M. Iqbal et al. / Renewable and Sus

M. Iqbal et al. / Renewable and Sustainable Energy Reviews 39 (2014) 640–654 645
Fig. 5. Relation between conflicting objectives. Max-R: maximize revenue, Min-E: minimize emissions, Max-RL: maximize reliability, Max-P: maximize production, Min-OC: minimize operating cost, Min-I: minimize investment, Min-FC: minimize fuel cost, Max-LS: maximize life span, Min-WM: minimize waste. (For interpretation of the references to color in this figure caption, the reader is referred to the web version of this paper.)
In Fig. 5, different conflicting objectives are shown where, Max-R represents maximization of revenue, Min-E represents minimization of emission, Max-RL represents maximization of reliability, Max-P represents maximization of production, MinOC represents minimization of operating cost, Min-I represents minimization of investment cost, Min-FC represents minimization of fuel cost, Max-LS represents maximization of life span and Min-WM represents minimization of waste material. Different cells are given different colors depending upon their location in the matrix. Red color shows that objectives corresponding to the respective row and column are conflicting with each other, e.g., example maximization of revenue is in conflict with minimization of harmful emission, minimization of operating cost and minimization of fuel cost. Similarly, blue cell with small boxes shows that the corresponding objectives are design dependent, i.e., they may or may not be in conflict depending on the design of the system. For example, minimization of investment may or may not conflict with maximization of revenue and minimization of fuel cost depending upon the design of the renewable system. Green box with vertical lines shows that the corresponding objectives do not have any direct relation with each other, e.g., minimization of harmful emission has no direct relation with the maximization of reliability and life span of the renewable energy system. Light pink box with horizontal lines shows that the corresponding objectives go side by side with each other, e.g., minimization of fuel cost and minimization of operating cost. In the following, we discuss each objective separately and its relation with other objectives. Minimization of harmful emission has been studied in numerous articles, e.g., in [38–41], where the authors have used linear programming and hybrid optimization model to optimize the biofuel based energy generation systems. They consider the conflicting objectives of minimization of pollutant emission and maximization of production and economic efficiency. An optimization model based on geographical information system has been proposed in [42] to identify the locations for biofuel facilities while considering various conflicting objectives namely, emission of waste material, availability of raw material for biofuel, and
operational cost. An energy planning model has been presented in [43] by integrating mixed integer and interval parameter linear programming. The authors formulated the optimization model by considering expense of energy supply, expansion in capacity and energy conversion and utilization ratio as decision variables. They presented a case study for the city of Waterloo, Canada, to assist sustainable energy development and reduce harmful emissions.
Chen et al. [44] proposed an energy system planning model to reduce carbon dioxide emission and ensure energy supply safety with a minimum risk of interruption. The authors have proposed an interval-robust non-linear optimization method by integrating interval parameter planning and robust optimization to cope with the random conditions. The used model considered continuous as well as binary decision variables. Continuous variables were used to represent the flow of energy and the incremental improvement in the capacity, and the binary variables were used to depict whether or not any specific technology to be deployed or action to be taken.
In [45], the authors have proposed a mixed integer linear programming model to reduce the cost per unit of power under the constraints of efficiency and carbon emission. In [46] an energy system planning model has been considered for the region of the greater southern Appalachian mountains of the eastern United States. The model formulates an objective function to establish a balance between the annual cost of energy generation and the amount of greenhouse gas emissions. In [47], a modified energy flow optimization model has been proposed, which gives solution for optimal power plants to be deployed with the objective function that minimizes the total cost of production and carbon dioxide emission and maximizes the robustness.
A multi-criteria decision making has been used to develop an optimization model to minimize the harmful emission and estimated costs of production for a hybrid photovoltaic-wind turbine system [48].In[49], the authors have used a non-linear optimization model to minimize the noise emission and maximize the production by improving the aerodynamic efficiency of the blade of wind turbine. Particle swarm optimization has been used in

ผลลัพธ์ (ไทย) 1:

ม. ชา et al. / ทดแทน และยั่งยืนพลังงานคิด 39 (2014) 640-654 645
Fig. 5 ความสัมพันธ์ระหว่างวัตถุประสงค์ conflicting สูงสุด R: เพิ่มรายได้ e:นาทีลดปล่อยก๊าซเรือนกระจก RL สูงสุด: เพิ่มความน่าเชื่อถือ p สูงสุด:เพิ่มผลิต องศาเซลเซียสต่ำสุด: ลดต้นทุนการดำเนินงาน i:นาทีลดการลงทุน Min FC: ลดต้นทุน Max LS เชื้อเพลิง: ขยายช่วงชีวิต นาที WM: ลดขยะ (การตีความการอ้างอิงสีในคำอธิบายนี้ figure อ่านว่าเว็บรุ่นของเอกสารนี้)
ใน Fig. 5, conflicting ต่าง ๆ วัตถุประสงค์จะแสดงตำแหน่ง สูงสุด R แทน maximization รายได้ Min-E แสดงถึงการลดปล่อยก๊าซ Max RL แทน maximization ของความน่าเชื่อถือ P สูงสุดแทน maximization ผลิต MinOC หมายถึงการลดของปฏิบัติการต้นทุน Min-ฉันหมายถึงการลดต้นทุนการลงทุน Min FC แสดงถึงการลดต้นทุน Max LS maximization แสดงอายุการใช้งานน้ำมัน และ WM นาทีแทนการลดของเสียวัสดุ เซลล์ที่แตกต่างกันจะให้สีแตกต่างกันขึ้นอยู่กับตำแหน่งในเมตริกซ์ สีแดงแสดงว่า วัตถุประสงค์ที่สอดคล้องกับแต่ละแถวและคอลัมน์จะ conflicting กัน เช่น maximization ตัวอย่างของรายได้ที่อยู่ใน conflict กับการลดปล่อยก๊าซที่เป็นอันตราย การลดภาระของต้นทุนและลดภาระของต้นทุนเชื้อเพลิง ในทำนองเดียวกัน เซลล์สีน้ำเงินพร้อมกล่องขนาดเล็กแสดงวัตถุประสงค์ที่สอดคล้องกันออกแบบขึ้น เช่น พวกเขาอาจ หรืออาจไม่ได้ conflict ขึ้นอยู่กับการออกแบบระบบ ตัวอย่าง การลดภาระการลงทุนอาจ หรืออาจไม่ conflict maximization รายได้และลดภาระต้นทุนน้ำมันเชื้อเพลิงขึ้นอยู่กับการออกแบบระบบหมุนเวียน กล่องสีเขียว มีเส้นแนวตั้งแสดงว่า วัตถุประสงค์ที่สอดคล้องกันไม่มีความสัมพันธ์ใด ๆ โดยตรงกับแต่ละอื่น ๆ เช่น การลดการปล่อยก๊าซที่เป็นอันตรายไม่มีความสัมพันธ์โดยตรงกับ maximization ที่ความน่าเชื่อถือและอายุขัยของระบบพลังงานทดแทนได้ กล่องสีชมพูอ่อน มีเส้นแนวนอนแสดงว่า วัตถุประสงค์ที่สอดคล้องกันไป side by side with กัน เช่น การลดต้นทุนเชื้อเพลิงและลดภาระของต้นทุนการดำเนินงาน ในต่อไปนี้ เรากล่าวถึงวัตถุประสงค์แต่ละแยกต่างหาก รวมทั้งความสัมพันธ์กับวัตถุประสงค์อื่น การลดการปล่อยก๊าซที่เป็นอันตรายมีการศึกษาในบทความมากมาย เช่น ใน [38 – 41], ซึ่งผู้เขียนใช้กำหนดการเชิงเส้นและรุ่นไฮบริดเพิ่มประสิทธิภาพเพื่อเพิ่มประสิทธิภาพระบบการสร้างพลังงานจากเชื้อเพลิงชีวภาพ พวกเขาพิจารณาวัตถุประสงค์ conflicting maximization ผลิตและ efficiency ทางเศรษฐกิจและการลดการปล่อยก๊าซมลพิษ แบบจำลองเพิ่มประสิทธิภาพตามระบบสารสนเทศภูมิศาสตร์ได้รับการเสนอชื่อใน [42] เพื่อระบุตำแหน่งที่ตั้งสำหรับเชื้อเพลิงชีวภาพโดยพิจารณาถึงวัตถุประสงค์ conflicting ต่าง ๆ ได้แก่ ปล่อยก๊าซเสียวัสดุ ความพร้อมของวัตถุดิบสำหรับไบโอดีเซล และ
ต้นทุนดำเนินงาน พลังงานการวางรูปแบบได้ถูกนำเสนอใน [43] โดยรวมเต็มผสมและช่วงพารามิเตอร์เชิง ผู้เขียนสูตรแบบปรับให้เหมาะสม โดยพิจารณาค่าใช้จ่ายของพลังงาน การขยายกำลังการผลิตและอัตราส่วนการแปลงและการใช้ประโยชน์พลังงานเป็นตัวแปรตัดสินใจ พวกเขานำเสนอกรณีศึกษาสำหรับเมืองวอเตอร์ลู แคนาดา ช่วยเหลือการพัฒนาพลังงานอย่างยั่งยืน และลดการปล่อยก๊าซเรือนกระจกเป็นอันตราย
Chen et al. [44] นำเสนอระบบพลังงานการวางรูปแบบเพื่อลดการปล่อยก๊าซคาร์บอนไดออกไซด์ และความปลอดภัยการจัดหาพลังงาน มีความเสี่ยงต่ำสุดของการหยุดชะงัก ผู้เขียนได้นำเสนอวิธีการปรับช่วงแข็งแกร่งไม่ใช่เชิงเส้น โดยรวมช่วงพารามิเตอร์การวางแผนและการเพิ่มประสิทธิภาพที่แข็งแกร่งเพื่อรับมือกับเงื่อนไขแบบสุ่ม แบบจำลองที่ใช้พิจารณาตัวแปรการตัดสินใจอย่างต่อเนื่อง รวมทั้งไบนารี ใช้ตัวแปรต่อเนื่องถึง flow พลังงานและปรับปรุงแบบเพิ่มหน่วยในกำลังการผลิต และตัวแปรฐานสองถูกใช้เพื่อแสดงว่าไม่มีเทคโนโลยี specific ที่จะจัดวางหรือการดำเนินการ หรือ
ใน [45], ผู้เขียนได้นำเสนอผสมเต็มเส้นเขียนแบบเพื่อลดต้นทุนต่อหน่วยของพลังงานภายใต้ข้อจำกัดของการปล่อยก๊าซคาร์บอนและ efficiency ใน [46] ได้รับการพิจารณาแบบจำลองวางแผนระบบของพลังงานในภูมิภาคภูเขา Appalachian ภาคใต้มากขึ้นของสหรัฐอเมริกาภาคตะวันออก แบบ formulates ฟังก์ชันวัตถุประสงค์การสร้างสมดุลระหว่างค่าใช้จ่ายรายปีของพลังงานและปริมาณการปล่อยก๊าซเรือนกระจก ใน [47], flow modified พลังงานเพิ่มประสิทธิภาพรูปแบบได้ถูกนำเสนอ ซึ่งช่วยให้โซลูชั่นสำหรับโรงไฟฟ้าที่เหมาะสมเพื่อจัดวาง ด้วยฟังก์ชันวัตถุประสงค์ที่ช่วยลดต้นทุนรวมของการปล่อยก๊าซคาร์บอนไดออกไซด์และผลิต และวางเสถียรภาพการ
หลายเกณฑ์ตัดสินได้ถูกใช้ในการพัฒนาแบบจำลองเพิ่มประสิทธิภาพในการลดการปล่อยก๊าซที่เป็นอันตรายและประเมินต้นทุนการผลิตสำหรับระบบกังหันลมแสงอาทิตย์แบบผสมผสาน [48]ใน [49], ผู้เขียนได้ใช้แบบจำลองไม่เชิงเส้นเพิ่มประสิทธิภาพในการลดมลพิษเสียง และขยายการผลิต โดยการปรับปรุง efficiency อากาศพลศาสตร์ของกังหันลม มีการใช้เพิ่มประสิทธิภาพฝูงอนุภาคใน

ผลลัพธ์ (ไทย) 3:

เมตร บัล et al . / พลังงานทดแทนและพลังงานยั่งยืนบทวิจารณ์ 39 ( 2014 ) 640 – 654 645
รูปที่ 5 ความสัมพันธ์ระหว่างคอนfl icting วัตถุประสงค์ max-r : เพิ่มรายได้ ลดการปล่อย min-e แม็กซ์ RL : เพิ่มความน่าเชื่อถือ max-p : เพิ่มการผลิตมิน OC : ลดต้นทุนการดำเนินงาน min-i : ลดการลงทุน มิน เอฟซี : ลดต้นทุนเชื้อเพลิง แม็กซ์ LS : เพิ่มช่วงชีวิตมิน WM : ลดขยะ( สำหรับความหมายของการอ้างอิงถึงสีในนี้จึง gure พิธีกร , ผู้อ่านจะเรียกว่าเว็บรุ่นของกระดาษ ในรูปนี้ )
5 แตกต่างกัน คอนfl icting วัตถุประสงค์แสดงที่ไหน max-r เป็นตัวแทนสูงสุดของรายได้ min-e หมายถึงลดการปล่อยแม็กซ์ RL เป็นตัวแทนสูงสุดของ max-p เป็นตัวแทนสูงสุดของความน่าเชื่อถือ การผลิตminoc หมายถึง ลดต้นทุน ลดต้นทุนการลงทุน min-i แทนมิน เอฟซี เป็นลดต้นทุนเชื้อเพลิง แม็กซ์ LS เป็นตัวแทนสูงสุดของช่วงชีวิต และมิน WM แทนการใช้วัสดุสิ้นเปลือง เซลล์ที่แตกต่างกันจะได้รับสีที่แตกต่างกันขึ้นอยู่กับตำแหน่งของพวกเขาในเมทริกซ์สีแดงแสดงให้เห็นว่าวัตถุประสงค์ที่สอดคล้องกับแต่ละคอลัมน์แถวและมีคอนfl icting กับแต่ละอื่น ๆ เช่น ตัวอย่างสูงสุดของรายได้ในคอนfl ICT กับการเป็นอันตราย มลพิษ ลดต้นทุนและการลดต้นทุนเชื้อเพลิง ในทํานองเดียวกัน เซลล์สีฟ้า มีกล่องเล็ก แสดง ว่า วัตถุประสงค์ที่สอดคล้องกันจะขึ้นอยู่กับการออกแบบ เช่นพวกเขาอาจจะหรืออาจจะไม่ได้อยู่ในคอนflไอซีทีขึ้นอยู่กับการออกแบบของระบบ ตัวอย่างเช่น การลงทุนที่อาจจะหรืออาจจะไม่ได้หลอกfl ICT กับสูงสุดของรายได้และการลดต้นทุนค่าเชื้อเพลิงขึ้นอยู่กับการออกแบบของระบบหมุนเวียน กล่องเขียว มีเส้นแนวตั้งที่แสดงวัตถุประสงค์ที่สอดคล้องกัน ไม่มีความสัมพันธ์กับแต่ละอื่น ๆโดยตรง เช่นการลดอันตรายการปล่อยได้ไม่ตรงความสัมพันธ์กับสูงสุดของความน่าเชื่อถือและอายุของระบบพลังงานทดแทน กล่องชมพูอ่อนกับเส้นแนวนอน แสดงให้เห็นว่า วัตถุประสงค์ที่สอดคล้องกันไปเคียงข้างกับแต่ละอื่น ๆ เช่น การลดต้นทุนค่าเชื้อเพลิง และลดต้นทุนการดำเนินงาน . ในต่อไปนี้เราได้กล่าวถึงวัตถุประสงค์แต่ละแยกต่างหากและความสัมพันธ์กับวัตถุประสงค์อื่น ๆ การลดอันตราย การได้ศึกษาในบทความมากมาย เช่น ใน 38 – [ 41 ] ที่ผู้เขียนได้ใช้โปรแกรมเชิงเส้นและรูปแบบการเพิ่มประสิทธิภาพการเพิ่มประสิทธิภาพโดยรวมของระบบ ไฮบริด เชื้อเพลิงผลิตพลังงานพวกเขาพิจารณาคอนfl icting วัตถุประสงค์ของลดมลพิษและสูงสุดของการผลิตและ EF ประสิทธิภาพทางเศรษฐกิจจึง . การเพิ่มประสิทธิภาพของแบบจำลองโดยใช้ระบบสารสนเทศทางภูมิศาสตร์ที่ได้รับการเสนอใน [ 42 ] เพื่อระบุตำแหน่งสำหรับเชื้อเพลิงชีวภาพเครื่องในขณะที่การพิจารณาต่างๆ คอนfl icting วัตถุประสงค์คือการปล่อยวัสดุของเสียความพร้อมของวัตถุดิบสำหรับเชื้อเพลิงชีวภาพและ
ต้นทุนการดำเนินงาน เป็นแผนพลังงานรูปแบบได้ถูกนำเสนอใน [ 43 ] โดยการบูรณาการแบบจำนวนเต็มผสม พารามิเตอร์เชิงเส้นการเขียนโปรแกรม ผู้เขียนสูตรการเพิ่มประสิทธิภาพแบบโดยพิจารณาค่าใช้จ่ายของการจัดหาพลังงาน ในการผลิตและการเปลี่ยนรูปพลังงาน และอัตราส่วนการใช้เป็นตัวแปรในการตัดสินใจพวกเขานำเสนอกรณีศึกษาเมือง Waterloo , แคนาดา เพื่อช่วยการพัฒนาพลังงานที่ยั่งยืน และลดการปล่อยก๊าซที่เป็นอันตราย .
Chen et al . [ 44 ] เสนอรูปแบบการวางแผนระบบพลังงานเพื่อลดการปล่อยก๊าซคาร์บอนไดออกไซด์ และความปลอดภัยการจัดหาพลังงานที่มีความเสี่ยงต่ำสุดของการขัดจังหวะผู้เขียนได้เสนอการเพิ่มประสิทธิภาพโดยรวมช่วงที่แข็งแกร่งแบบวิธีช่วงพารามิเตอร์การวางแผนและการเพิ่มประสิทธิภาพประสิทธิภาพเพื่อรับมือกับเงื่อนไขการสุ่ม ใช้รูปแบบการพิจารณาอย่างต่อเนื่องรวมทั้งตัวแปรการตัดสินใจแบบไบนารี ตัวแปรต่อเนื่องเพื่อใช้เป็นตัวแทนของโอ้วflของพลังงานและการปรับปรุงเพิ่มขึ้นในความจุและสองตัวแปรถูกใช้เพื่อแสดงถึงหรือไม่ใด ๆประเภทจึง C ที่จะใช้เทคโนโลยี หรือการกระทำที่จะต้องดำเนินการ .
[ 45 ] , ผู้เขียนได้นำเสนอตัวแบบกำหนดการเชิงเส้นจำนวนเต็มผสมเพื่อลดต้นทุนต่อหน่วยของพลังงานภายใต้ข้อจำกัดของประสิทธิภาพจึง EF และคาร์บอนออกมาใน [ 46 ] มีการวางแผนระบบพลังงานแบบได้รับการพิจารณาสำหรับภูมิภาคมากขึ้นใต้แนวภูเขาของสหรัฐอเมริกา . แบบ PayPal เป็นฟังก์ชันวัตถุประสงค์เพื่อสร้างความสมดุลระหว่างต้นทุนรายปีของการผลิตพลังงานและปริมาณการปล่อยก๊าซเรือนกระจก ใน [ 47 ] , Modi จึงเอ็ดพลังงานflโอ้วเพิ่มประสิทธิภาพแบบจำลองได้ถูกเสนอซึ่งจะช่วยให้โซลูชั่นที่เหมาะสมสำหรับพืชพลังงานที่จะใช้มีฟังก์ชันที่ช่วยลดต้นทุนการผลิตและการปล่อยก๊าซคาร์บอนไดออกไซด์ และเพิ่มความทนทาน .
หลายเกณฑ์การตัดสินใจได้ถูกใช้เพื่อพัฒนารูปแบบการเพิ่มประสิทธิภาพเพื่อลดการปล่อยก๊าซที่เป็นอันตรายและประมาณการต้นทุนการผลิตสำหรับระบบกังหันลมไฟฟ้าโซลาร์เซลล์ไฮบริด [ 48 ] ใน [ 49 ]ผู้เขียนได้ใช้แบบจำลองไม่เชิงเส้นสำหรับการเพิ่มประสิทธิภาพการลดเสียงและเพิ่มการผลิต โดยการปรับปรุงประสิทธิภาพของอากาศพลศาสตร์ EF จึงใบพัดของกังหันลม เพิ่มประสิทธิภาพของฝูงอนุภาคถูกใช้ใน