مدل سازی دینامیکی تولید برق پاک مبتنی برروش شبیه سازی گذرا و روش شناسی سطح پاسخ
محورهای موضوعی : مهندسی قدرت و مدیریت انرژی
عباس مطلبی
1
(گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران )
سید احمد شایان نیا
2
(گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران )
مهدی امیر میاندرق
3
(گروه ریاضی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران )
ابراهیم نیک نقش
4
(گروه مدیریت صنعتی، واحد فیروزکوه، دانشگاه آزاد اسلامی، فیروزکوه، ایران )
کلید واژه: شبیه¬سازی, مدل¬سازی دینامیکی, سطح پاسخ, شبیه¬سازی گذری,
چکیده مقاله :
این مقاله شبیه‌سازی، بهینه‌سازی و مدل‌سازی دینامیکی یک سیستم چندمنبعی تولید انرژی را مورد بررسی قرار می¬دهد. این سیستم شامل پنل¬های 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 پنل¬های خورشیدی، انرژی جذب شده متوسط روزانه در کلکتورهای خورشیدی، تغییرات ساعتی تقاضای برق، برق تولید شده توسط پنل¬های 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 بهینه¬سازی 0.735 می¬باشد که این عدد نشان می‌دهد سیستم در حالت مناسب و ایدآل بوده و بازگشت سرمایه نیز با 1.64 سال قابل توجیه می¬باشد. 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.
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.
[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.
