بررسی سیستم های تولید همزمان حرارت و قدرت PHC، بر پایه محرک موتور استرلینگ
Title Proper
Design, Optimize and Determine the Capacity of the Combined Cooling, Heating and Power Generation System )CCHP(
.PUBLICATION, DISTRIBUTION, ETC
Place of Publication, Distribution, etc.
تهران
PHYSICAL DESCRIPTION
Other Physical Details
۴۳۱ص.
NOTES PERTAINING TO TITLE AND STATEMENT OF RESPONSIBILITY
Text of Note
مسعود ضیاء بشر حق
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
متن کامل
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Body granting the degree
صنعتی خواجه نصیرالدین طوسی
Date of degree
۱۳۹۴
Discipline of degree
تبدیل انرژی
SUMMARY OR ABSTRACT
Text of Note
بحران انرژی در سالهای اخیر، کامیابی کشورها را در گرو دسترسی به منابع پایدار انرژی تجدیدپذیر و استفاده پربازده و کاراتر از حاملان انرژی موجود قرار دادهاست. طراحی ساختار بهینه برای سیستمهای تولید همزمان توان و حرارت، یکی از مطرحترین راهکارها در راستای جلوگیری از هدررفت منابع انرژی است؛ به گونهای که طی چند دههی گذشته، رهیافتهای گوناگونی برای بهینهسازی این نوع از سیستمهای انرژی پیشنهاد گردیدهاست. اما از آنجا که هدف نهایی از بهینهسازی، دستیافتن به یک طرح بهینهی قابل اجرا و عملی میباشد، لازم است که پارامترهای ترمودینامیکی، اقتصادی و زیستمحیطی به صورت همزمان مورد بررسی و بهینهسازی چند هدفه قرارگیرند. بر این اساس، در این پایاننامه تعیین ظرفیت بهینهی سیستمهای تولید همزمان الکتریسیته، گرما و سرمایش با در نظرگرفتن توابع هدف ترمودینامیکی، اقتصادی و زیستمحیطی و برای تٲمین نیازهای ساختمان نمونه انجامشدهاست. برآورد بارهای ساختمان به کمک شبیهسازی بنای نمونه در شرایط آب و هوایی شش شهر مختلف، با بیشترین پراکندگی اقلیمی، در نرمافزار PAH reirraC انجامشدهاست. در ادامه، سیستم تولید همزمان با محرک اولیهی توربین گاز، موتور احتراق داخلی، موتور استرلینگ و پیل سوختی به طور جداگانه در نرمافزار BALTAM مدلسازی شده و سپس به وسیلهی الگوریتم تکاملی چندهدفهی ژنتیک مورد بهینهسازی قرارگرفتهاند. ظرفیت بهینهی تولید توان هر کدام از مولدها در شهرهای منتخب، خروجی این بخش خواهدبود که جوابهای برتر به کمک روشهای تاپسیس، لینمپ و فازی، مجزا خواهندشد. در مرحلهی دوم تصمیمسازی، جوابهای منتخب قبلی، با استفاده از تحلیل مراتبی و ارزشگذاری اهداف توسط متخصصین، قیاس شده و کاراترین سیستم در هر شهر انتخاب شدهاست. نتایج نهایی بیانگر کاراتر بودن موتور استرلینگ و توربین گاز، در شهرهای گرمسیر کشور از جمله یزد و بندرعباس هستند.
Text of Note
Increasing concern regarding the depletion of fossil energy resources and the pollution of the environment has justified the interest in developing high efficiency energy generation techniques. Combined cooling, heating and power)CCHP( system is broadly identified as an alternative for the world to meet and solve energy related problems, such as increasing energy demands, increasing energy cost, energy supply security, and environmental concerns. A good CCHP system must yield economical savings, but more importantly must yield real energy savings as well as reducing the emission of pollutants. The performance of CCHP system is closely dependent on its design and operation. Aiming to maximize the benefits from CCHP system in comparison to traditional separation production, it is necessary to optimize the design and operation strategy. This paper presents an optimization of the operation of CCHP systems for different climate conditions based on operational cost, primary energy consumption)PEC(, and carbon dioxide emissions)CDE(, using a genetic deterministic linear algorithm. The four candidate CCHP technologies that have been considered in this paper are: internal combustion engine)ICE(, gas turbines)GT(, Stirling engine)SE( and molten carbonate fuel cell)MCFC(. This model is capable of optimally determining the optimal size)electrical rating( of a micro CCHP unit for any given residential demand regardless of the type of prime mover technology. A numerical example of CCHP system for a residential building in six different cities is given to ascertain the effectiveness of the optimal method. To provide a deeper insight, the Pareto frontier is shown for multi-objective optimization. Analytic hierarchy process)AHP( is used for decision-making of the final optimal solution from the obtained Pareto optimal frontier.