عنوان پایان‌نامه
بهینه سازی برنامه ریزی عملیات سیستم تولید همزمان برق، حرارت و سرمایش با در نظر گرفتن خرید و فروش برق در شبکه
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: TS 774;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77894;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: TS 774;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77894
- تاریخ دفاع
- ۲۹ آذر ۱۳۹۵
- دانشجو
- ستاره محمدی دهقی
- استاد راهنما
- مسعود ربانی
- چکیده
- طراحی بهینه‌ی سیستم‌های تولید همزمان برق و حرارت و سرمایش علاوه بر کاهش هزینه‌های یک مجموعه در کاهش آلایندگی و مصرف سوخت نیز تاثیر بسزایی دارد. هدف از این تحقیق طراحی و برنامه‌ریزی عملکرد یک سیستم تولید همزمان برای یک مجموعه از ساختمان‌های مسکونی و اداری است. این تحقیق برای یک مطالعه‌ی موردی که مجموعه‌ای آموزشی در مازندران می‌باشد، انجام‌گرفته‌است. استراتژی عملکرد سیستم تولید همزمان تاثیر بسزایی بر نتایج طراحی و برنامه‌ریزی عملیاتی سیستم دارد و از این رو در این تحقیق پنج استراتژی گوناگون بر مبنای تامین بار الکتریکی، تامین بار الکتریکی با نسبت ثابت استفاده از چیلرها در طول سال، تامین بار الکتریکی با نسبت ثابت استفاده از چیلرها در طول سال با در نظر گرفتن چند واحد تولید همزمان، استراتژی تامین بار حرارتی و در نهایت استراتژی تامین بار حرارتی با نسبت ثابت استفاده از چیلرها در طول سال با در نظر گرفتن چند واحد تولید توان، پیاده‌سازی شده‌است و نتایج به دست آمده مورد مقایسه و ارزیابی قرار گرفته‌است. نتایج حاکی از آن است که تحت استراتژی بار الکتریکی با نسبت ثابت استفاده از چیلرها میزان انتشار گاز کربن‌دی‌اکسید و هم‌چنین مصرف سوخت کاهش می‌یابد. به‌کارگیری استراتژی بار الکتریکی تنها با یک واحد تولید توان می‌تواند بیشترین کاهش در هزینه‌ها را به دنبال داشته باشد. با در نظرگرفتن استراتژی بار حرارتی با نسبت ثابت استفاده از چیلرها سیستم استفاده از سه واحد تولید توان به صورت همزمان را توصیه می‌کند. این استراتژی بیشترین کاهش در هزینه‌های اقتصادی را به همراه دارد و از طرفی پیاده‌سازی استراتژی تامین بار الکتریکی با نسبت ثابت استفاده از چیلرها کمترین آلایندگی و مصرف سوخت را به دنبال دارد و از این‌رو با توجه به نظر تصمیم‌گیرندگان و اهمیت توابع هدف گوناگون می‌توان از بین استراتژی‌های بار الکتریکی و بار حرارتی فعالیت سیستم را برنامه‌ریزی نمود.
- Abstract
- Optimum design of a Combined Cooling, Heating and Power generation (CCHP) system in addition to the economic benefits could be profitable in environmental and energy consumption aspects. The aim of this study is to determine the optimal capacity of equipment and define the best control strategy of a CCHP system. In this study, a CCHP system is designed for an educational complex located in Mahmoudabad, Mazandaran, Iran. Since determination of optimal system performance has a huge impact on improving the objective functions, the system’s performance under five different strategies (developed based on well-known Following Electrical Load (FEL) and Following Thermal Load (FTL) strategies) is evaluated. The objective is to minimize capital and operational costs, energy consumption, and CO2 emissions of the system. Due to the complexities of the model, genetic algorithm (GA) and particle swarm optimization (PSO) algorithm are used to find the optimal values of the decision variables. The results show that in FEL strategy with fixed ratio of electric cooling to cool load, CO2 emissions reduces in compression to other strategy. The performance of FEL strategy with fixed ratio of chillers is optimized by implementation of one power generation unit. Furthermore, using multiple power generation units in FTL strategy will eventuate least cost but increases CO2 emissions and energy consumption in compression to FEL strategy. Under this strategy using three power generation unit is recommended. If the approach of decision makers is to reduce the economic costs, it is better to work based on Multi-PGU under FTL strategy; and if they rather to reduce CDE and PEC or are seeking to buy the lowest amount of electricity from the grid, system should work based on FEL strategy with fixed ratio of electric cooling to cool load. Keywords: Combined Cooling, Heating and Power generation, Following Electrical Load, Following Thermal Load, Genetic Algorithm, Particle Swarm Optimization Algorithm
