه با طراحی مرکب مرکزی ³ [23] پیشنهاد شده است. در ضمن طراحی آزمایش⁴ و محاسبات سطح پاسخ با استفاده از نرم­افزار دیزاین اکسپرت [24] انجام شد. هدف از بهینه­سازی، کمینه­سازی هر پنج پاسخ (تابع هدف) در نظر گرفته شده به صورت همزمان است [25].

4-       نتایج بهینه­سازی و شبیه­سازی دینامیکی

 برای محاسبه بهترین ترکیب متغیرهای انتخاب شده، روش طراحی آزمایش و بهینه­سازی سطح پاسخ استفاده شد. جدول (5) مقادیر پیش­بینی شده توسط سطح پاسخ برای متغیرها را به گونه­ای که به سیستم بهینه دست­ پیدا کنیم، نشان­ می­دهد. همچنین، مقادیر هر هدف برای شرایط بهینه در جدول (6) مشخص شده است. مطلوبیت ترکیبی 0.724 برای جواب بهینه، که نزدیک به ایده­آل  است، به­دست آمد.

شکل (2) که کانتورها را نشان می‌دهد، اثرات تغییر عوامل مساحت پنل‌های خورشیدی و توان CCHP را بر پاسخ‌های انرژی-اقتصادی نشان می‌دهد. این نمودار کانتورها، منحنی‌های همسطحی است که براساس مقادیر مختلف مساحت پنل‌های خورشیدی و توان CCHP، نشان می‌دهد که چگونه این تغییرات بر پاسخ‌های انرژی-اقتصادی تأثیر می‌گذارند. به عبارت دیگر، این نمودار نشان می‌دهد که در هر نقطه از نمودار، مقدار پاسخ انرژی-اقتصادی به دست آمده برای آن نقطه است. نتایج شبیه‌سازی با استفاده از روش‌شناسی سطح پاسخ نشان داد که مساحت پنل‌های فتوولتائیک در حالت بهینه برابر با 11770 مترمربع و توان CCHP بهینه برابر با 1986 کیلووات است. همچنین، در شرایط بهینه، سیستم بهترین عملکرد را دارد؛ مطلوبیت ترکیبی که برابر با 0.724 است، نشان می‌دهد که عملکرد سیستم بهینه نزدیک به حالت ایده‌آل است. از نظر مصرف انرژی، سیستم بهینه به مصرف کل برق 1079120 کیلووات، کل مصرف گاز 375371 مترمکعب، کل مصرف سوخت دیزل 2466476 لیتر و دوره بازگشت سرمایه 1.61 سال دست پیدا می‌کند. با توجه به شکل (2)، می‌توان نقاط بهینه را شناسایی کرده و تغییرات مساحت پنل‌ها و توان CCHP را به گونه‌ای انجام داد که مقادیر پاسخ انرژی-اقتصادی به حداکثر برسند. بنابراین، با بررسی شکل (6) و تحلیل کانتورها، می‌توان نتیجه گرفت که بهینه‌سازی عوامل مساحت پنل‌های خورشیدی و توان CCHP می‌تواند بهبود قابل توجهی در پاسخ‌های انرژی-اقتصادی داشته باشد.

 

جدول (4): دامنه تغییرات متغیرهای در نظر گرفته شده

 در روش­شناسی سطح پاسخ

(4)

واحد	دامنه تغییرات	عامل
m2	24000 - 0	مساحت پنل­های خورشیدی
kW	3000– 0	توان دیزل ژنراتور

جدول (5): اهداف در نظر گرفته شده در روش­شناسی سطح پاسخ

Response	Name	Field
R1	Net electricity consumption	energy
R2	Total natural gas consumption	energy
R3	Total diesel consumption	energy
R4	Payback period	economic

جدول (6): مقادیر بهینه به­دست آمده برای متغیرهای انتخاب شده در روش­شناسی پاسخ سطح

واحد	مقدار بهینه	عامل
m2	11770	مساحت پنل­های خورشیدی
kW	984	توان دیزل ژنراتور

جدول (7): مقادیر به­دست آمده برای هدف­ها 

در سیستم روش­شناسی پاسخ سطح 

واحد	نتایج بهینه	پاسخ­ها	جنبه­های انرژی-اقتصادی
kWh	1079120-	مصرف کل برق	انرژی
m3	375371	کل مصرف گاز
L	2466476	کل مصرف سوخت دیزل
سال	1.61	دوره بازگشت سرمایه (PBP)	اقتصادی

1-4-نتایج دینامیکی

در این بخش نتایج دینامیکی مختلف به صورت ساعتی در طول سال گزارش شده­است. بر اساس تحلیل شکل (3)، می‌توان به ارتباط عکس بین دمای سلول خورشیدی و بازدهی پنل خورشیدی در طول سال پی برد. در شبیه‌سازی انجام شده، دو بازه زمانی از ساعت 0 تا 2190 و از ساعت 6570 تا 8760 در نظر گرفته شده است. این بازه‌ها به ترتیب ماه‌های سرد و گرم سال را نمایش می‌دهند. در ماه‌های سرد سال، به دلیل دمای محیط پایین‌تر، دمای سلول خورشیدی کاهش می‌یابد و در نتیجه بازدهی پنل خورشیدی بیشتر است. این بازه‌ها شامل ساعاتی از ساعت 0 تا 2190 و از ساعت 6570 تا 8760 می‌شوند. در این بازه‌ها، بازدهی پنل خورشیدی در حدود 25 تا 48 % نوسان می‌کند. از ساعت 2190 تا 6570، که ماه‌های گرم سال را شامل می‌شود، دمای سلول خورشیدی بین 30 تا حدود 45 درجه سانتی­گراد متغیر است. در این بازه زمانی، بازدهی پنل خورشیدی کاهش می‌یابد و بین 8 تا حدود 30 % تغییر می‌کند.

 

 

        با توجه به شکل (4)، که تغییرات متوسط روزانه برق تولیدی در پنل­های خورشیدی در طول سال را نشان می‌دهد، مشاهده می‌شود که در فصول سرد سال، میزان نوسانات برق تولیدی پنل‌ها بسیار بیشتر از نوسانات در فصل‌های گرم است. در فصول سرد سال، میزان تولید برق پنل‌ها بین 10 تا 300 کیلووات متغیر است. اما در فصل‌های گرم سال، میزان تولید برق بین 150 تا 300 کیلووات نوسان می‌کند که نشان می­دهد، میزان تولید برق در این فصل‌ها پیوسته‌تر است و تداوم بیشتری دارد. این میزان بالاتر تولید برق در فصل‌های گرم می‌تواند به دلیل دریافت میزان تشعشع خورشیدی بیشتر و افزایش زمان تابش خورشید در این فصول باشد. همچنین، با توجه به شکل (5)، که نشان‌دهنده انرژی جذب شده متوسط روزانه در کلکتورهای خورشیدی با مساحت 100 متر مربع (برای پیش‌گرمایش آب) است، مشاهده می‌شود که در طول سال، کلکتورهای خورشیدی توانسته‌اند میزانی بین 30 تا 70 کیلووات انرژی را جذب کنند. این انرژی جذب شده می‌تواند در گرم کردن آب مورد استفاده در سیستم پیش‌گرمایش به بویلر کمک کند.

شکل (2): کانتورهای اثرات تغییر عامل‌های مساحت پنل‌های خورشیدی و توان CCHP روی پاسخ‌های انرژی-اقتصادی

 

شکل (3): تغییرات دما و بازدهی پنل های خورشیدی در طول سال 

 

 

شکل (4): تغییرات متوسط روزانه برق تولیدی در پنل­ها در طول سال

 

شکل (5): انرژی جذب شده متوسط روزانه در کلکتورهای خورشیدی (مساحت کلکتور: 100 متر مربع)

 

شکل (6): تغییرات متوسط روزانه برق در CCHP در طول سال

 

شکل (7): تغییرات ساعتی گرمای اگزاست CCHP و مصرف سوخت در طول سال

 

شکل (8): تغییرات متوسط روزانه گرمای اگزاست CCHP و مصرف سوخت در طول سال

 

این میزان انرژی جذب شده توسط کلکتورهای خورشیدی نشان می‌دهد که این سیستم‌ها قادر به استفاده از انرژی خورشید برای تأمین بخشی از نیازهای گرمایشی سیستم آب گرم مجموعه هستند. با استفاده از این روش، می‌توان به کاهش مصرف سوخت‌های فسیلی و انتشار گازهای گلخانه‌ای مرتبط با آنها کمک کرد. شکل (6) تغییرات متوسط روزانه برق تولیدی در CCHP در طول سال را نشان می­دهد. همانطور که مشاهده می‌شود در طول سال، متوسط تولید روزانه برق در CCHP تغییر می‌کند. مشاهده می‌شود که در فصول گرم سال، میزان برق تولیدی دیزل ژنراتور کمتر از فصول سرد سال است. دلیل این امر این است که در فصول گرم سال، به دلیل تشعشع خورشیدی بیشتر و تعداد روزهای ابری کمتر، پنل‌های خورشیدی توانسته‌اند بیشترین میزان برق را تولید کنند و نیاز مجموعه را تأمین کنند. این به این معنی است که در فصول گرم سال، نیاز به پشتیبانی تولید برق از طریق CCHP کاهش می‌یابد. به عبارت دیگر، CCHP در این فصول کمتر به کار گرفته می‌شوند زیرا تولید برق از پنل‌های خورشیدی برای تأمین نیاز مجموعه کافی است. شکل (7) تغییرات ساعتی گرمای اگزاست CCHP و مصرف سوخت در طول سال را نشان می­دهد. با توجه به توضیحات ارائه شده، شکل (8) تغییرات ساعتی گرمای اگزاست CCHP و مصرف سوخت آن در این سیستم در طول سال را نمایش می‌دهد. مشاهده می‌شود که در فصول گرم سال، میزان سوخت مصرفی CCHP کمتر است و به طبع آن، میزان گرمای دریافتی از گزاست دیزل ژنراتور نیز کمتر است. دلیل این امر این است که در فصول گرم سال، نیاز به گرمایی که توسط CCHP تأمین می‌شود، کاهش می‌یابد. به دلیل اینکه در این فصول دمای هوا افزایش می‌یابد و نیاز به گرمایی اضافی کاهش می‌یابد. در نتیجه، سیستم CCHP کمتر به کار گرفته می‌شود و مصرف سوخت آن کاهش می‌یابد. از طرفی میزان تولید برق پنل­های خورشیدی نیز در فصل گرم بیشتر است. بنابراین میزان مصرف سوخت CCHP هم کاهش داشته است چون نیاز کمتری به سیستم پشتیبان وجود داشته است.

شکل (9) تغییرات ساعتی تقاضای برق، برق تولید شده توسط پنل­های خورشیدی و برق تولید شده توسط دیزل ژنراتور در طول سال را نشان می­دهد. از تحلیل این نمودار می‌توان نتیجه گرفت که سیستم بهینه ترکیبی طراحی شده برای مجموعه نه تنها قادر به تأمین کل برق مورد نیاز مجموعه است، بلکه میزان اضافی از برق نیز برای فروش به شبکه باقی می‌ماند. در نمودار، میزان برق تولید شده توسط CCHP و پنل‌های خورشیدی در برخی اوقات بیشتر از تقاضای برق مجموعه است. این به این معنی است که در این زمان‌ها، سیستم توانایی تأمین برق مورد نیاز مجموعه را دارد و حتی میزان اضافی از برق تولید می‌شود که می‌تواند به شبکه برق عمومی فروخته شود.

از مزیت‌های استفاده از سیستم بهینه ترکیبی CCHP و پنل‌های خورشیدی می‌توان به موارد زیر اشاره کرد:

 

شکل (9): تغییرات ساعتی تقاضای برق، برق تولیدی توسط پنل­های خورشیدی و برق تولید شده توسط CCHP در طول سال

 

شکل (10): تغییرات ساعتی تقاضای برق، کل برق تولید شده (مجموع برق پنل­های خورشیدی و برق تولید شده توسط CCHP) و مصرف کل برق (تفاضل تقاضای برق و کل برق تولیدی) در طول سال

 

شکل (11): تغییرات ساعتی تقاضای مصرف گاز سیستم و مجموعه، معادل مترمکعب گاز حاصل از انرژی جذب شده از طریق کلکتورهای خورشیدی و معادل مترمکعب گاز حاصل از انرژی اگزاست دیزل

- استفاده از منابع انرژی تجدیدپذیر: با استفاده همزمان از CCHP و پنل‌های خورشیدی، مجموعه از منابع انرژی تجدیدپذیر بهره‌برداری می‌کند. این کاهش وابستگی به سوخت‌های فسیلی را نشان می‌دهد و به حفظ محیط زیست کمک می‌کند.

- تأمین برق پایدار: سیستم بهینه ترکیبی توانایی تأمین برق پایدار را دارد. با توجه به نمودار، مجموعه قادر است در همه زمان‌ها، حتی در ساعت‌های بار پایین، برق مورد نیاز را تأمین کند.

- کاهش هزینه‌های سوخت: استفاده از پنل‌های خورشیدی در ساعت‌های بار پایین میزان مصرف سوخت CCHP را کاهش می‌دهد. این بهبود در بهره‌وری سیستم باعث کاهش هزینه‌های سوخت و مدت بازگشت سرمایه سیستم می‌شود.

- فروش برق اضافی: در زمان‌هایی که تولید برق توسط CCHP و پنل‌های خورشیدی بیشتر از تقاضای برق مجموعه است، می‌توان این اضافه برق را به شبکه برق عمومی فروخت و به عنوان یک منبع درآمد اضافی استفاده کرد. برق تولیدی از برق مصرفی مجموعه کمتر است و این میزان به شبکه فروخته می­شود.

شکل (11) تغییرات ساعتی تقاضای مصرف گاز سیستم و مجموعه، معادل مترمکعب گاز حاصل از انرژی جذب شده از طریق کلکتورهای خورشیدی و معادل مترمکعب گاز حاصل از انرژی اگزاست CCHP را نشان می­دهد. این نمودار نشان می‌دهد که مصرف گاز در ماه‌های سرد سال بیشتر از سایر ماه‌ها است. در فصل سرما، نیاز به گرمایش بیشتر است و در نتیجه مصرف گاز افزایش می‌یابد. از طرف دیگر، در فصل تابستان که هوا گرمتر است، نیاز به گرمایش کاهش می‌یابد و بنابراین مصرف گاز نیز کاهش می‌یابد. در نمودار، مشاهده می‌شود که میزان گرمای اتلافی که از اگزاست CCHP تولید می‌شود، در طول سال تقریباً ثابت است. این یعنی CCHP برای تأمین گرما در طول سال به صورت پایدار عمل می‌کند و برای مصرف گاز به شدت وابسته به فصل نیست. از این رو، بهبود کارایی CCHP و استفاده از انرژی اگزاست در تولید گرما، می‌تواند به کاهش مصرف گاز در مجموعه کمک کند.در عین حال، میزان گرمای جذب شده توسط کلکتورهای خورشیدی در تابستان بیشتر از زمستان است.

5-       بحث و نتیجه­گیری

در نتایج مشاهده شد که سیستم تولید همزمان استفاده از پنل‌های فتوولتائیک و CCHP می‌تواند یک راهکار مناسب برای تولید انرژی الکتریکی و حرارتی با در نظر گرفتن نیازهای سالن‌های تولیدی و اداری باشد. این سیستم قابلیت تنظیم و بهینه‌سازی مصرف سوخت و کاهش هزینه‌های انرژی را فراهم می‌کند. نتایج شبیه‌سازی نشان می­دهد که سیستم ترکیبی مورد مطالعه با توجه به شرایط آب و هوایی محل مطالعه، قادر به تولید انرژی الکتریکی و حرارتی در طول سال است. با استفاده از روش سطح پاسخ نشان داده شد که مساحت پنل‌های فتوولتائیک در حالت بهینه برابر با 11770 مترمربع و توان CCHP بهینه برابر با 1986 کیلووات است. همچنین، در شرایط بهینه، سیستم بهترین عملکرد را دارد؛ مطلوبیت ترکیبی که برابر با 0.724 است، نشان می‌دهد که عملکرد سیستم بهینه نزدیک به حالت ایده‌آل است. از نظر مصرف انرژی، سیستم بهینه به مصرف کل برق 1079120 کیلووات، کل مصرف گاز 375371 مترمکعب، کل مصرف سوخت CCHP 2466476 لیتر و دوره بازگشت سرمایه 1.61 سال دست پیدا می‌کند.

در بخش تغییرات دما و بازدهی پنل­های خورشیدی در طول سال در این بازه زمانی، بازدهی پنل خورشیدی کاهش می‌یابد و بین 8 % تا حدود 30 % تغییر می‌کند. این نشان می‌دهد که با وجود اینکه در ماه‌های گرم سال میزان تشعشع خورشید کمتر است، اما به دلیل افزایش دمای سلول خورشیدی، بازدهی پنل خورشیدی کاهش می‌یابد. با توجه به تحلیل فوق، می‌توان نتیجه گرفت که بازدهی پنل خورشیدی به دمای سلول خورشیدی وابسته است و با افزایش دما، بازدهی کاهش می‌یابد. همچنین در طول سال، دمای سلول خورشیدی و متغیرهای محیطی دیگر تأثیر قابل توجهی بر عملکرد آن دارند. این نشان می‌دهد که با وجود اینکه در ماه‌های سرد سال میزان تشعشع دریافتی از خورشید کمتر از ماه های گرم سال است، اما به دلیل پایین­تر بودن دمای سلول خورشیدی در فصل سرد، بازدهی پنل­ها به مراتب بیشتر بوده­است.

از تغییرات متوسط روزانه برق تولیدی در پنل‌ها در طول سال مشاهده می‌شود که در فصول سرد سال، میزان نوسانات برق تولیدی پنل‌ها بسیار بیشتر از نوسانات در فصل‌های گرم است. این نتیجه می‌تواند به دلیل تغییرات دما و شدت نور خورشید در طول فصول سال باشد. در فصل‌های سرد، به دلیل کاهش شدت تشعشع خورشیدی، عملکرد پنل‌های خورشیدی کاهش می‌یابد و بنابراین میزان تولید برق نیز کاهش می‌یابد. این تغییرات دما و نور در فصل‌های سرد سال می‌تواند به دلیل آسمان ابری و کاهش زمان تابش خورشید در این فصول باشد، در نتیجه، می‌توان نتیجه گرفت که تغییرات فصلی و نوسانات در شدت نور و دما، تأثیر قابل توجه‌ای بر تولید برق پنل‌های خورشیدی دارند. این نتایج می‌تواند در توسعه و بهره‌برداری بهینه از سیستم‌های خورشیدی مورد استفاده قرار گیرند و برای برنامه‌ریزی و مدیریت بهتر منابع انرژی خورشیدی مورد استفاده قرار گیرند.

تغییرات متوسط روزانه برق تولیدی در CCHP در طول سال در فصول سرد سال، احتمالاً به دلیل کاهش تشعشع خورشیدی و افزایش تعداد روزهای ابری است، که تولید برق از پنل‌های خورشیدی کاهش می‌یابد و نیاز به پشتیبانی تولید برق از طریق CCHP افزایش می‌یابد. در نتیجه، در فصول سرد سال، CCHP بیشتر به کار گرفته می‌شوند تا نیاز به برق مجموعه را تأمین کنند. به طور کلی، این نتایج نشان می‌دهند که استفاده از پنل‌های خورشیدی در فصول گرم سال می‌تواند به کاهش نیاز به پشتیبانی تولید برق از طریق CCHP و در نتیجه کاهش مصرف سوخت‌های فسیلی و انتشار گازهای گلخانه‌ای مرتبط با آنها کمک کند.

تغییرات ساعتی گرمای اگزاست CCHP و مصرف سوخت آن در طول سال و تغییرات متوسط روزانه گرمای اگزاست CCHP و مصرف سوخت دیزل در طول سال، منجر به کاهش مصرف سوخت در CCHP در فصول گرم سال می‌شود که می‌تواند به دلیل استفاده بیشتر از پنل‌های خورشیدی برای تأمین نیازهای گرمایشی باشد. از آنجا که در این فصول تشعشع خورشیدی بیشتر است، پنل‌های خورشیدی می‌توانند بیشترین میزان انرژی را تولید کنند و نیاز به استفاده از CCHP کمتر می‌شود. به طور کلی، این نتایج نشان می‌دهند که در فصول گرم سال، میزان مصرف سوخت و نیاز به گرمای CCHP کاهش می‌یابد. این می‌تواند به کاهش هزینه‌های سوخت و انتشار آلاینده‌های مرتبط با سوخت‌های فسیلی کمک کند. همچنین، استفاده از پنل‌های خورشیدی در این فصول می‌تواند به استفاده بهینه از منابع انرژی تجدیدپذیر و کاهش تأثیرات محیط زیستی مرتبط با مصرف سوخت‌های فسیلی کمک کند.

از تحلیل تغییرات ساعتی تقاضای برق، برق تولید شده توسط پنل­های خورشیدی و برق تولید شده توسط CCHP در طول سال می‌توان نتیجه گرفت که طراحی و استفاده از سیستم بهینه ترکیبی CCHP و پنل‌های خورشیدی به مجموعه امکان می‌دهد تا به طور کامل و پایدار برق مورد نیاز خود را تأمین کند و حتی میزان اضافی از برق را به شبکه برق عمومی فروخته و از آن به عنوان منبع درآمد اضافی بهره‌برداری کند. این نتیجه نشان می‌دهد که سیستم بهینه ترکیبی CCHP و پنل‌های خورشیدی از مزایای اقتصادی، محیط زیستی و پایداری برخوردار است و می­تواند به عنوان یک راه حل مناسب برای تأمین برق در مجموعه‌های صنعتی و تجاری مورد استفاده قرار گیرد.

تغییرات ساعتی تقاضای مصرف گاز سیستم و مجموعه، معادل متر مکعب گاز حاصل از انرژی جذب شده از طریق کلکتورهای خورشیدی و معادل متر مکعب گاز حاصل از انرژی اگزاست CCHP، نشان می‌دهد که با استفاده از سیستم کلکتورهای خورشیدی و CCHP به عنوان منابع انرژی تجدیدپذیر در این مجموعه، مزایایی مانند کاهش هزینه‌ها و استفاده بهینه از فضا را به مجموعه ارائه می‌دهد. با توجه به تغییرات فصلی در مصرف گاز و تأمین انرژی از کلکتورهای خورشیدی و CCHP ، میزان مصرف گاز در فصول سرد سال کاهش می‌یابد و در فصل تابستان به حداقل می‌رسد. این بهبود کارایی انرژی و کاهش وابستگی به سوخت‌های فسیلی می‌تواند به حمایت از محیط زیست و کاهش انتشار گازهای گلخانه‌ای کمک کند.

همانطور که در بخش­های قبلی ذکر شد، طراحی دقیق سیستم­های CCHP به گونه­ای که همه پارامترها در حالت بهینه خود باشند بسیار مهم است. از این رو در این پژوهش نیز از یک روش بهینه­سازی برای دستیابی به بهترین طراحی ممکن در نرم افزار ترنسیس استفاده شد. در این پژوهش از روش طراحی آزمایش  به کمک روش سطح پاسخ یا RSM استفاده شده و در نهایت خروجی نرم‌افزار ترنسیس موارد دینامیکی پژوهش را پیاده‌سازی می‌کند. در نتایج این پژوهش، مشاهده شد که سیستم تولید همزمان کوپل شده با استفاده از پنل‌های خورشیدی و CCHP می‌تواند یک راهکار مناسب برای تولید همزمان انرژی الکتریکی و حرارتی با در نظر گرفتن نیازهای ساختمان‌ها باشد. این سیستم قابلیت تنظیم و بهینه‌سازی مصرف سوخت و کاهش هزینه‌های انرژی را فراهم می‌کند. نتایج شبیه‌سازی نشان داد که سیستم ترکیبی مورد بررسی با توجه به شرایط آب و هوایی محل مطالعه، قادر به تولید انرژی الکتریکی و حرارتی در طول سال است. همچنین، با اضافه کردن یک چیلر جذبی، سیستم قادر به تأمین نیازهای سرمایشی ساختمان نیز می‌باشد. این سیستم از نظر عملکرد، بهینه‌سازی مصرف سوخت و تولید همزمان انرژی الکتریکی و حرارتی، عملکرد قابل قبولی دارد. با توجه به نتایج این تحقیق، سیستم ترکیبی پیشنهاد شده می‌تواند به عنوان یک راهکار مناسب در صنعت و ساختمان‌ها برای بهینه‌سازی مصرف انرژی و کاهش هزینه‌ها مورد استفاده قرار گیرد. همچنین، این سیستم می‌تواند به کاهش آلودگی محیطی و انتشار گازهای گلخانه‌ای کمک کند. در نتیجه، استفاده از سیستم تولید همزمان کوپل شده با پنل‌های خورشیدی و CCHP به عنوان یک راهکار پایدار و اقتصادی برای تأمین انرژی الکتریکی و حرارتی با در نظر گرفتن نیازهای ساختمان‌ها و شرایط آب و هوایی محل مطالعه، توصیه می‌شود.

در تحقیق انجام شده موارد ذیل مورد بررسی قرار گرفته و نتایج آن در مقایسه با سایر پژوهش ها مشخص شده است:

- در تحقیق حاضر، آنالیز حساسیت انجام شده است تا تأثیر عوامل مساحت پنل‌های خورشیدی و توان CCHP بر تابع مطلوبیت سیستم را بررسی کند. به عبارت دیگر، این تحلیل به ما این امکان را می‌دهد که درک بهتری از تأثیر تغییرات در این دو عامل بر عملکرد بهینه سیستم پیدا کنیم. نتایج نشان می‌دهد که بیشترین مقدار تابع مطلوبیت (CD) برابر با 0.725 است. این نشان می‌دهد که با ترکیب بهینه از دو عامل، سیستم به یک حالت بهینه می‌رسد و مقدار تابع مطلوبیت به 0.725 نزدیک می‌شود. این مقدار نزدیک به بیشترین مقدار ممکن تابع مطلوبیت (1) است در تحقیق های مشابه پیشینه تحقیق تابع مطلوبیت‌های مختلفی از 0.64، 0.56، 0.82 ارائه شده است؛ لیکن تابع مطلوبیت بالای 0.7 دارای حالت بهینه بوده و نشان‌دهنده این مورد می‌باشد که سیستم در حالت بهینه طراحی شده است. در ضمن تابع مطلوبیت به‌دست امده بر اساس موقعیت جغرافیای و ظرفیت در نظر گرفته شده بر اساس تجهیزات موجود به‌دست آمده­است.

- در تحقیق حاضر، تأثیر عوامل مساحت پنل‌های خورشیدی و توان CCHP  بر مصرف کل برق بررسی شده است. نتایج نشان می‌دهد که با افزایش توان CCHP از ۰ تا ۳۰۰۰ کیلووات، مصرف کل برق از حدود ۷۰۰۰۰۰۰۰ کیلووات ساعت در سال به تقریباً ۲۵۰۰۰۰۰ کیلووات ساعت در سال کاهش می‌یابد. این مورد نشان می‌دهد سیستم تولید برق بیشتر از نیاز مصرفی مجموعه تولید شده و بخشی از برق تولیدی به شبکه برق عرضه می­گردد. این کاهش حدود 64% بوده و در تحقیق­های دیگری که در بخش پیشینه تحقیق اشاره شده این مقدار در عددهای مختلف نظیر 10%، 35%، 60% نیز مشاهده شده­است. لازم به توضیح می‌باشد در تحقیق انجام شده با توجه به موقعیت جغرافیایی و ظرفیت در نظر گرفته شده و همچنین آنالیز حساسیت انجام شده بهینه‌ترین حالت را طراحی و کاهش 64% را به‌دنبال داشته است.

- در نتایج حاصل از پژوهش، تأثیر تغییرات عوامل مساحت پنل‌های خورشیدی و توان CCHP بر کل مصرف گاز سیستم و مجموعه مورد بررسی قرار گرفته است. با افزایش توان CCHP از ۰ تا حدود ۱۶۰۰ کیلووات، مصرف کل گاز با کاهش ۷۷.۱%، معادل ۱۳۰۹۹۸۵ مترمکعب در سال به تقریباً ۳۰۰۰۰۰ مترمکعب در سال کاهش داده شد. این کاهش در مصرف گاز به دلیل استفاده از گرمای خروجی در CCHP و افزایش دمای آب مخزن ذخیره آب گرم می باشد. با افزایش دما، نیاز به استفاده از بویلر در سیستم کمتر می‌شود و بویلر کمتری برای تأمین گرمای مورد نیاز مورد استفاده قرار می‌گیرد در بخش پیشینه تحقیق این کاهش با اعدادی 46.83%، 60% مشاهده شده ولیکن در تحقیق انجام شده با توجه به موقعیت جغرافیایی و ظرفیت در نظر گرفته شده این مقدار 77.1% شده است که نشان می دهد سیستم در شرایط بسیار مناسبی طراحی شده است.

- همچنین تأثیر تغییرات عوامل مساحت پنل‌های خورشیدی و توان CCHP بر مصرف سوخت دیزل مورد بررسی قرار گرفته است. می­توان از نتایج شبیه­سازی به این نتیجه رسید که تغییرات مصرف گاز و مصرف سوخت دیزل در CCHP روندی بر عکس یکدیگر دارند. در واقع، کاهش همزمان مصرف گاز و سوخت در CCHP امکان‌پذیر نیست و روند آن‌ها عکس یکدیگر است. نتایج نشان می‌دهد که باید تصمیم‌گیری درباره استفاده بیشتر از کدام سوخت صورت گیرد. بسته به کمبود گاز طبیعی در کشور و کاهش فشار در شبکه، می‌توان تمرکز را بر روی افزایش توان CCHP تا ۱۶۰۰ کیلووات قرار داد. در این صورت، مصرف گاز کمتری رخ می‌دهد، اما مصرف سوخت CCHP بیشتر است. با استفاده از بهینه‌سازی با استفاده از روش RSM، نقطه بهینه در مساحت پنل‌ها با اندازه ۱۱۷۱۶.۸۹ مترمربع و توان CCHP با اندازه ۱۹۸۶.۶۹ کیلووات مشخص شده است. در این نقطه بهینه، مصرف کلی سوخت دیزل برابر با ۲۴۶۶۴۷۶.۴ لیتر در سال است، در پژوهش­های دیگری که در پیشینه تحقیق اشاره شده این مقدار در بازه 1 میلیون تا 4 میلیون متغیر می­باشد، ولیکن در تحقیق انجام شده با توجه به موقعیت جغرافیایی و ظرفیت در نظر گرفته شده بهینه­ترین حالت را طراحی و میزان سوخت مورد نیاز حدود 2.5 میلیون لیتر محاسبه شده است.

- همچنین، نصب سیستم­های خنک­کننده و اطمینان از تهویه مناسب می­تواند به کاهش اثرات گرما بر کارایی پنل خورشیدی کمک کند. در پیشینه تحقیق مشخص شد که با استفاده از تکنیک خنک نمودن پنل های خورشیدی با روش های مختلف تاثیر بسزایی در افزایش کارایی از 6% تا 82.6% انجام شده است. ابتدا از تکنیک استفاده از اسپری آب بر روی پنل‌های خورشیدی استفاده شده است که در این روش 7.6% تا 23% را به‌دنبال داشته است. مورد بعدی اضافه نمودن نانو سیال جهت بالا بردن کارایی تاثیر 24% را نشان می‌دهد. در بخش دیگر با استفاده از فن‌های خنک‌کننده بازده پنل ها با افزایش 3.35% تا 10.5% را به‌دنبال داشته است. باتوجه به تحقیق کاربردی انجام شده مشخص است که تاثیر دما بر روی کارایی مستقیم بوده و در تحقیق انجام شده بین 7 تا 30 % متغیر می‌باشد که این نتایج با توجه به موقعیت جغرافیایی و ظرفیت طراحی در حالت ایده‌ال محاسبه شده است.

همچنین در ژوئن 2022 در آلکالا دهنارس اسپانیا در شرایط بیرونی آزمایشی مبنی بر خنک کردن پنل و تاثیر دما بر کارایی انجام شد. دبی مایع خنک‌کننده 3 لیتر در دقیقه (1.8 لیتر در دقیقه در هر متر مربع پنل خورشیدی) است. در نتیجه، پنل خورشیدی خنک می‌شود و دما به ◦C 1 ±20 با میانگین روزانه ◦C 1±15 کاهش می‌یابد. به دلیل خنک شدن خورشید، بازده پانل به طور قابل توجهی تا 0.8 ± 13.8٪ افزایش یافته است. همانطور که در نتایج تحقیق به‌دست آمده مقدار تاثیر دما بر روی افزایش کارایی 8% تا 30 % به‌دست آمده که در حالت بهینه می‌باشد. با توجه به تحلیل­های انجام شده، استفاده از سیستم کلکتورهای خورشیدی و CCHP به عنوان منابع انرژی مجدداً تأیید می‌کند که این روش‌ها می‌توانند به کاهش مصرف گاز و بهره‌وری انرژی در مجموعه کمک کنند.

مراجع

[1]       M. A. Obalanlege, J. Xu, C. N. Markides, and Y. Mahmoudi, “Techno-economic analysis of a hybrid photovoltaic-thermal solar-assisted heat pump system for domestic hot water and power generation,” Renewable Energy, vol. 196, pp. 720–736, Aug. 2022, doi: https://doi.org/10.1016/j.renene.2022.07.044.

[2]       D. Lopez-Pascual, I. Valiente-Blanco, O. Manzano-Narro, M. Fernandez-Munoz, and E. Diez-Jimenez, “Experimental characterization of a geothermal cooling system for enhancement of the efficiency of solar photovoltaic panels,” Energy Reports, vol. 8, pp. 756–763, Nov. 2022, doi: https://doi.org/10.1016/j.egyr.2022.10.154.

[3]       S. Pater, “Long-Term Performance Analysis Using TRNSYS Software of Hybrid Systems with PV-T,” Energies, vol. 14, no. 21, p. 6921, Oct. 2021, doi: https://doi.org/10.3390/en14216921.

[4]       ‌ A. Al-Manea, R. Al-Rbaihat, H. T. Kadhim, A. Alahmer, T. Yusafand K. Egab, “Experimental and Numerical Study to Develop TRANSYS Model for an Active Flat Plate Solar Collector with an Internally Serpentine Tube Receiver”, vol. 15, Aug. 2022, doi: 10.1016/j.ijft.2022.100189.

[5]       M. H. Nasr Esfahani, A. Hajizadeh Aghdamand A. H. Refahi, “Energy, exergy, exergoeconomic, exergoenvironmental (4E) assesment, sensitivity analysis and multi-objective optimization of a PTC –tehran climate data case study”, vol. 415, Aug. 2023, doi: 10.1016/j.jclepro.2023.137821.

[6]       B. Saadmohammadi and B. Sajadi, “4E analysis and tri-objective optimization of a novel solar 4th cogeneration system for a smart residential building in various climates of Iran”, Mar. 2024, doi: 10.1016/j.enconman.2024.118177.

[7]       R. Geetha, M. M. Vijayalakshmiand E. Natarajan, “Modeling and Simulation Assessment of Solar Photovoltaic/Thermal Hybrid Liquid System Using TRNSYS”, Nov. 2015, doi: 10.4028/WWW.SCIENTIFIC.NET/AMM.813-814.700.

[8]       N. Molero-Villar, J. M. Cejudo-López, F. Dominguez-Muñozand A. Carrillo-Andres, “A comparison of solar absorption system configurations”, vol. 86, no. 1, Jan. 2012, doi: 10.1016/J.SOLENER.2011.09.027.

[9]       M. Kegel, J. Tamasauskasand R. Sunye, “Solar Thermal Trigeneration System in a Canadian Climate Multi-unit Residential Building”, vol. 48, Jan. 2014, doi: 10.1016/J.EGYPRO.2014.02.101.

[10]       C. Ghenai, A. Merabet, T. Salamehand E. C. Pigem, “Grid-tied and stand-alone hybrid solar power system for desalination plant”, vol. 435, Oct. 2017, doi: 10.1016/J.DESAL.2017.10.044.

[11]       A. M. Ali, “Process optimization and economic evaluation of air gasification of Saudi Arabian date palm fronds for H2-rich syngas using response surface methodology”, vol. 316, May 2022, doi: 10.1016/j.fuel.2022.123359.

[12]       H. Demir, “Optimization of Caper Drying Using Response Surface Methodology and Artificial Neural Networks for Energy Efficiency Characteristics”, vol. 16, no. 4, Feb. 2023, doi: 10.3390/en16041687.

[13]       A. Khaloo, M. Vasheghaniand J. Sedeghi, “Contribution of water-soluble ions in the corrosion of reinforced concrete cooling towers using the response surface method”, Jul. 2024, doi: 10.1016/j.cscm.2024.e02966.

[14]       J. Huang, “Multi-objective optimization of a double helical coil heat exchanger using response surface method and genetic algorithm”, May 2024, doi: 10.1016/j.ijthermalsci.2024.108927.

[15]       Samami, H., Naghibi Iravani, S., Arash Sohrabi, S., Gheitarani, N., & Dehghan, S. (2024). Evaluation and Optimization of Building Greening Methods in Four Different Climates Using Building Information Modeling (BIM). European Online Journal of Natural and Social Sciences, 13(1), pp-27.

[16]       W. Zuo, D. Li, Q. Li, Q. Cheng, K. Zhouand J. E, “Multi-objective optimization of multi-channel cold plate under intermittent pulsating flow by RSM and NSGA-Ⅱ for thermal management of electric vehicle lithium-ion battery pack”, Nov. 2023, doi: 10.1016/j.energy.2023.129085

[17]       M. H. Jahangir, A. Kargarzadehand F. Javanshir, “Energy investigation in buildings applying a solar adsorption chiller coupled with biofuel heaters and solar heating/cooling systems in different climates”, vol. 8, Nov. 2022, doi: 10.1016/j.egyr.2022.10.428.

[18]       N. H. Abu-Hamdeh, “Numerical investigation of molten salt/SiO2 nano-fluid in the solar power plant cycle and examining different arrangements of shell and tube heat exchangers and plate heat exchangers in these cycles”, vol. 124, Jul. 2021, doi: 10.1016/J.JTICE.2021.05.018.

[19]       H. Wang, “Simulation and Analysis of Air-Ground Dual source Heat Pump Operating Efficiency☆”, vol. 121, Jan. 2015, doi: 10.1016/J.PROENG.2015.09.052.

[20]       A. Radwan, A. Mdallal, S. Haridy, M. A. Abdelkareem, A. H. Alamiand A. Olabi, “Optimizing the annual energy yield of a residential bifacial photovoltaic system using response surface methodology”, Feb. 2024, doi: 10.1016/j.renene.2023.119914.

[21]       G. A. Lujan-Moreno, G. A. Lujan-Moreno, P. Howard, O. Rojasand D. C. Montgomery, “Design of experiments and response surface methodology to tune machine learning hyperparameters, with a random forest case-study”, vol. 109, Nov. 2018, doi: 10.1016/J.ESWA.2018.05.024.

[22]       G. C. Derringer and R. C. Suich, “Simultaneous Optimization of Several Response Variables”, vol. 12, no. 4, Oct. 1980, doi: 10.1080/00224065.1980.11980968.

[23]       Y. Li, L. Luand H. Yang, “Energy and economic performance analysis of an open cycle solar desiccant dehumidification air-conditioning system for application in Hong Kong”, vol. 84, no. 12, Dec. 2010, doi: 10.1016/J.SOLENER.2010.09.006.

[24]       W. A. Jensen, “Response Surface Methodology: Process and Product Optimization Using Designed Experiments 4th edition”, vol. 49, no. 2, Nov. 2017, doi: 10.1080/00224065.2017.11917988.

[25]       Varghese, E., & Hemavathi, M. (2023). Design Expert Software for RSM and ME: Overview, Design Generation and Analysis.

 

---

[1]  Desirability function

[2]  Composite desirability (CD)

 

[3] 2 Central composite design 

[4] Design of experiment (DOE)