بهینه یابی مکانی پایلوت های زیست انرژی با رویکرد فراابتکاری

مبنای تحقیق پیش رو توسعه مدلی برای مکان یابی بهینه پایلوت های زیست انرژی است. انرژی زیستی در سال های اخیر به دلایل گوناگون اقتصادی و زیست محیطی مورد توجه قرار گرفته و تحقیقات بسیاری به منظور تولید به صرفه آن انجام شده است. به دلیل پراکندگی و محتوای کم انرژی منابع بیومس، هزینه حمل و نقل این مواد می تواند تا 50 درصد هزینه کل تولید انرژی زیستی را شامل شود. از این رو مکان یابی بهینه پایلوت های زیست انرژی برای کاهش هزینه حمل و نقل، یکی از مهم ترین اقدامات در زمینه تولید به صرفه این انرژی می باشد. به دلیل وابستگی مکان مستعد احداث پایلوت های زیست انرژی و مکان منابع بیومس به پارامترهای مکانی، سیستم اطلاعات مکانی نقش اساسی را در شناسایی این مناطق دارد که در بخش های گوناگون تحقیق پیش رو مورد استفاده قرار گرفته است. پس از آن با بهر ه گیری از مدل های مکانی سعی در مدل سازی مسئله برای بهینه یابی مکانی پایلوت ها و تخصیص مطلوب این منابع در منطقه مورد مطالعه شده است. منطقه ایتونویل واقع در بخش غربی ایالات واشنگتن که یک منطقه جنگلی برای انجام تحقیقات زیست محیطی است، به منظور پیاده سازی مدل انتخاب شده است. به دلیل آن که مسئله پیش رو به لحاظ پیچیدگی محاسباتی در طبقه مسائل np-hard جای دارد، تابع هزینه حمل و نقل موجود در مدل مکانی p-median، توسط الگوریتم کلونی زنبور بهینه سازی شده و مکان بهینه پایلوت های زیست انرژی به ازای تعداد مشخص آن ها در منطقه یافت شده اند. به طور کلی افزایش تعداد پایلوت های احداثی در منطقه منجر به کاهش هزینه حمل و نقل می شود. با این حال هزینه احداث پایلوت ها و در نتیجه هزینه نهایی تولید انرژی به طور هم زمان افزایش می یابد. از این رو در ادامه کمینه تابعی تحت عنوان تابع luce، موجود در مدل p-uflp به جهت ایجاد تعادل میان هزینه حمل و نقل و هزینه احداث پایلوت ها توسط الگوریتم زنبور یافت و از طریق آن مکان و تعداد بهینه پایلوت های مورد نیاز در منطقه محاسبه شده است. با توجه به تأثیر تکنولوژی تبدیل انرژی بر روی هزینه تولید انرژی، مسئله با فرض دو روش متفاوت تبدیل انرژی حل شده است. نتیجه حاصل نشان می دهد تابع هزینه luce در صورت احداث 7 پایلوت زیست انرژی با تکنولوژی تبدیل چرخه ترکیبی گازی سازی یکپارچه ، کمترین مقدار بوده (0.2643 $/kwh) و مکان های یافت شده می توانند به عنوان مکان های بهینه احداث پایلوت ها در نظر گرفته شوند.