fa آنالیز انرژی و اگزرژی یک نیروگاه بادی بر پایه الکترولایزر غشای تبادل پروتون ترمودینامیک Thermodynamics كاربردي Applicable <div style="border-bottom: 1pt solid windowtext; padding: 0in 0in 1pt; text-align: justify;"><span style="font-size:11pt"><span style="line-height:normal"><span style="direction:rtl"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span b="" lang="AR-SA" nazanin="" style="font-family:">در پژوهش حاضر</span><span b="" lang="FA" nazanin="" style="font-family:"> به</span> <span b="" lang="FA" nazanin="" style="font-family:">مدل‌سازی ترمودینامیکی، اقتصادی و بهینه‌سازی چندهدفه سیستم تولید برق مبتنی بر انرژی بادی و متشکل از یک مزرعه بادی و توربین گازی برای تأمین برق شهر ملبورن در کشور استرالیا پرداخته شد.</span> <span b="" lang="FA" nazanin="" style="font-family:">جهت مدل‌سازی سیستم مورد بررسی و هم‌چنین به‌دست آوردن نتایج حاصل از تحلیل سیستم از نرم&shy;افزار حل معادلات مهندسی استفاده شد.<span style="color:black"> در این مطالعه یک بهینه‌سازی چندهدفه برای پیدا کردن بهینه‌ترین حالت سیستم نسبت به تغییرات 8 پارامتر تأثیرگذار بر روی عملکرد سیستم شامل تعداد توربین بادی، بازده توربین گازی، دمای ورودی به توربین گازی، بازده کمپرسور، بازده افترکولر، بازده اینترکولر، فشار ورودی به تانک ذخیره‌ساز انرژی هوای فشرده و نسبت فشار با استفاده از ترکیب روش شبکه عصبی و الگوریتم ژنتیک انجام شد. نتایج بهینه نشان داد که سیستم در بهینه‌ترین حالت خود می‌تواند به بازده اگزرژی 47/88 درصد و نرخ هزینه 2369/29 دلار بر ساعت برسد که تعداد توربین بادی بهینه برای تشکیل یک مزرعه بادی قدرتمند در حالت بهینه 155 تا به‌دست آمد. نتایج تحلیل اگزرژی نشان داد که نرخ کل تخریب اگزرژی سیستم (مجموع تخریب اگزرژی تجهیزات و واحدها) 1733 کیلووات ساعت است. نتایج نشان داد که سیستم در طول سال می‌تواند 115743600 کیلووات ساعت برق، با نرخ هزینه 11539944 دلار در سال تولید کند. نتایج زیست محیطی نشان داد که با تولید 115743 مگاوات ساعت برق، می‌تواند از انتشار 23611 تن کربن دی‌اکسید در سال جلوگیری کرد و 566680 دلار از هزینه‌های زیست محیطی کاهش داد و 114 هکتار گسترش فضای سبز کمک کرد.</span></span></span></span></span></span></span></div> <div style="border-bottom: 1pt solid windowtext; padding: 0in 0in 1pt; text-align: justify;"><span style="font-size:11pt"><span style="line-height:120%"><span style="unicode-bidi:embed"><span style="font-family:Calibri,sans-serif"><span new="" roman="" style="font-family:" times=""><span style="color:black">In the current research, thermodynamic, economic modeling and multi-objective optimization of the wind energy-based electricity generation system consisting of a wind farm and a gas turbine to supply electricity to the city of Melbourne in Australia were discussed. In order to model the investigated system and also to obtain the results of the system analysis, engineering equation solving software was used. In this study, a multi-objective optimization was carried out to find the most optimal state of the system with respect to the changes of 8 parameters affecting the system performance, including the number of wind turbines, gas turbine efficiency, gas turbine inlet temperature, compressor efficiency, aftercooler efficiency, intercooler efficiency, input pressure to the compressed air energy storage tank and pressure ratio using a combination of neural network method and genetic algorithm. The optimal results showed that the system in its most optimal state can reach an exergy efficiency of 47.88% and a cost rate of 2369.29 </span></span><span dir="RTL" lang="FA" new="" roman="" style="font-family:" times=""><span style="color:black">$</span></span><span new="" roman="" style="font-family:" times=""><span style="color:black">/h, and the optimal number of wind turbines to form a powerful wind farm in the optimal state was 155. The results of exergy analysis showed that the total rate of exergy destruction of the system (total exergy destruction of equipment and units) is 1733 kWh. The results showed that the system can produce 115743600 kWh of electricity during the year, with a cost rate of 11539944 $/year. The environmental results showed that by producing 115,743 MWh of electricity, it could prevent the emission of 23,611 tons of carbon dioxide per year, reduce $566,680 in environmental costs, and help expand 114 hectares of green space.</span></span></span></span></span></span></div> سیستم تجدیدپذیر, شبکه عصبی, بهینه‌سازی چندهدفه, الگوریتم ژنتیک, انرژی بادی, توربین بادی Renewable system, neural network, multi-objective optimization, genetic algorithm, wind energy, wind turbine 47 67 http://jeed.dezful.iau.ir/browse.php?a_code=A-10-50-11&slc_lang=fa&sid=1 Ghafar Karimi غفار کریمی Ghafarkarimi7@gmail.com 10031947532846005687 10031947532846005687 No Department of Chemical Engineering, Dez.C., Islamic Azad University, Dezful, Iran گروه مهندسی شیمی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران Ehsan Daroune احسان درونه 10031947532846005688 10031947532846005688 No Department of Chemical Engineering, Dez.C., Islamic Azad University, Dezful, Iran گروه مهندسی شیمی، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران Ehsanolah Assareh احسان اله عصاره assareh@iaud.ac.ir 10031947532846005689 10031947532846005689 Yes Department of Mechanical Engineering, Dez.C., Islamic Azad University, Dezful, Iran گروه مهندسی مکانیک، واحد دزفول، دانشگاه آزاد اسلامی، دزفول، ایران