دانلود مقاله ISI انگلیسی شماره 147252
ترجمه فارسی عنوان مقاله

ارزیابی عوامل توزیع احتمالی که بر تأمین انرژی تجدید پذیر برای هتلها با استفاده از روش مونت کارلو تأثیر می گذارد

عنوان انگلیسی
Assessment of probabilistic distributed factors influencing renewable energy supply for hotels using Monte-Carlo methods
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
147252 2017 30 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Energy, Volume 128, 1 June 2017, Pages 86-100

ترجمه کلمات کلیدی
سیستم های انرژی تجدید پذیر، روش مونت کارلو، هتل ها جزایر قناری،
کلمات کلیدی انگلیسی
Renewable energy systems; Monte Carlo methods; Hotels; Canary Islands;
ترجمه چکیده
نتایج به دست آمده نشان می دهد که مصرف برق در هتل ها به مراتب بیشترین کمک هزینه کل انرژی است. برای هتل سرمایه گذاری شده در جزایر قناری، سهم مطلوب تولید برق تجدیدپذیر 63 درصد است که به فتوولتائیک 67 درصد و انرژی باد 33 درصد تقسیم شده است. علاوه بر این، باتری برای تعادل بین روز و شب استفاده می شود. یافته شده است که نتایج حساس به نوسانات آب و هوا و همچنین پارامترهای اقتصادی به میزان مشابه است. نتایج به دست آمده نشان دهنده خطر ایجاد شده توسط استفاده از سری زمانی مرجع برای طراحی سیستم های انرژی است. روش مونت کارلو کمک می کند تا دقیق تر میانگین آلودگی را تعریف کرده و میزان ریسک نوسانات آب و هوا و اشغال را به میزان قابل توجهی کاهش دهد.
پیش نمایش مقاله
پیش نمایش مقاله  ارزیابی عوامل توزیع احتمالی که بر تأمین انرژی تجدید پذیر برای هتلها با استفاده از روش مونت کارلو تأثیر می گذارد

چکیده انگلیسی

The results underline that electricity use in hotels is by far the largest contributor to their overall energy cost. For the invested hotel on the Canary Islands, the optimal share of renewable electricity generation is found to be 63%, split into 67% photovoltaic and 33% wind power. Furthermore, a battery is used to balance the differences between day and night. It is found, that the results are sensitive to weather fluctuations as well as economic parameters to about the same degree. The results underline the risk caused by using reference time series for designing energy systems. The Monte Carlo method helps to define the mean of the annuity more precisely and to rate the risk of fluctuating weather and occupancy better.