عنوان پایان‌نامه

ارزیابی شدت انرژی در بیمارستانها قبل و بعد از پیاده سازی سیستم مدیریت انرژی



    دانشجو در تاریخ ۳۰ تیر ۱۳۹۳ ، به راهنمایی ، پایان نامه با عنوان "ارزیابی شدت انرژی در بیمارستانها قبل و بعد از پیاده سازی سیستم مدیریت انرژی" را دفاع نموده است.


    محل دفاع
    کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2802;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 65280
    تاریخ دفاع
    ۳۰ تیر ۱۳۹۳

    مدیریت مصرف انرژی از ضروری ترین اقداماتی است که در جهت کاهش شدت انرژی در کشور باید بدان پرداخته شود. بخش هایی که خدمات عمومی ارائه می کنند، مانند بیمارستان های دولتی، از جمله مصرف کنندگان بزرگ انرژی الکتریکی هستند که باید تحت مدیریت انرژی درآیند. در این پژوهش ابتدا به ارائه پیشینه ای از بهینه سازی مصرف انرژی در مقالات و تحقیقات موجود پرداخته شده است، سپس مدل سازی برای سیستم مدیریت انرژی دستگاه های بیمارستانی مطرح می شود. در ادامه این پژوهش، در یک مطالعه موردی، فهرستی از دستگاه های مورد استفاده توسط یک مصرف کننده نمونه دریافت نموده و با تعیین مشخصات دستگاه ها، به علاوه ترجیحات کاربران آن ها، مدل برنامه ریزی و زمان بندی برای آن ها اجرا می شود. سه سناریوی زیر، به عنوان اهداف پیاده سازی سیستم مدیریت انرژی، بررسی و با هم مقایسه شده اند: . سناریوی اول: کمینه سازی پیک انرژی مصرفی (مدیریت اضافه بار) . سناریوی دوم: کمینه سازی هزینه انرژی مصرفی . سناریوی سوم: تلفیق سناریوهای اول و دوم مدل سازی در حوزه بیمارستان و بررسی همزمان هر دو سناریوی اول و دوم در سناریوی سوم، این پژوهش را از سایر پژوهش های مرتبط متمایز می کند. در پایان این پژوهش با بررسی نمودارهای توزیع انرژی دستگاه های بیمارستانی و مقایسه سناریو های مطرح شده، بهترین برنامه زمان بندی برای بارهای بیمارستانی ارائه شده است که دارای کمترین میزان انحراف با اهداف کمینه سازی پیک انرژی مصرفی و کمینه سازی هزینه برق مصرفی می باشد. در انتها شاخص شدت انرژی برای قبل و بعد از بهینه سازی ارزیابی شده است. به دلایلی که در بالا برای برنامه ریزی آرمانی اشاره شد، در شاخص شدت انرژی سناریوی سوم کاهش بیشتری مشاهده شد. دلایل اشاره شده اهمیت سناریو سوم را در صرفه جویی هزینه انرژی الکتریکی، به خوبی نشان می دهد. به علاوه، در یک مدل تکمیلی با توجه به عدم قطعیت موجود در ترجیحات مصرف کنندگان سعی شده است با تکیه بر تکنیک مدل سازی فازی برای این ترجیحات، مشکل عدم قطعیت نیز حل شود. واژه های کلیدی:بهینه‌سازی مصرف انرژی، خانه‌های هوشمند، شدت انرژی، برنامه‌ریزی عدد صحیح مختلط، برنامه‌ریزی آرمانی
    Abstract
    energy management is the most essential steps that must be paid attention in order to reduce the energy intensity in our country. sectors that provide public services, such as public hospitals, are the major consumers of electrical energy that should perform energy management. in this study, we provide a review energy consumption optimization in available research papers. in our case study we gather a list of utilized devices by a sample consumer and after determining devices specifications and user preferences we propose a scheduling model. the following three scenarios as the objectives of energy management systems implementation, have been investigated and compared: first scenario: peak energy minimization (load management) second scenario: minimization of energy costs third scenario: combining the first and second scenarios considering both first and second scenarios in the third one and also studying a hospital as a case, distinguish this study from other related studies. the study reviewed charts of power distribution of hospital systems and probed proposed scenarios to present the best schedule for hospital charges. this optimized schedule has the least difference from schedules obtaining with minimizing peak and power cost. finally, the energy intensity index were assessed before and after optimization. for the reasons mentioned earlier around goal programming method in our thesis, in the third scenario, greater reduction in energy intensity index was observed. mentioned reasons show the importance of the third scenario in electrical energy cost saving. in addition, due to the uncertainty in consumer preferences, in a more comprehensive model we rely on a fuzzy modeling techniques to solve the problem with preferences uncertainty. keywords:Optimization of energy consumption, Smart home, Energy intensity, Mixed integer programming, Goal programming