بهینه سازی پیش بینانه مبتنی بر هوش مصنوعی برای استفاده از کربن دی اکسید در گلخانه آئروپونیک یکپارچه با سامانه تولید همزمان برق و حرارت (CHP): یک مطالعه تجربی

بهینه سازی پیش بینانه مبتنی بر هوش مصنوعی برای استفاده از کربن دی اکسید در گلخانه آئروپونیک یکپارچه با سامانه تولید همزمان برق و حرارت (CHP): یک مطالعه تجربی

میلاد ضیائیان1 سجاد شعبانی2 گوهر رحمانی3

1) مدیر عامل نیروگاه آستروپاور
2) مدیر کارخانه نیروگاه آستروپاور
3) مدیر داخلی نیروگاه آستروپاور

کد IOI مقاله : ACCD-ACACGH
محل انتشار : دهمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی(carseconf.com)
چکیده :
    ترکیب سیستم‌های تولید هم‌زمان برق و حرارت (CHP) با کشاورزی در محیط‌های کنترل‌شده، فرصت مناسبی برای استفاده مجدد از انرژی حرارتی و همچنین بهره‌گیری از دی‌اکسید کربن (CO₂) تولیدشده در نیروگاه‌های گازسوز فراهم می‌کند. با این حال، روش‌های معمول تزریق دی‌اکسید کربن در گلخانه‌ها بیشتر بر اساس تعیین یک غلظت ثابت انجام می‌شوند و معمولاً تغییرات میزان CO₂ در دسترس و نیاز متغیر گیاهان را در نظر نمی‌گیرند. در این پژوهش، یک روش هوشمند مبتنی بر هوش مصنوعی برای پیش‌بینی و مدیریت میزان تزریق دی‌اکسید کربن در یک گلخانه آئروپونیک (هواکشت) متصل به نیروگاه گازسوز CHP ارائه می‌شود. این مطالعه بر اساس اطلاعات یک نیروگاه با ظرفیت حدود ۱۰ مگاوات، مجهز به موتورهای Jenbacher 620 E و Jenbacher 616، و یک گلخانه به مساحت ۱۳۰ مترمربع در قزوین انجام خواهد شد. برای این منظور، استفاده از الگوریتم هوش مصنوعی XGBoost پیشنهاد شده است تا با بررسی شرایط کاری موتورهای نیروگاه و وضعیت محیطی گلخانه، میزان مورد نیاز دی‌اکسید کربن را در بازه‌های زمانی کوتاه پیش‌بینی کند. سپس نتایج این پیش‌بینی در یک سیستم کنترلی پیشرفته به نام MPC (کنترل پیش‌بین مدل) استفاده می‌شود تا مقدار و زمان مناسب تزریق CO₂ را با توجه به نیاز گیاهان و محدودیت‌های ایمنی تعیین کند. در این مطالعه، عملکرد دو روش با یکدیگر مقایسه خواهد شد: روش معمول تزریق CO₂ با غلظت ثابت و روش پیشنهادی مبتنی بر هوش مصنوعی. برای ارزیابی عملکرد این دو روش، شاخص‌هایی مانند میزان استفاده مؤثر از دی‌اکسید کربن، مقدار رشد و تولید زیست‌توده گیاهان، میزان CO₂ مصرف‌شده به ازای تولید هر واحد زیست‌توده، پایداری شرایط محیطی گلخانه و عملکرد انرژی سیستم بررسی خواهند شد. از آنجا که این پژوهش بر پایه یک طرح آزمایشی و جمع‌آوری داده‌های واقعی طراحی شده است، در این مرحله هیچ نتیجه‌ای از پیش اعلام نمی‌شود و اعداد و نتایج نهایی پس از اجرای آزمایش‌ها و بررسی داده‌های عملیاتی ارائه خواهند شد. این روش می‌تواند راهکار کاربردی و جدیدی برای مدیریت هوشمند منابع، کاهش اتلاف دی‌اکسید کربن و بهبود بهره‌وری گلخانه‌های آئروپونیک متصل به نیروگاه‌های تولید هم‌زمان برق و حرارت فراهم کند.

کلمات کلیدی : تولید هم‌زمان برق و حرارت بهره‌برداری از دی‌اکسید کربن هوش مصنوعی الگوریتم xgboost کنترل پیش‌بین مدل گلخانه آئروپونیک (هواکشت) کشاورزی در محیط‌های کنترل‌شده