EVALUACIÓN Y OPTIMIZACIÓN DE PLANTAS TÉRMICAS MENORES A 500KWT.

Abstract

El presente trabajo pretende entregar una visión general acerca del uso de al-gortimos genéticos para la optimización de sistemas solares térmicos para el ca-lentamiento de agua estudiando dos parámetros de diseño, el área de colección, que corresponde al área total del campo de colectores solares; y la capacidad de almacenamiento, que corresponde a la relación entre el volumen de almacena-miento y el área de colección, ambos parámetros son fundamentales tanto para estimar la fracción solar o fracción de la carga térmica total que es suministrada por la energía solar, así como para conocer el costo inicial ya que son justamente, los colectores y los tanques de almacenamiento los elementos que más influyen en el costo de inversión de este tipo de sistemas. A través de una búsqueda bibliográfica se pretende establecer el estado actual del arte referente al desarrollo de sistemas solares para suministrar grandes can-tidades de energía para aplicaciones industriales y también conocer los avances relacionados a la optimización de estos sistemas con algoritmos genéticos. Una vez descrito el modelo de estimación del comportamiento de largo plazo de los sistemas solares, en este caso la cartaf, así como los indicadores financie-ros a optimizar, el costo del ciclo de vida, se procede a estimar los costos inicial esa través de un análisis de trabajos realizados por estudiantes de la UTFSM, así como de la U. de Chile y la UACH. Luego a través de un caso de estudio teórico ubicado en la zona industrial de la comuna de Pudahuel en Santiago, se realiza una sensibilización de los parámetros a optimizar para conocer su efecto sobre la fracción solar. Finalmente, a través de un algortimo genético simple y un código implemen-tando en MATLAB se realiza la optimización de la variables, los rangos de va-riación para el área colectores se establece en [150-600] y para la capacidad de almacenamiento en [50-180]. La optimización se realizó de manera de optimi-zar el costo del ciclo de vida con la idea de minimizarlo hasta que alcanzara el costo del sistema convencional sobre un horizonte de 11 años el cual entrego un valor de $ 203.891.427. De las muchas simulaciones y óptimos obtenidos se se-leccionaron dos, para un área de 507 m2y una capacidad de almacenamiento de113 L/m2se obtuvo un costo total de $ 120.974.078, un VAN de -71.586.550,un payback simple de 9 años y una tasa anual de reducción de gases de efecto invernadero de 77,2 tCO2equivalente. El segundo caso entrega una área de 555m2y una capacidad de almacenamiento de 52 L/m2, obteniendo un costos total del ciclo de vida de $174.627.714, un VAN de -40.922.163, y un payback simple de 7 años y una tasa anual de reducción de gases de efecto invernadero de 80,7tCO2equivalente. Si bien es cierto los sistemas no son rentables por sí mismos para una tasa de descuentos de %15, si presentan un costo total del ciclo de vida mucho menor que el sistema convencional.

The present work pretends give a overview about the use of genetic algorith tooptimisation of solar thermal solar systems to water heating studying two designparameters, the collection area and storage capacity, both are essential to estima-te the solar fraction and calculate de investment cost since solar collectors ansstorage tanks are the most important elements in this kind of systems.Through a bibliographic search is set the actaul state-of-art regarding to de-velopment of large solar thermal systems for industrial applications and also toknow the advances in the use og genetic algorithm to optimizate these systems.Once described the solar fraction estimation model,f-chart, as well as the fi-nancial indicators to optimizate, proceeds to estimate the investment cost usingseveral works done by students of UTFSM, U. de Chile and UACH. Then, bysetting a study case located in the industrial area of Pudahuel, is performed a sen-sibility analysis of design parameters to know the effect aover the solar fraction.Finally, a simple genetic algorith is set with a MATLAB code to carry out theoptimization process, the variables range are [150-600] for collection area and[50-180] for storage capacity. The optimisation process wasperformed to searchthe minimun life cycle cost until to reach the cost of a conventional system overa 11 years, this cost is $ 203.891.427. Many simulations and optimal values wereobtained but only two were chosen to analyze them financially, one of them de-livered and area of 507 m2yand a storage capacity of 113 L/m2with a life cyclecost of $ 120.974.078, and NPV of -71.586.550, a simple payback of 9 years andan annual emission reduction rate of 77,2 tCO2e. The second case delivered anarea of 555 m2and a storage capacity of 52 L/m2, obtaining a life cycle cost of$174.627.714, a NPV of -40.922.163, a simple payback of 7 years and an an-nual emission reduction rate of 80,7 tCO2e. Although the solar systems analyzed are not cost-effective by them self for the discount rate used, %15, they are morecost-effective than use the conventional system over the lyfe cycle time defined.