Proses optimasi LP memerlukan asumsi pada tipologi dan efisiensi dari PV dan
panel ST. Panel PV simulasi dalam penelitian ini adalah 1.28 m2 standar
polikristalin 160 Wp modul dengan efisiensi sekitar 12,5%, dan panel ST adalah
fl mengkilap di-plate kolektor dinilai sebesar 1,75 kW. Kemiringan panel PVand ST
diasumsikan 30. Untuk W pabrik ada 3 jenis macam turbin angin komersial
telah dipertimbangkan: kecil (S, rotor : 5 m - 2,5 kW), menengah (M, rotor :
6m-6kW) dan besar (L, rotor : 7 m - 10 kW). Produksi energi PV dan ST sangat
terkait dengan insiden radiasi matahari pada panel, sementara produksi W
energi terkait dengan kecepatan dan arah angin, yang keduanya pada lokasi
yang spesifik.
Tabel 1 rangkuman yang digunakan dalam proses optimasi 4 P, di mana "X" menunjukkan bahwa
RETs telah dimasukkan dalam analisis optimasi.
Dengan demikian, biaya tahunan setiap ton CO2 yang disimpan menggunakan
PV akan 6500 / 0.59 = 13,220 sementara itu akan menjadi 1.750 / 0,1 =
20,400 menggunakan ST. Hasil yang disajikan telah divalidasi menggunakan MS
Excel Solver.
asumsi yang akan dibuat. Sejauh ini kita telah berurusan dengan asumsi yang
berkaitan dengan dimensi bangunan, kebutuhan energi dan RET spesifikasispesifikasi. Namun, hasil telah dihasilkan dengan menggunakan biaya yang tetap
untuk setiap teknologi. Biaya-biaya ini, ditunjukkan pada Tabel 4, telah ditarik
dari RES Ltd basis data biaya dan didasarkan pada harga yang diinstal nyata.
Asumsi biaya ini mempengaruhi total biaya terpasang masalah LP, sedangkan
asumsi yang berkaitan dengan dimensi bangunan, kebutuhan energi dan
menghasilkan kendala. Dalam dunia nyata ada kemungkinan bahwa asumsi
maychange, khususnya yang berkaitan dengan RET biaya. Oleh karena itu
penting untuk menyelidiki dampak dari variasi tersebut. Melakukan analisis
sensitivitas tersebut meningkatkan nilai dari proses optimasi yang dijelaskan
sejauh ini.
Berikut ini kita akan menggambarkan analisis sensitivitas terkait dengan solusi
P4 (campuran D3), karena masalah ini merupakan kasus yang paling umum.
Tujuan dari analisis sensitivitas ini adalah untuk menjawab pertanyaanpertanyaan berikut:
Jika biaya koefisien koefisien berubah, apakah campuran teknologi D3 tetap
solusi terbaik dari masalah P4?
Jika kendala berubah, bagaimana perubahan biaya terendah dipasang?
Tabel 5 dan 6 menyajikan hasil analisis sensitivitas. Untuk setiap RETs, Tabel 5
berisi nilai dari biaya koefisien masing-masing yang telah digunakan dalam
proses LP bersama-sama dengan penurunan yang diijinkan dan peningkatan
untuk setiap biaya teknologi. Diijinkan penurunan dan kenaikan bentuk batasbatas "berbagai optimalitas". Dengan kata lain, 1,4 kW dari PV Plant, 5 turbin
angin yang besar dan 259 kW sistem pemanas biomassa masih tetap campuran
teknologi yang mengarah ke paling investasi modal untuk biaya PV yang berkisar
antara 696 dan 9,679/ kW. Hal ini berlaku sedangkan biaya koefisien lainnya
tetap tidak berubah. Komersial diinstal rentang biaya saat PV adalah antara
6,000 dan 9,600/ kW, yang terletak dalam kisaran PV optimal yang
mempertahankan D3 sebagai solution. PV optimal Selama fase yang berbeda
dari kendala proses desain dapat berubah dan perubahan kendala menyebabkan
perubahan biaya pemasangan. Hal ini juga memungkinkan untuk menyelidiki
sensitivitas dari asumsi yang ditetapkan kendala untuk masalah LP, yaitu
Tabel 6 berisi nilai-nilai kendala yang memiliki telah diterapkan untuk masalah
P4, dan menunjukkan bahwa setiap kendala memiliki terkait "bayangan harga".
"Bayangan harga" dari kendala spesifik merupakan kenaikan (atau penurunan)
dari biaya minimal dipasang per unit peningkatan (atau penurunan) itu kendala
tertentu. Sebagai contoh, menurut hasil pada Tabel 6 jika, untuk alasan apapun
yang berhubungan dengan proses desain, target pengurangan yang meningkat 1
unit (yaitu 180,66-181,66 ton / tahun CO untuk kendala 1) biaya pemasangan
setidaknya akan menaikkan 13,219. Analisis sensitivitas memberikan banyak
hal. Tabel 6 juga berisi penurunan yang diijinkan dan meningkatkan untuk
kendala, yang mendefinisikan dengan "rentang penerapan": mekanisme harga
bayangan sudah dijelaskan akan berlaku selama kendala tetap dalam kisaran ini.
Jadi, dalam contoh kita, kita dapat mengatakan bahwa dalam pengurangan emisi
sasaran kisaran 179,84-231,66 (180,66 + 51 -0,82) ton CO2 / y biaya
pemasangan setidaknya akan bervariasi oleh 13,219 / ton. Hal ini juga menarik
untuk mempertimbangkan kasus-kasus di mana harga bayangan tidak berubah
(contoh untuk kendala 2 dan 4). Tabel 6 memberitahu kita bahwa untuk daerah
lebih besar dari 2,515 m2 (yaitu 3400-885) tidak ada perubahan dalam biaya
pemasangan minimal. Hasil ini juga memberitahu kita bahwa daerah 2515 m2
merupakan ruang minimum yang akan diperlukan untuk menginstal PV dan W
Plant sesuai teknologi campuran D3 (1,4 kW fotovoltaik dan 5 turbin angin yang
besar). Mengingat kendala 4 pada Tabel 6, kisaran harga bayangan penerapan
(dari 0 kW tidak ada batas atas) menunjukkan bahwa biaya pemasangan tidak
akan terpengaruh oleh modifikasi kendala. Hasil ini, membuktikan fakta bahwa
optimasi LP berkisar 0 kW untuk ST dalam campuran teknologi D3.
8. Kesimpulan
Dalam tulisan ini kami telah menyelidiki aplikasi Linear Programming untuk
mengoptimalkan biaya diinstal teknologi energi terbarukan untuk bangunan.
Secara khusus, alat Linear Programming telah tertanam dalam aplikasi Microsoft
Excel disebut "CARBOPT" yang dikembangkan oleh RES Ltd bekerja sama dengan
London South Bank University. Alat ini proses berbagai parameter masukan dan
kendala yang terkait dengan sejumlah energi terbarukan layak dan
mengembalikan campuran Plant teknologi terbarukan ukuran yang dibutuhkan