Thermal design and genetic algorithm optimization of geothermal and solar-assisted multi-energy and hydrogen production using artificial neural networks

Abstract

A comprehensive thermodynamic and economic analysis of an innovative multiple energy and hydrogen production system that integrates solar and geothermal energy sources is presented in the study. The system is operated and optimized using a genetic algorithm (GA) based on an artificial neural network (ANN), which adapts in real-time and improves performance. The proposed system employs solar and geothermal energy to power a variety of processes, such as the generation of electricity, the production of hydrogen through electrolysis, and the heating of space. By optimizing the exergetic unit costs of hydrogen, heating, and electricity, we assess the economic feasibility of the system. The economic competitiveness of renewable energy sources is illustrated by the exergetic unit cost of 0.011 $/kWh (3.05 $/GJ) generated by the geothermal and solar-assisted power facility. The electrolysis unit generates hydrogen at a discharge rate of 0.0154 kg/s, with an exergetic unit cost of 1.491 $/kg H2 (12.42 $/GJ). This method is cost-effective for the production of pure fuel. In addition, the conversion of hydrogen to electricity by a fuel cell results in an optimized unit cost of electricity of 0.0778 $/kWh (21.61 $/GJ). The system also offers space heating at a unit heating cost of 0.005 $/kWh (1.38 $/GJ). The overall system’s thermodynamic performance assessment indicates that the energy and exergy efficiencies are optimized at 34.5 % and 46 %, respectively. These results emphasize the integrated system’s potential for sustainable and effective energy production, providing a prospective solution for various energy requirements while guaranteeing economic feasibility.

Çalışmada, güneş ve jeotermal enerji kaynaklarını birleştiren yenilikçi bir çoklu enerji ve hidrojen üretim sisteminin kapsamlı bir termodinamik ve ekonomik analizi sunulmaktadır. Sistem, gerçek zamanlı olarak adapte olan ve performansı iyileştiren yapay sinir ağı (YSA) tabanlı bir genetik algoritma (GA) kullanılarak işletilmekte ve optimize edilmektedir. Önerilen sistem, elektrik üretimi, elektroliz yoluyla hidrojen üretimi ve uzayın ısıtılması gibi çeşitli süreçleri çalıştırmak için güneş ve jeotermal enerji kullanmaktadır. Hidrojen, ısıtma ve elektriğin ekserjetik birim maliyetlerini optimize ederek sistemin ekonomik fizibilitesini değerlendiriyoruz. Yenilenebilir enerji kaynaklarının ekonomik rekabet gücü, jeotermal ve güneş destekli güç tesisi tarafından üretilen 0,011 $/kWh (3,05 $/GJ) ekserjetik birim maliyetiyle gösterilmektedir. Elektroliz ünitesi, 1,491 $/kg H2 (12,42 $/GJ) ekserji birim maliyetiyle 0,0154 kg/s deşarj hızında hidrojen üretir. Bu yöntem saf yakıt üretimi için maliyet açısından etkilidir. Ek olarak, hidrojenin bir yakıt hücresi tarafından elektriğe dönüştürülmesi, 0,0778 $/kWh (21,61 $/GJ) optimize edilmiş bir elektrik birim maliyetiyle sonuçlanır. Sistem ayrıca 0,005 $/kWh (1,38 $/GJ) birim ısıtma maliyetiyle alan ısıtması da sunar. Sistemin genel termodinamik performans değerlendirmesi, enerji ve ekserji verimliliğinin sırasıyla %34,5 ve %46 olarak optimize edildiğini göstermektedir. Bu sonuçlar, entegre sistemin sürdürülebilir ve etkili enerji üretimi potansiyelini vurgulayarak, ekonomik uygulanabilirliği garanti ederken çeşitli enerji gereksinimleri için olası bir çözüm sunar.