Μοντελοποίηση και πειραματική διερεύνηση αντιστρεπτού Οργανικού Κύκλου Rankine

Αναγνωστάκη, Σουλτάνα Αποστολία; Anagnostaki, Soultana Apostolia

dc.contributor.author	Αναγνωστάκη, Σουλτάνα Αποστολία	el
dc.contributor.author	Anagnostaki, Soultana Apostolia	en
dc.date.accessioned	2025-03-21T09:08:51Z
dc.date.available	2025-03-21T09:08:51Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/61395
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.29091
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Τεχνητά νευρωνικά δίκτυα	el
dc.subject	Οργανικός κύκλος Rankine	el
dc.subject	Αντιστρεπτός κύκλος	el
dc.subject	Μικρή κλίμακα	el
dc.subject	Ηλιακή ενέργεια	el
dc.subject	Artificial neural networks	en
dc.subject	Organic Rankine cycle	en
dc.subject	Small scale	en
dc.subject	Solar driven	en
dc.title	Μοντελοποίηση και πειραματική διερεύνηση αντιστρεπτού Οργανικού Κύκλου Rankine	el
dc.title	Modelling and experimental investigation of a reversible Organic Rankine Cycle	en
heal.type	bachelorThesis
heal.classification	Νευρωνικά δίκτυα	el
heal.classification	Οργανικός κύκλος Rankine	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2024-10-10
heal.abstract	Η εξάρτηση της ανθρωπότητας από τα ορυκτά καύσιμα αποτελεί έναν από τους βασικούς λόγους επιδείνωσης της κλιματικής αλλαγής. Για τον λόγο αυτό, καθίσταται επιτακτική η ανάγκη για την εύρεση πιο βιώσιμων λύσεων για την κάλυψη των ενεργειακών αναγκών. Μια προτεινόμενη λύση είναι ο Αντιστρεπτός Οργανικός Κύκλος Rankine (ORC), ο οποίος επιτρέπει την ανάκτηση χαμηλής ποιότητας θερμότητας από Ανανεώσιμες Πηγές Ενέργειας, συμβάλλοντας στη μείωση της ενεργειακής κατανάλωσης και του περιβαλλοντικού αποτυπώματος. Σκοπός της παρούσας μελέτης ήταν η μοντελοποίηση και η πειραματική διερεύνηση ενός αντιστρεπτού συστήματος ORC, αξιοποιώντας τεχνικές μηχανικής μάθησης. Χρησιμοποιήθηκαν τα Τεχνητά Νευρωνικά Δίκτυα (Ν-Δ), αρχιτεκτονικής Πρόσθιας Τροφοδότησης, για την πρόβλεψη της απόδοσης του συστήματος. Τα πειραματικά δεδομένα συλλέχθηκαν από το σύστημα SolBio-Rev και η αξιολόγηση του μοντέλου έγινε με τον συντελεστή προσδιορισμού (R²). Μέσω σταδιακών δοκιμών, αναπτύχθηκε μια υβριδική αρχιτεκτονική Ν-Δ, η οποία βελτίωσε την ακρίβεια των προβλέψεων, πετυχαίνοντας επίδοση R² ίση με 0.99 τόσο για την θερμική ισχύ όσο και για την καθαρή ισχύ της εγκατάστασης. Τα αποτελέσματα της μελέτης προσφέρουν ένα ισχυρό εργαλείο για την πρόβλεψη της απόδοσης του αντιστρεπτού ORC τόσο σε πλήρες όσο και σε μερικό φορτίο, μειώνοντας την ανάγκη για χρονοβόρες και δαπανηρές δοκιμές αναλυτικών μοντέλων προσομοίωσης του κύκλου. Για την αξιολόγηση της απόδοσης του συστήματος, πραγματοποιήθηκε μια μελέτη περίπτωσης εφαρμογής του συστήματος SolBio-Rev σε κτήριο πολυκατοικίας 5 ορόφων στην Αθήνα, για την κάλυψη των θερμικών και ψυκτικών αναγκών του κτηρίου και για εξοικονόμηση ενέργειας μέσω της λειτουργίας του αντιστρεπτού ORC. Η απόδοση του συστήματος συγκρίθηκε με αυτήν μιας εμπορικής αντλίας θερμότητας αέρα-νερού. Τα αποτελέσματα της προσομοίωσης έδειξαν πως η εμπορική αντλία θερμότητας παραμένει πιο ανταγωνιστική με εκτιμώμενες περιόδους αποπληρωμής της επένδυσης της τάξης των 12 ετών έναντι των 20 ετών για το μελετώμενο σύστημα, ακόμα και στην περίπτωση της περαιτέρω βελτίωσης του κόστους απόκτησής του και αναδεικνύοντας πως υπάρχουν ακόμα αρκετά βήματα μέχρι να καταστούν τα συστήματα αντιστρεπτής αντλίας θερμότητας-ORC εμπορικώς ανταγωνιστικά.	el
heal.abstract	Humanity's dependence on fossil fuels is one of the main reasons for the deterioration of climate change. For this reason, the need to find more sustainable solutions to meet the growing energy needs becomes imperative. A proposed solution is the reversible Organic Rankine Cycle (rORC), which allows the recovery of low-grade heat from Renewable Energy Sources, helping to reduce energy consumption and environmental footprint. The purpose of the present study was the modeling and experimental investigation of a reversible ORC system, utilizing machine learning techniques. Artificial Neural Networks (N-D), with Feed Forward architecture, were used to predict the performance of the system. The experimental data were collected by the SolBio-Rev system and the model was evaluated by the coefficient of determination (R²). Through incremental testing, a hybrid N-D architecture was developed, which improved the accuracy of predictions, achieving an R² performance of 0.99 for both thermal power and net plant power. The results of the study offer a powerful tool for predicting the performance of the reversible ORC at both full and part load, reducing the need for time-consuming and expensive testing of analytical cycle simulation models. To evaluate the performance of the system, a case study of the application of the SolBio-Rev system was carried out in a 5-storey apartment building in Athens, to cover the heating and cooling needs of the building and to save energy through the operation of the reversible ORC. The performance of the system was compared to that of a commercial air-to-water heat pump. The simulation results showed that the commercial heat pump remains more competitive with estimated investment payback periods of 12 years compared to 20 years for the studied system, even in the case of further improvement in its acquisition cost and highlighting that there are still several steps until reversible heat pump-ORC systems become commercially competitive.	en
heal.advisorName	Καρέλλας, Σωτήριος	el
heal.committeeMemberName	Κακαράς, Εμμανουήλ	el
heal.committeeMemberName	Χουντάλας, Δημήτριος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Θερμότητας. Εργαστήριο Ατμοκινητήρων και Λεβήτων	el
heal.academicPublisherID	ntua
heal.numberOfPages	71 σ.	el
heal.fullTextAvailability	false