تحلیل پارامتری و بهینه سازی سیستم سرمایشی جذبی خورشیدی برای فضای آموزشی در شهر تهران

نوع مقاله: مقاله مستقل

نویسندگان

1 عضو هیات علمی دانشگاه گیلان

2 سرباز

چکیده

در این تحقیق ابتدا حالت گذرای سیستم سرمایشی جذبی خورشیدی برای فضای آموزشی به مجموع مساحت 1600 مترمربع در شهر تهران بوسیله نرم افزار TRNSYS و با اجزای کلکتور صفحه تخت، تانک ذخیره لایه‌های حرارتی، هیتر کمکی با محرک گاز طبیعی، برج خنک‌کن، فن کویل و.... شبیه‌سازی می‌شود و تاثیر تغییر پارامترهای مختلف مانند شیب و مساحت کلکتور، حجم تانک ذخیره و دمای تنظیمی هیتر کمکی بر روی عملکرد سیستم از منظر انرژی و اقتصادی مورد بررسی قرار می‌گیرد و سپس بهینه‌سازی دو هدفه سیستم سرمایشی جذبی نسبت به توابع هدف سهم خورشیدی و ذخیره اقتصادی با استفاده از الگوریتم شبکه عصبی و الگوریتم ژنتیک انجام می‌شود. نتیجه شبیه‌سازی سیستم‌ سرمایشی حاکی از آن است که بهترین مقدار دمای تنظیمی هیتر، برابر با کمترین مقدار در محدوده مجاز است، همچنین با تغییر همزمان مساحت کلکتور و حجم تانک مشاهده می‌شود که بیشترین سهم خورشیدی متناظر با بالاترین مساحت کلکتور و حجم تانک ذخیره و بهترین ذخیره اقتصادی متناظر با کمترین مقدار مساحت کلکتور و حجم تانک ذخیره در محدوده در نظر گرفته شده می‌باشد و در نتیجه بهبود سیستم از دو منظر انرژی و اقتصادی در تقابل کامل با یکدیگر قرار دارند.

کلیدواژه‌ها

موضوعات


[1] Li ZF, Sumathy K (2001) Simulation of a solar absorption air conditioning system. Energy Conversion and Management 42: 313–327.

[2] Florides GA, Kalogirou SA, Tassou SA, Worbel LC (2002) Modeling and simulation of an absorption solar cooling system for cypress. Solar Energy 72: 43–51.

[3] Assilzadeh F, Kalogirou SA, Ali Y, Sopian K(2005) Simulation and optimization of a LiBr solar absorption cooling system with evacuated tube solar collectors. Renewable Energy 30: 1143–1159.

[4] Joudi KA, Abdul-Ghafour QA (2003) Development of design charts for solar cooling systems. Part 1: computer simulation for a solar cooling system and development of solar cooling design charts. Energy Conversion and Management 44: 313–339.

[5] Mateus T, Oliveira AC(2009) Energy and economic analysis of integrated solar absorption cooling and heating system in different building types and climates. Applied Energy 86: 949–957.

[6] Villar NM, Cejudo JM, Dominguez F (2011) A compartion of solar absorption system configuration. Solar Energy 67: 239–775.

[7] Calise F, Dentice M, Palombo A(2010) Transient analysis and energy optimization of solar heating and cooling system in various configuration. Solar Energy 34: 432–449.

[8] Calise F(2010) Thermoeconomic analysis and optimization of high efficiency solar heating and cooling systems for different Italian school buildings and climates. Energy and Buildings 42: 992–1003.

[9] Calise F, Palombo A, Vanoli L(2010) Maximization of primary energy saving of solar heating and cooling systems by transient simulation and computer design of experiments. Applied Energy 87: 524–540.

[10] Calise F (2012) High temperature solar heating and cooling systems for different Mediterranean climates: Dynamic simulation and economic assessment. Applied Thermal Engineering 32: 108–124.

[11] Kleinbach EM(1990) Performance study of on-dimensional model for stratified thermal storage tank.Master thesis, University of Wisconsin, Madison.

[12] Klien SA (2006) TRNSYS. A transient simulation program.Vers 16.1. University of Wisconsin, Madison: Solar Energy Laboratory.

[13] Kalogirou SA (2004) Solar thermal collectors and applications. Progress in Energy and Combustion Science 30: 231–295.

[14] Data source: http://www.yazakienergy.com.

[15] Balghouthi M, Chahbani MH, Guizani A (2008) Feasibility of solar absorption air conditioning in Tunisia. Building and Environment 43: 1459–1470.

[16] Koeppel EA (1994) The modeling, performance and optimal control of commercial absorption chiller.Master Thesis, University of Wisconsin, Madison.

[17] Al-Alilli A, Islam M, Kubo I, Hwang Y, Radermacher R (2012) Modeling of a solar powered absorption cycle for Abu Dhabi. Applied Energy 93: 160–167.

[18] Tsutsos T, Aloumpi E, Gkouskos Z, Karagiorgas M (2010) Design of a solar absorption cooling system in a Greek hospital. Energy and Buildings 42: 265–272.

[19] Jamali A, Nariman-zadeh N, Darvizeh A, Masoumi A, Hamrang S (2009) Multi-objective evolutionary optimization of polynomial neural networks for modeling and prediction of explosive cutting process.Engineering Application of Artificial Intelligence 22: 676–687.

[20] پاینده م (1390) بررسی عددی پارامترهای موثر بر ضریب انتقال حرارت خنک­کاری لایه­ای در توربین گازی با استفاده از روش حجم محدود. پایان ­نامه کارشناسی ارشد دانشکده فنی، دانشگاه گیلان.

[21] Atashkari K, Nariman-zadeh N, Pilechi A,Jamali A (2005) Thermodynamic pareto optimization of  turbojet engines using multi-objective genetic algorithm. Journal of Thermal Science 44: 1061–1071.

[22] شفارودی م ر(1391) طراحی بهینه چند هدفی آیروترمودینامیکی کمپرسور جریان محوری موتور هواپیما با اعمال قید محدودیت توربین. پایان نامه کارشناسی ارشد دانشکده فنی، دانشگاه گیلان.