##plugins.themes.bootstrap3.article.sidebar##
##plugins.themes.bootstrap3.article.main##
Анотація
У світлі сучасних викликів, пов’язаних із постійним зростанням попиту на енергетичні ресурси та відповідним забрудненням навколишнього середовища, виникла необхідність у розробці та впровадженні передових технологій для зменшення енергоспоживання. Це вимагає підвищення ефективності використання енергії та оптимізації систем виробництва енергії з урахуванням використання альтернативних та відновлюваних джерел енергії. Зокрема, зберігання теплової енергії стає вирішальним як ефективний економічний варіант. Системи зберігання теплової енергії дозволяють задовольняти потреби в опаленні або охолодженні в оптимальні періоди, коли це більш енергоефективно. Традиційні методи управління рідко виявляються оптимальними через коливання тарифів на електроенергію, холодильного навантаження та температури навколишнього середовища. Це призводить до неоптимального досягнення максимальної економії при використанні систем накопичення теплової енергії. У цій роботі були проаналізовані переваги систем зберігання низькопотенціальної енергії (CTES) на основі льоду (ITES), разом з існуючими стратегіями управління, реалізованими на більшості підприємств і будівель, що використовують ITES. Запропоновано спрощену інженерну методологію для аналізу термодинамічної ефективності CTES. Було визначено, що втрати холоду під час аналізу ексергії при акумулюванні викликані як втратами через поверхні, так і внутрішніми втратами ексергії (тобто споживанням ексергії внаслідок незворотності всередині резервуару). Для сучасних систем втрати ексергії охоплюють як зовнішні, так і внутрішні компоненти. Як приклад, якщо теплопередача при температурі зовнішньої поверхні резервуара для зберігання дорівнює температурі навколишнього середовища, втрати зовнішньої ексергії будуть дорівнювати нулю, тоді як загальні втрати ексергії будуть повністю зумовлені внутрішнім споживанням. І навпаки, якщо передача тепла відбувається при температурі рідини для зберігання, більша частина втрат ексергії буде зумовлена зовнішніми втратами. У всіх випадках кумулятивні втрати ексергії, що складаються з внутрішніх і зовнішніх втрат ексергії, залишаються постійними. Впровадження CTES дозволяє перенести споживання електроенергії з пікових годин на непікові. У непікові години електрична енергія використовується для зарядки сховища для задоволення (повністю або частково) пікового попиту на холодильне обладнання. ITES на основі льоду має потенціал для зменшення максимального споживання енергії, пікового попиту та, що найважливіше, середньої вартості спожитої енергії
##plugins.themes.bootstrap3.article.details##
Посилання
2. Palacio, S.N., Valentine, K.F., Wong, M., Zhang, K.M. (2014) Reducing power system costs with thermal energy storage. Applied Energy, 129, 228-237.
3. Soler, M.S., Sabate, C.C., Santiago, V.B., Jabbari, F. (2016) Optimizing performance of a bank of chillers with thermal energy storage. Applied Energy, 172, 275-285.
4. de Falco, M., Capocelli, M., Giannattasio, A. (2016) Performance analysis of an innovative PCM based device for cold storage in the civil air conditioning. Energy and Buildings, 12, 1-10.
5. Gupta, A., Anand, Y., Tyagi, S.K., Anand, S. (2016) Economic and thermodynamics study of different cooling option: A review. Renewable and Sustainable Energy Reviews, 62, 164-194.
6. Sanaye, S., Shirazi, A. (2013) Thermo-economic optimization of an ice thermal energy storage system for air-conditioning applications. Energy and Buildings, 60, 100-109.
7. Henze, G.P., Krarti, M., Brandemuehl, M.J. (2013) Guidelines for improved performance of ice storage systems. Energy and Buildings, 35, 111-127.
8. MacPhee, D., Dincer, I. (2009) Performance assessment of some ice TES system. International Journal of Thermal Sciences, 48, 2288-2299.
9. Huei-Jiunn, Chen, David, W.P. Wang, Sih-Li, Chen. (2005) Optimization of an ice-storage air conditioning system using dynamic programming method. Applied Thermal Engineering, 25, 461-472.
10. Krarti, M., Brandemuehl, M.J., Henze, G.P. (1995) Final project report for ASHRAE 809-RP: Evaluation of optimal control for ice storage systems. ASHRAE Report, American Society of Heating, Refrigerating, and Air-Conditioning Engineers, Atlanta, Georgia.
11. Massie, D.D. (2002) Optimization of a building's cooling plant for operating cost and energy use. International Journal of Thermal Sciences, 41(12), 1121-1129.
12. Henze, G.P., Krarti, M., Brandemuehl, M.J. (2003) Guidelines for Improved Performance of Ice Storage Systems. Energy and Buildings, 35 (2), 111-127.
13. Kintner-Meyer, M., Emery, A.F. (1995) Cost optimal analysis and load shifting potentials of cold storage equipment. ASHRAE Transactions, 101(2), 539-548.
14. Lee, W.S., Chen, Y.T., Wu, T.H. (2009) Optimization for ice-storage air-conditioning system using swarm algorithm. Applied Energy, 86, 1589-1595.
15. MacPhee, D., Dincer, I. (2009) Performance assessment of some ice TES system. International Journal of Thermal Sciences, 48, 2288-2299.
16. Cui, B., Gao, D., Xiao, F., Wang, S. (2017) Model-based optimal design of active cool thermal energy storage for maximal life-cycle cost saving from demand management in commercial buildings. Applied Energy, 201, 382-396.
17. Candanedo, J.A., Dehkordi, V.R., Stylianou, M. (2013) Model-based predictive control of an ice storage device in a building cooling system. Applied Energy, 111, 1032-1045.
18. Ma, Y., Borrelli, Y., Hencey, B., Packard, A., Bortoff, S. (2009) Model predictive control of thermal energy storage in building cooling systems. Proceedings of the 48th IEEE Conference on Decision and Control, 392-397.
19. Zhou, Z., Liu, P., Li, Z., Ni, W. (2013) An engineering approach to the optimal design of distributed energy systems in China. Applied Thermal Engineering, 53, 387-396.
20. Lu, Y.H., Wang, S.W., Sun, Y.J., Yan, C.C. (2015) Optimal scheduling of buildings with energy generation and thermal energy storage under dynamic electricity pricing using mixed-integer nonlinear programming. Applied Energy, 147, 49-58.
21. Vetterli, J., Benz, M. (2012) Cost-optimal design of an ice-storage cooling system using mixedinteger linear programming techniques under various electricity tariff schemes. Energy and Buildings, 49, 226-234.
22. Ruan, Y.J., Liu, Q.R., Li, Z.W., Wu, J.Z. (2016) Optimization and analysis of building combined cooling, heating and power (BCHP) plants with chilled ice thermal storage system. Applied Energy, 179, 738-754.
23. Sanaye, S., Fardad, A., Mostakhdemi, M. (2011) Thermo economic optimization of an ice thermal storage system for gas turbine inlet cooling. Energy, 36, 1057-1067.
24. Wang, J., Zhai, Z., Jing, Y., Zhang, C. (2010) Particle swarm optimization for redundant building cooling heating and power system. Applied Energy, 87, 3668-3679.
25. Ashouri, A., Fux, S.S., Benz, M.J., Guzzella, L. (2013) Optimal design and operation of building services using mixed-integer linear programming techniques. Energy, 59, 365-376.
26. Yun, H., Li, W. (2011) Optimization and analysis of distributed energy system with energy storage device. Energy Procedia, 12, 95-965.
27. Arnemann, M. (2012) Energy Efficiency of Refrigeration Systems. International Refrigeration and Air Conditioning Conference, 1356.
28. Prasad, T. Hari, Reddy, K. Poli, Reddy, D. Raghu Rami. (2009) Exergy Analysis of Vapour Compression Refrigeration System. International Journal of Applied Engineering Research, 4, 12, 2505-2526.
29. Yu, F.W., Chan, K.T. (2007) Optimum load sharing strategy for multiple-chiller systems serving air-conditioned buildings. Building and Environment, 42, 1581-1593.
30. Yu, F.W., Chan, K.T. (2007) A precise rating method for energy performance of vapour compression chillers serving commercial buildings. Proceedings of Clima 2007 WellBeing Indoors, 8.
31. Na Luo, Tianzhen Hong, Hui Li, Ruoxi Jia, Wenguo Weng. (2017) Data Analytics and Optimization of an Ice-Based Energy Storage System for Commercial Buildings. Lawrence Berkeley National Laboratory, 36.