دانلود ترجمه مقاله بررسی جداسازی و ذخیره کربن در برنامه ریزی توسعه تولید الکتریسیته

1. اصطلاحات 2. مقدمه 3. انتشارکربن و طرح پیشنهادی EPA 4. جداسازی و ذخیره سازی کربن 5. بیان ریاضی گونه مسئله 6. روش پیشنهادی برای حل GEP 7. مورد آزمایش سیستم قدرت 8. نتایج شبیه سازی 9. نتیجه گیری

چکیده – امروزه CO2 یک آلاینده اصلی گاز گلخانه ای می باشد و نیروگاه های برق که با سوخت فسیلی کار میکنند، تولید کننده های اصلی CO2 به شمار می روند. در این زمینه باید گفت که تجهیز نیروگاه های برق به سیستم های ذخیره سازی و جداسازی کربن (CCS)، امری الزامی می باشد. سیستم CCS می تواند حدود 90% کربن رها شده را جداسازی کرده و تا حدود زیادی، آلودگی زیست محیطی را کاهش دهد. از طرف دیگر پیاده سازی CCS، هزینه سرمایه نیروگاه های برق را نیز افزایش می دهد. نتیجتا سرمایه گذاران (برنامه ریزان) در بخش تولید الکتریسیته باید درباره ساخت واحدهایی که با سوخت فسیلی کار می کنند، همراه با CCS یا همراه با نصب واحدهایی بدون آلودگی همانند واحدهای تجدید پذیر و هسته ای تصمیم گیری کنند اما به دلیل افزایش تقاضا برای انرژی در جهان امروزی، محدودیت های منابع انرژی تجدیدپذیر وخطرات استفاده از انرژی هسته ای، انتظار می رود مصرف سوخت های فسیلی تا سال 2035 افزایش چشمگیری داشته باشد. درباره این مسائل باید عنوان کرد که سرمایه گذاران باید درباره ترکیب نیروهای برق انرژی تجدید پذیر و هسته ای و همچنین واحدهایی که با سوخت فسیلی کار میکنند و به CCS، مجهز شده اند، تصمیم گیری کنند. این برنامه ریزی ترکیبی را می توان به منظور به حداقل رساندن هزینه های سرمایه گذاری و آلودگی ها، به صورت همزمان انجام داد و در کنار آن، پدیده عنوان شده می تواند تقاضای در حال افزایش، برای انرژی، در طول سالهای آتی را نیز برطرف کند. سیستم تصمیم گیری پیشنهادی از طریق مسئله برنامه ریزی توسعه تولید الکتریسیته به صورت ریاضی بیان شده است (GEP). این مقاله به GEP چند مرحله ای که شامل واحدهای هسته ای، واحدهای انرژی تجدیدپذیر و واحدهای متفاوتی که با سوخت فسیلی کار میکنند و به CCS مجهزهستند، می پردازد. GEP پیشنهادی می تواند هزینه های برنامه ریزی و CO2 را به صورت همزمان به حداقل برساند در حالی که در آمد و هزینه CCS را مورد بررسی قرار می دهد. این مسئله به عنوان یک مسئله بهینه سازی غیرخطی و عددصحیح-مختلط، تحت قیود بیان شده و با استفاده از الگوریتم بهینه سازی ازدحام ذرات (PSO) حل می شود. مسئله عنوان شده با لحاظ کردن تمام قیود عملی، برنامه ریزی می شود. این قیود، شامل قیود امنیتی شبکه و قیود واحدهای تولیدی عملیات می شود. نتایج شبیه سازی نشان می دهند که استفاده از CCS می تواند تاثیر چشمگیری بر خروجی برنامه داشته باشد. درنهایت، یک تحلیل حساسیت جامع، بر پایه درآمد و هزینه CCS انجام می شود.

Nowadays, CO2 is the primary greenhouse gas pollutant and fossil fuel-fired electrical power plants are the major producer of CO2. In this regard, it is required to equip the electrical power plants with carbon capture and storage (CCS) systems. CCS system can capture about 90 percent of the emitted carbon and significantly decreases the environmental pollutions. On the other hand, implementation of CCS increases the capital cost of the electrical power plants. As a result, the investors (or planners) in electricity generation sector should decide on constructing fossil fuel-fired units with CCS, or installing the units without pollutions such as nuclear and renewable units. But, due to growing demand for energy in the world, limitations of the renewable energy resources, and hazards of the nuclear energy, the consumption of fossil fuels is expected to growth through 2035. Regarding these issues, the investors should decide on a combination of nuclear and renewable energy power plants as well as fossil fuel-fired units equipped with CCS. This combined planning may be carried out to minimize the investment cost and the pollutions at the same time, while it satisfies the growing energy demand over the future years. The proposed decision making system is mathematically expressed through electricity generation expansion planning (GEP) problem. This paper addresses a multistage GEP including nuclear units, renewable energy units, and different fossil fuel-fired units equipped with CCS. The proposed GEP minimizes the planning costs and CO2 at the same time, while it considers CCS cost and revenue. The problem is mathematically expressed as a constrained, mixedinteger, and nonlinear optimization problem and solved using particle swarm optimization (PSO) algorithm. The problem is scheduled considering all practical constraints including security constraints of the network, and the generating units constraints of operation. Simulation results demonstrate that utilizing CCS significantly impacts on the planning output. Eventually, a comprehensive sensitivity analysis is carried out based on the CCS cost and revenue.