بهینه‌سازی چندهدفه انرژی، اگزرژی و اقتصادی سامانه ذخیره‌سازی انرژی هوای مایع با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

بهینه‌سازی چندهدفه انرژی، اگزرژی و اقتصادی سامانه ذخیره‌سازی انرژی هوای مایع با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

مهزیار قائدی1 آرمان گله داری2 مهدی مقیمی3

1) 1- دانشجوی دکتری، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک، گرایش تبدیل انرژی،
2) 2- دانشجوی کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک، گرایش تبدیل انرژی،
3) 3- دانشیار، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک، گرایش تبدیل انرژی،

کد IOI مقاله : ABEB-ABKCDC
محل انتشار : چهارمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک(eitconf.com)
چکیده :
    با افزایش نفوذ انرژی‌های تجدیدپذیر، توسعه سامانه‌های ذخیره‌سازی انرژی با راندمان بالا و عملکرد اقتصادی مناسب به یکی از چالش‌های مهم شبکه‌های برق تبدیل شده است. در این پژوهش، سیستم پایه ذخیره‌سازی انرژی هوای مایع از دیدگاه انرژی، اگزرژی و اقتصاد مدل‌سازی و بهینه‌سازی شده است. ابتدا مدل ترمودینامیکی سامانه در محیط متلب توسعه یافته و با استفاده از رفپراپ خواص ترمودینامیکی سیالات محاسبه گردید. سپس مدل با نتایج ژانگ و همکاران اعتبارسنجی شد که حداکثر خطای نسبی 6.67% را نشان داد. به‌منظور کاهش هزینه محاسباتی، 2000 داده توسط مدل ترمودینامیکی تولید و یک شبکه عصبی مصنوعی آموزش داده شد؛ سپس از این مدل به‌عنوان جایگزین در الگوریتم ژنتیک چندهدفه برای بیشینه‌سازی بازده رفت‌وبرگشت انرژی و بازده کل اگزرژی و کمینه‌سازی دوره بازگشت سرمایه استفاده شد. نتایج نشان داد که در نقطه بهینه، رفت‌وبرگشت انرژی از 56.37% به 66.78%، بازده کل اگزرژی از 58.18% به 69.43% افزایش یافته و دوره بازگشت سرمایه پویا از 12.89 به 4.84 سال کاهش یافته است که به‌ترتیب بیانگر 18.5% و 19.3% بهبود شاخص‌های انرژی و اگزرژی و 62.4% کاهش دوره بازگشت سرمایه نسبت به حالت پایه است. نتایج نشان می‌دهد که تلفیق مدل ترمودینامیکی، شبکه عصبی مصنوعی و الگوریتم ژنتیک، روشی کارآمد برای بهینه‌سازی هم‌زمان عملکرد ترمودینامیکی و اقتصادی سامانه‌های ذخیره‌سازی انرژی هوای مایع و توسعه آن‌ها در مقیاس شبکه است.

کلمات کلیدی : ذخیره انرژی هوا مایع الگوریتم ژنتیک بهینه سازی ارزیابی انرژی