کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7157790 1462789 2018 12 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Formulation of a model predictive control algorithm to enhance the performance of a latent heat solar thermal system
ترجمه فارسی عنوان
فرمول یک الگوریتم کنترل پیش بینی مدل برای افزایش عملکرد یک سیستم حرارتی خورشیدی پنهان
کلمات کلیدی
ترجمه چکیده
کنترل پیش بینی مدل ثابت شده است که یک استراتژی کنترل امیدوار کننده برای بهبود عملکرد عملیاتی سیستم های تولید انرژی حرارتی چند منبع با هدف حداکثر بهره برداری از منابع تجدید پذیر در محل است. این مقاله ارائه و اجرای یک استراتژی کنترل پیش بینی مدل برای مدیریت واحد ذخیره انرژی حرارتی پنهان همراه با یک کلکتور حرارتی خورشیدی و یک بخاری برقی پشتیبان است. این سیستم از یک فاز نوآورانه فاز تغییر دهنده مواد برای هر دو مایع انتقال گرما و رسانه ذخیره سازی استفاده می کند. فرموله کردن یک مدل پیش بینی کننده مدل چنین سیستم خورشیدی حلقه بسته به خصوص مطلوب است اما همچنین به طور عمده به علت غیر خطی بودن تبادل گرما و فرایندهای ذخیره سازی حرارتی درگیر است. یک راه حل برای مسئله کنترل پیش بینی مدل برای تنظیم یک سیستم با غیر خطی ذاتی با استفاده از رویکرد منطقی-دینامیکی مخلوط معرفی شده است. تنظیم مقررات کنترل پیش بینی شده تست شده و با یک کنترل کننده مبتنی بر قاعده پایه با در نظر گرفتن هر دو پیش بینی اختلال ایده آل و برآورد شده مقایسه شده است. نتایج نشان می دهد قابلیت کنترل پیش بینی در پیش بینی اختلالات در آینده و بهینه سازی استفاده از منابع انرژی کارآمد تر است. در مقایسه با کنترل کننده مبتنی بر قاعده، الگوریتم کنترل پیش بینی مدل، منجر به کاهش تقاضای انرژی اولیه سیستم می شود که از 19.2٪ به 31.8٪ به عنوان تابعی از تغییر محدودیت نرم در مقابله با تقاضای تقاضا است. این کار به دانش جدیدی در مورد اینکه چگونه الگوریتم های کنترل پیش بینی کننده مدل را می توان برای به حداکثر رساندن مزایای یکپارچه سازی ذخیره های حرارتی که با استفاده از حرارت ناپذیر فیوژن با فن آوری های حرارتی خورشیدی به کار می رود، انجام می دهد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی انرژی انرژی (عمومی)
پیش نمایش مقاله
فرمول یک الگوریتم کنترل پیش بینی مدل برای افزایش عملکرد یک سیستم حرارتی خورشیدی پنهان
چکیده انگلیسی
Model predictive control has proved to be a promising control strategy for improving the operational performance of multi-source thermal energy generation systems with the aim of maximising the exploitation of on-site renewable resources. This paper presents the formulation and implementation of a model predictive control strategy for the management of a latent heat thermal energy storage unit coupled with a solar thermal collector and a backup electric heater. The system uses an innovative Phase Change Material slurry for both the heat transfer fluid and storage media. The formulation of a model predictive controller of such a closed-loop solar system is particularly desirable but also challenging mainly due to the nonlinearity of the heat exchange and thermal storage processes involved. A solution for the model predictive control problem to regulate a system with intrinsic nonlinearities is introduced using a mixed logic-dynamical approach. The model predictive control regulation is tested and compared with a baseline rule-based controller considering both ideal and estimated disturbance predictions. Results demonstrate the capability of the predictive controller in anticipating future disturbances and in optimising the utilisation of the more efficient energy sources. When compared to the rule-based controller, the model predictive control algorithm leads to reductions of the system primary energy demand ranging from 19.2% to 31.8% as a function of the variation of a soft constraint on meeting demand constraints. The work contributes to new knowledge on how model predictive control algorithms can be implemented to maximise the benefits of integrating thermal energy storages that employ latent heat of fusion with solar thermal technologies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Energy Conversion and Management - Volume 173, 1 October 2018, Pages 438-449
نویسندگان
, , , , ,