شبیه سازی سامانه‌های انرژی
الگوهایی که برای سامانه‌های انرژی توسعه داده شده است در هفت دستۀ کلی دسته بندی می‌شود: شبیه سازی، ارزیابی صحنه^[۱۳]، موازنه، بالا به پایین، پایین به بالا، بهینه سازی عملکردی و بهینه سازی سرمایه گذاری.

الگوهایی مانند مارکال^[۱۴]، صحنه محورند و در بسیاری از کشورها کاربرد دارند. هدف آن بررسی صحنه‌های مختلف در سامانۀ انرژی واحدی است که در محدودۀ جغرافیایی کوچک تا ملی و بیشینۀ بازۀ زمانی ۵۰ ساله تعریف می‌شوند. اساس کار این دسته‌ از الگوها چارچوب موازنۀ اقتصادی است و در سیاست‌گذاری انرژی در سطح ملی استفاده می‌شوند.
دکو^[۱۵] ابزاری است که برای بهینه‌سازی سامانۀ عرضۀ انرژی استفاده می‌شوند و بر اساس چاچوب شبیه‌سازی نِمِس^[۱۶] توسعه یافته است. این نرم‌افزار به کارگیری ابزارها و فناورهای از پیش تعیین شده را بر اساس معیاری که کاربر انتخاب می‌کند تا کمینه شود، بهینه می‌کند. بازه‌های زمانی در این نرم‌افزار می‌تواند بسیار کوتاه باشد برای مثال برای تحلیل یک ساله می‌توان بازه‌های یک ساعته را تعریف نمود. روش حل نیز با بهره گرفتن از برنامه‌ریزی خطی است.
الگوهای دیگری مانند مدست^[۱۷]، برای کمینه کردن هزینۀ سرمایه‌گذاری و بهره‌برداری در شرایطی که کل تقاضا پاسخ داده می‌شود کاربرد دارد. در این روش چون از الگوی برنامه‌ریزی خطی استفاده می‌شود، حل مسائل بزرگ مقدور است. [۲۸] در این الگو، هزینه‌های سرمایه‌گذاری اولیه به صورت تابعی خطی از ظرفیت نصب شده در نظر گرفته می‌شود بنابراین در پاسخ‌های به دست آمده از تحلیل‌ها، گاهی ظرفیت‌های غیر قابل دستیابی یا بسیار کوچک ارائه می‌گردد که از ضعف‌های این الگو است. یکی دیگر از محدودیت‌های این روش، در نظر نگرفتن فناوری‌های ذخیره‌سازی و فاصلۀ مکانی است. [۲۹]
انرجیس^[۱۸] سامانۀ اطلاعات جغرافیایی^[۱۹] را با معادلات برنامه ریزی خطی عدد صحیح ترکیبی تلفیق می‌کند تا شبکۀ گرمایشی و سرمایشی راطراحی کند. تقاضای سالانه برای گرمایش، آب گرم، سرمایش و برق از اطلاعات ساختمان‌ها در سامانۀ اطلاعات جغرافیایی استخراج می‌شود. سپس دمای سیال رفت و برگشتی طوری انتخاب می‌گردد که کل نیاز پاسخ داده شود و همچنین مسیرهای ارتباطی مناطق مختلف که با یکدیگر تبادل انرژی دارند، طراحی می‌شود. این الگو می‌تواند فناوری‌های مختلفی مانند سامانه‌های تولید همزمان با موتور و توربین گاز و تلمبۀ حرارتی را نیز در تحلیل‌های خود استفاده کند.
تحقیقات گسترده‌ای برای بهینه‌سازی سامانۀ تولید همزمان ساختمان‌ها اجرا شده است. برای مثال اخیراً از برنامه ریزی خطی عدد صحیح ترکیبی برای طراحی چیدمان و بهره‌برداری بهینه از سامانۀ تولید همزمان برق، گرما و سرما با هدف کمینه‌سازی هزینۀ سالانه و پاسخگویی به نیاز گرمایشی، آب گرم، سرما و برق استفاده شده است.
در تحقیقات دیگری، ارجحیت فناوری‌ها برای کمینه‌سازی مصرف انرژی یا هزینه در سامانۀ تولید همزمان بررسی شده است. برای مثال استفاده از چیلر جذبی یا تراکمی در مجتمع مسکونی مستقل از شبکۀ سراسری برق در مطالعه‌ای مقایسه شده است. [۹]
در داخل کشور پژوهش‌های مختلفی برای تعیین راهبرد بهره برداری بهینه و طراحی بهینه سامانۀ تولید همزمان انجام شده است. برای نمونه دو برنامه کامپیوتری برای تامین مصرف حرارتی و الکتریکی مجتمع مسکونی نمونه‌ای تدوین شده است. به کمک این برنامه‌ها حساسیت‌های وابسته به تغییر پارامترهای سامانه به مطالعه و بررسی شده است. [۱۰]
در پژوهشی دیگر امکانسنجی فنی و اقتصادی به کار گیری سامانه‌های کوچک تولید همزمان با بهره گرفتن از برنامه ریزی غیر خطی عدد صحیح آمیخته برای تعیین ظرفیت بهینه، برای پنج اقلیم آب و هوایی ایران بررسی و نتایج و حساسیت‌ها تحلیل شده است. [۱۱]
شبیه سازی تقاضای انرژی از موضوعات مهمی است که در دقت و صحت نتایح برای موردهای واقعی اهمیت زیادی دارد. در پژوهشی تقاضای انرژی خانوار بر اساس الگوی اقتصادی- اجتماعی و الگوی نِمِس در سه بخش لوازم برقی، آب گرم مصرفی و سرمایش - گرمایش مورد نیاز شبیه سازی شده است. [۱۲]
برخی پژوهش‌ها نیز برای مجتمع‌های مسکونی واقعی اجرا شده است. برای مثال راهبرد بهینۀ مدیریت سامانۀ تولید همزمان با بهره گرفتن از مدیریت برقی برای مجتمع آتی ساز بررسی شده است. [۱۳]
اختلاف قیمت واقعی سوخت و قیمت عرضۀ آن در ایران، برای مسائل مشابه در ایران و سایر کشورها، منجر به راهکارهای متفاوتی می‌شود. در پژوهشی، بهره برداری و تعیین ابعاد بهینۀ واحد تولید همزمان برق و حرارت برای مجتمع مسکونی نمونه، با بهره گرفتن از بهینه سازی تصادفی بررسی شده است. در نهایت نتایج خروجی برای دو وضعیت بهای فعلی حاملهای انرژ ی در ایران و بهای جهانی حامل‌های انرژی ارائه شده است. [۱۴]
شبیه‌سازی سامانه‌هایی که با حامل‌های انرژی چندگانه کار می‌کنند، پیچیدگی‌های خود را دارد و معمولاً روش‌های مختلفی برای تحلیل این سامانه‌های به کار گرفته می‌شود. برای مثال از روش تصمیم گیری سلسله مراتبی^[۲۰] برای بهیابی ظرفیت و بهینه سازی عملکرد در سامانه‌هایی با حامل‌های انرژی چندگانه استفاده شده است. [۴] در این پژوهش قطب های انرژی^[۲۱] که مانند مانند گره‌های تولید انرژی تعریف شده‌‌اند، نقش اصلی را در تحلیل و مدل سازی این سیستم ها به عهده دارند.
شکل ‏۲‑۱- نمونه‌ای از تعریف قطب انرژی [۴]
شبیه سازی سامانۀ انرژی شهر
الگویی جدیدی در قالب طرح جامعی در زمینۀ انرژی شهری، از سوی شرکت بی.پی در امپریال کالج لندن در جریان است. برنامه و اهداف اصلی این طرح در شکل ‏۲‑۲ نشان داده شده است. الگویی که در این طرح توسعه می‌یابد قابلیت تحلیل و بهینه یابی برای کلان‌شهرهایی مانند لندن، وین، سیدنی، پاریس و… را خواهد داشت. [۳۰]
شکل ‏۲‑۲ - برنامه و اهداف کلی طرح سامانۀ انرژی شهری شرکت بی پی و امپریال کالج لندن [۳۰]
الگوی استفاده شده در این طرح، ترن^[۲۲] نام دارد که منابع و فناوری‌ها را به عنوان شبکه‌ در نظر می‌گیرد. [۳۱] در الگوی ترن، شهر به بخش‌هایی تقسیم می‌شود که هریک مقدار تقاضای مشخصی برای هر منبع در بازۀ زمانی دارد. (تقاضا تابع زمان و مکان است) [۲۹] الگوی پیشنهادی برای این پایان‌نامه، شباهت زیادی به این الگو دارد.
سامانه‌های انرژی شهری، علاوه بر پیچیدگی‌های ذاتی سامانه‌های انرژی، مسائل بخصوصی نیز در زمینه‌های اجتماعی، فرهنگی و همچنین محدودیت‌هایی در زمینۀ تولید آلاینده‌ها، اختصاص فضا برای احداث نیروگاه در داخل شهر و تغییر ساختار و زیرساخت موجود به ساختار بهینه دارند. معصوم‌زاده [۱۵] برخی از محدودیت‌های اینگونه سامانه‌ها را بررسی کرده است.
فصل سوم
روش تحقیق
مقدمه
سامانه‌های تولید همزمان محدودیت‌های بالقوه‌ای دارند: چون گرمای بازیافتی در این سامانه، تابع بار مکانیکی (برق) است، هماهنگ نبودن میزان مصرف برق و گرما، می‌تواند باعث اتلاف انرژی و کاهش بازده شود. از سوی دیگر، بارگذاری جزیی موتور یا توربین، باعث کاهش بازده مکانیکی آن و اگزرژی دود می‌شود. بنابراین برای تقاضایِ مشخصِ مصرف کنندگان، بهینه‌سازی سامانه به گونه‌ای که بازده کل سامانۀ انرژی شهر بیشینه شود، نیازمند الگوی مدیریت سامانه است.
عملکرد سامانۀ تولید همزمان در شهرها به دلایل متعددی محدود می‌شود. به عنوان مثال محدودیت در انتشار آلاینده‌های هوا و آلودگی صوتی ممکن است شرایطی را فراهم آورد که تجهیزات بجای داخل شهر، در حومۀ آن نصب شوند یا از تجهیزات کوچکتر و با ظرفیت محدودتر استفاده شود. بطور مشابه کمبود فضا (زمین برای نصب تجیهزات) در مناطقی که بافت جمعیت و ساختمان متراکم است، محدودیت ایجاد می کند. اینگونه محدودیت‌ها ممکن است منجر به استفاده از نیروگاه‌ها و تجهیزات کوچکتر شود که نسبت به تجهیزات بزرگ، بازده کمتر و نیاز به سرمایه‌گذاری اولیۀ بیشتری (هزینه نسبت به مگاوات خروجی) دارند.
در این پایان نامه، اثر اینگونه محدودیت‌ها به صورت کمّی بر سامانۀ انرژی شهری بررسی و الگوی بهینه برای شهر نمونۀ مورد مطالعه، ارائه می‌گردد. الگوی انتخاب شده برای شبیه‌سازی، بهینه یابی سامانۀ انرژی شهری را بر اساس ترکیب فناوری و شبکۀ تولید و توزیع انرژی را برای پاسخ‌گویی به نیاز مصرف‌کنندگان که تابع مکان و زمان است ارائه می کند. روش به کار گرفته شده برای بهینه‌یابی، از کل به جزء است.
روابط و معادلات
الگوی استفاده شده، بر پایۀ الگوی تِرن توسعه یافته است. با تقسیم بندی شهر به مناطق مشخص، بر اساس جمعیت و تعداد ساختمان‌های قرار گرفته در هر منطقه، نیاز آن به منابع مختلف استخراج می‌شود. طبعاً متغیّر نیاز، تابع زمان و مکان است. تابع تقاضا در رابطۀ ۱ دیده می‌شود.

در این رابطه،  ، تقاضای منبع r در منطقۀ جغرافیایی  در زمان t است که به عنوان دادۀ ورودی به الگو وارد می‌شود. برای سهولت شماره‌گذاری، تقسیم بندی شهر به صورت مربعی است ولی شماره‌گذاری به صورت تک اندیسی انجام می‌شود.
بازۀ زمانی،  ، به عنوان تابعی از زمان و به عنوان متغیّر ورودی در نظر گرفته می‌شود. بازۀ زمانی می‌تواند برای زمان‌های مختلف متفاوت باشد (مثلاً برای روزهای زمستان و تابستان که الگوی اوج مصرف برق، سرما و گرما متفاوت است)، ولی در یکی از بهترین روش‌ها، هر روز به سه بازۀ زمانی تقسیم می‌شود: بازۀ زمانی کم باری، بازۀ زمانی معمولی و بازۀ زمانی اوج بار. کوچک‌تر کردن بازه‌های زمانی حجم محاسبات را افزایش می‌دهد ولی می‌تواند نتایج دقیق‌تری ارائه نماید. به دلیل محدودیت حجم محاسبات در نرم افزار، معمولاً محدودیت‌هایی برای کاهش بازۀ زمانی وجود دارد.
هر تجهیز یا فناوری که با نماد P نشان داده می‌شود، منابعی را به عنوان ورودی می‌گیرد و منابعی را به عنوان خروجی به منطقه‌ای که در آن قرار گرفته است می‌دهد. برای مثال نیروگاه با موتور گازسوز، هوا و گاز طبیعی را به عنوان ورودی دریافت می‌کند و برق و گرما (به شکل آب گرم یا هوای گرم) تحویل می‌دهد. ضریب تبدیل  به عنوان ضریب تولید (  ) یا ضریب مصرف (  )، برای منبع r و تجهیز P تعریف می‌شود. به این ترتیب کل منبع r که در هر منطقه تولید می‌شود از رابطۀ ۲ محاسبه می‌شود.

که در آن  ، حاصل جمع منابع r تولیدی در منطقۀ i، در زمان t است.  نرخ بار تجهیز P در منطقۀ i و زمان t است که به حاصل‌ضرب بیشینۀ بار تجهیزِ P (  ) در تعداد نصب شده از آن تجهیز در منطقۀ i (  ) محدود می‌شود.  جزو متغیّرهای تصمیم است که به عنوان خروجی شبیه سازی محاسبه می‌گردد.
برای تمامی تجهیز‌ها فرض می‌شود  و  ضریب تولید و ضریب مصرف  منبع است.
برای هر منبع r و تجهیز p به صورت ثابت فرض شده و به عنوان متغیّر ورودی ارائه می‌گردد. ولی در واقعیت، این ضریب تابع عوامل متعددی از جمله بارگذاری تجهیز است.(۱) برای مثال بازده مکانیکی موتور در بارهای مختلف در شکل ‏۳‑۱ دیده می‌شود. در این شکل ضریب تبدیل  (بازده) بین ۲۸% تا ۴۲% در بارهای ۱۰ تا ۱۰۰% متغیّر است. ولی برای سهولت محاسبات، این ضریب ثابت فرض شده و سعی می‌شود بارگذاری سامانه‌ها به گونه ای باشد که در بارهای جزیی کار نکنند.