Search

Microbial fuel cells (MFCs) have undergone great technological development in the last 20 years, but very little has been done to commercialize them. The simultaneous power production and wastewater treatment are features those greatly increase the interest in the use of MFCs. This kind of distributed power generation is renewable and friendly and can be easily integrated into a smart grid. However, there are some key issues with their commercialization: high construction costs, difficulty in developing high power structures, MFC lifespan, and maintaining a high level of efficiency. The objective of this article is to explore the possibilities of using MFCs in urban wastewater not only regarding the technical criteria of their application, but also mainly from an economic point of view, to determine the conditions through which the viability of the investment is ensured and the possibilities of their integration in a smart grid are identified. Initially, this article explores the implementation/configuration of a power plant with MFCs within an urban wastewater treatment plant on a theoretical basis. In addition, based on the corresponding physical quantities for urban wastewater treatment, the construction and operational costs are determined and the viability of the investment is examined based on classic economic criteria such as net present value, benefit–cost ratio, internal rate of return, and discounted payback period. Furthermore, sensitivity analysis is carried out, concerning both technical parameters, such as the percentage of organic matter removal, power density, sewage residence time, MFC efficiency, etc., and economical parameters, such as the reduction of construction costs due to change of materials, change of interest rate, and lifetime. The advantages and disadvantages of their use in smart grids is also analyzed. The results show that the use of MFCs for power generation cannot be utopian as long as they are integrated into the structure of a central wastewater treatment plant on the condition that the scale-up technical issues of MFCs are successfully addressed.

199 σ., Η παρούσα διατριβή έχει ως αντικείμενο τη διερεύνηση και τη μελέτη του προβλήματος της πρόβλεψης ζήτησης φορτίου και ενέργειας του συστήματος ηλεκτρικής ενέργειας σε βραχυπρόθεσμη και μεσοπρόθεσμη κλίμακα με χρήση ασαφούς λογικής. Αρχικά, πραγματοποιείται μία σύντομη εισαγωγή στην πρόβλεψη φορτίου και ενέργειας, αναδεικνύεται η σημασία τους, αναλύονται οι εφαρμογές αυτών και οι παράγοντες που επηρεάζουν τη ζήτηση της ηλεκτρικής ενέργειας. Επιπλέον, αναλύονται τα διάφορα μοντέλα πρόβλεψης φορτίου και ενέργειας, τα οποία περιέχονται στη διεθνή αρθρογραφία. Προκειμένου να καλυφθεί η ανάγκη για βραχυπρόθεσμη πρόβλεψη φορτίου, αναπτύχθηκε ένας νέος αλγόριθμος πρόβλεψης ημερήσιας καμπύλης φορτίου για το διασυνδεδεμένο σύστημα με χρήση ασαφούς λογικής, για την επόμενη και τη μεθεπόμενη ημέρα, ενώ έχει πραγματοποιηθεί και ο υπολογισμός του πρόστιμου της πρόβλεψης που αφορά τις αντίστοιχες ημέρες, σύμφωνα με τους σχετικούς κανονισμούς. Ο αλγόριθμος αυτός βελτιστοποιείται ως προς την επιλογή των εισόδων του, των χαρακτηριστικών παραμέτρων των συναρτήσεων συμμετοχής και των διαφόρων μεθόδων εξαγωγής συμπεράσματος. Επίσης, μελετήθηκε η συμπεριφορά του μοντέλου ως προς τα χρόνια εκπαίδευσης. Το μοντέλο εφαρμόστηκε, ενδεικτικά, για το έτος 2008. Για τον προσδιορισμό του διαστήματος εμπιστοσύνης, αρχικά καταγράφηκαν οι βασικές μέθοδοι προσδιορισμού τυπικών αποκλίσεων για τις μεθόδους των τεχνητών νευρωνικών δικτύων και, στη συνέχεια, τροποποιήθηκε η μέθοδος της επαναδειγματοληψίας για την εύρεση του διαστήματος εμπιστοσύνης στην περίπτωση της ασαφούς λογικής, ενώ αναπτύχθηκε και μία πρωτοποριακή μέθοδος αναλυτικού υπολογισμού της τυπικής απόκλισης, που σε συνδυασμό με τη συνάρτηση πυκνότητας πιθανότητας του σφάλματος, οδηγεί στον υπολογισμό του διαστήματος εμπιστοσύνης. Στη συνέχεια, ο προτεινόμενος αλγόριθμος πρόβλεψης τροποποιήθηκε κατάλληλα, ώστε να είναι δυνατή η εφαρμογή του και σε μη διασυνδεδεμένο σύστημα. Εκτελέστηκε, δε, για το απομονωμένο σύστημα της νήσου Αγίου Ευστράτιου. Ο αλγόριθμος υπολογίζει την ημερήσια καμπύλη της επόμενης ημέρας έχοντας ως δεδομένα ένα ελάχιστο πλήθος 100 ημερών (λόγω έλλειψης δεδομένων). Αντίστοιχα, δημιουργήθηκε ένα μοντέλο μεσοπρόθεσμης πρόβλεψης της ενέργειας βασισμένο στις αρχές της ασαφούς λογικής. Το μοντέλο αυτό εφαρμόστηκε για την πρόβλεψη της απαιτούμενης ενέργειας για τα επόμενα τρία έτη τόσο για το σύνολο του Ελληνικού Συστήματος, όσο και για επιμέρους κατηγορίες καταναλωτών. Τα αποτελέσματα που προέκυψαν ήταν σαφέστατα καλύτερα σε σχέση με την εφαρμογή των κλασικών μεθόδων πρόβλεψης ενέργειας και ελάχιστα καλύτερα από αυτά που προκύπτουν από μοντέλα πρόβλεψης βασισμένα σε τεχνητά νευρωνικά δίκτυα. Εν κατακλείδι, καταγράφονται τα γενικά συμπεράσματα που προκύπτουν από τη δημιουργία και την εφαρμογή των μοντέλων βραχυπρόθεσμης πρόβλεψης φορτίου και μεσοπρόθεσμης πρόβλεψης ενέργειας, ενώ αναφέρονται και οι προοπτικές περαιτέρω έρευνας σε σχέση με τα παραπάνω πεδία. Στο τέλος της διατριβής, παρατίθεται μια λεπτομερής περιγραφή των βασικών στοιχείων της ασαφούς λογικής, περιγράφονται τα ασαφή σύνολα και οι βασικές πράξεις που γίνονται ανάμεσα σε αυτά, ενώ γίνεται και μία σύντομη εισαγωγή στα τεχνητά νευρωνικά δίκτυα και στον αλγόριθμο εκπαίδευσης οπίσθιας διάδοσης σφάλματος., The present thesis is focused on the investigation and the study of the problem of load and energy demand forecasting of power systems in short-term and midterm system using fuzzy logic. Firstly, a brief introduction to load and energy forecasting is made, the significance of them is distinguished and their applications, as well as the factors affecting the demand for electricity are analyzed. In addition, the various loads and energy forecasting models referred to bibliography are analyzed. In order to satisfy the demand of short-term load forecasting, a new algorithm is developed for forecasting daily load curve for the interconnected power system using fuzzy logic for the next and the one after that day while it has been performed the calculation of the provision fine with respect to corresponding days in accordance with relevant regulations. This algorithm is optimized as far as the choice of it, the characteristic parameters of the participation function as well as the various models of inference. This model was also studied in terms of behaviour towards the years of education. It is implemented for the year 2008. In order to determine the confidence interval, the basic methods for standard deviation calculations for the artificial neural networks have been recorded. After that the sampling method has been modified for case of the fuzzy logic algorithms. An innovative method for analytical calculation of the standard deviation has also been developed, which combined with the probability density function of the error leads to the calculation of the confidence interval. The respective results are compared with different criteria such as the empiric coverage, the quality interval and the relative confidence interval, where the superiority of the innovative method is proved. The proposed fuzzy logic algorithm was suitably amended in order to be applied to autonomous power systems, such as to the power system of St. Efstratiou island. The algorithm calculates the daily curve of the next day having as data a minimum number of 100 days (due to lack of data). Therefore, based on the principles of fuzzy logic a corresponding model of midterm energy forecasting was created. This model was applied to predict the energy required for the next three years for the whole Greek system and for individual categories of consumers. The results were clearly better than those obtained by conventional methods of energy forecasting and a little better than corresponding forecasting of artificial neural network models. Finally, the general conclusions arising from the creation and implementation of the short-term forecasting models and midterm energy forecasting are recorded, while prospects for further research in relation to the above fields are mentioned. At the end of the thesis there is a detailed description of the basic elements of fuzzy logic, fuzzy sets, basic operations among them and a brief introduction of artificial neural networks and back-propagation algorithm is also presented.