مقایسه بهینه‌سازی مصرف انرژی و ارزیابی اثرات زیست‌محیطی در کارخانه تولید شکر با استفاده از الگوریتم‌‏های فراابتکاری

از مزایای تحلیل انرژی، فراهم آوردن مبنا و اساسی برای محافظت از منابع، تعیین انرژی مصرف‌شده در هر فرآیند تولید و مدیریت پایدار منابع می‌باشد. افزایش بهره‌‏وری نهاده‏‌های تولید (انرژی‌‏های ورودی)، هدف نهایی سامانه‏‌های کشاورزی پایدار می‏‌باشد. هدف از انجام این مطالعه، بررسی وضعیت مصرف انرژی در صنعت تولید شکر و مقایسه میزان بهینه‏‌سازی شاخص‏‌های مصرف انرژی با استفاده از دو الگوریتم فراابتکاری می‏‌باشد. بر همین اساس به ارزیابی شاخص‌‏های انرژی و اثرات زیست‌محیطی آن در صنعت تولید شکر در شرکت کشت و صنعت نیشکر دهخدا پرداخته شد. بدین منظور جمع‏‌آوری اطلاعات در سال زراعی 1400-1399 به روش‌‏های مختلفی از جمله تکمیل پرسشنامه، گفتگو و مصاحبه با کارشناسان، استفاده از آمار موجود در کتابخانه‌‏ها و برخی پایگاه داده انجام شد و در مراحل مختلف از آمار و اطلاعات موجود در شرکت مورد مطالعه و همچنین آمارنامه کشاورزی وزارت جهاد کشاورزی و ترازنامه انرژی استفاده گردید. داده‌‏ها با استفاده از نرم‏‌افزار آماری متلب و پایگاه داده اکواینونت ارزیابی و به دو روش الگوریتم ژنتیک و رقابت استعماری، مورد مقایسه و تحلیل قرار گرفتند. نتایج نشان داد در اغلب شاخص‌‏های مورد مطالعه در روش الگوریتم رقابت استعماری، بهینه‌‏سازی مصرف انرژی نسبت به روش الگوریتم ژنتیک ارجحیت داشته است و علاوه بر کاهش اثرات زیست‌محیطی، توان بالایی جهت صرفه‏‌جویی در مصرف انرژی را دارا خواهد بود. به‌طوری‌که در بخش کل انرژی نهاده‏‌ها در الگوریتم ژنتیک، 17.05 درصد و در الگوریتم رقابت استعماری، مقدار بهینه‌‏سازی 26.40 درصد محاسبه گردید. میزان کاهش مصرف گاز طبیعی در روش الگوریتم ژنتیک 3.82 درصد و در روش الگوریتم رقابت استعماری 27.60 درصد گزارش شد. میزان صرفه‌‏جویی در انرژی مستقیم در روش الگوریتم ژنتیک، 16.97 درصد و در روش الگوریتم رقابت استعماری، 27.48 درصد ارزیابی گردید. در روش الگوریتم رقابت استعماری میزان کاهش در اسیدی شدن خاک، 23.03 درصد و در روش الگوریتم ژنتیک، 19.19 درصد نسبت به شرایط قبل از بهینه‏‌سازی بود. در حالت کلی می‏‌توان این گونه نتیجه‏‌گیری نمود که با توجه به نیاز روزافزون به تولید شکر و سایر صنایع تکمیلی و وابسته به این صنعت ارزشمند و نیز بازدهی بالای صنعت تولید شکر، بهتر است با استفاده از دانش متخصصین امر، از روش‌‏های فراابتکاری جهت بهینه‌‏سازی مصرف انرژی و نهاده‌‏های موجود با هدف کاهش اثرات مخرب زیست‌محیطی استفاده شود.

comparison of energy consumption optimization in sugar factory using meta-heuristic algorithms

introductionenergy analysis offers significant benefits by establishing a foundation for resource conservation, quantifying the energy consumed at each stage of production, identifying processes that require minimal energy input, and supporting sustainable management practices. in sustainable agricultural systems, maximizing the productivity of input energies is a key objective. this study aims to assess energy consumption patterns within the sugar industry and to compare the optimization of energy consumption indicators using two meta-heuristic algorithms, ultimately seeking to enhance resource efficiency and promote sustainable production methods.materials and methodsthis study evaluated energy efficiency and environmental impacts in sugarcane-based sugar production at dehkhoda sugarcane agro-industry company (in khuzestan province, iran), during the 2019-2020 agricultural cycle. data collection integrated field questionnaires, expert interviews, operational records from the facility, and national agricultural databases (ministry of agriculture jihad statistics and energy balance sheet). energy flow were analyzed using matlab statistical software and the equinonet database, with comparative optimization through genetic algorithms and imperialist competitive algorithms to identify efficiency improvements.results and discussionthe results showed that, for the majority of indicators evaluated, the imperialist competitive algorithm outperformed the genetic algorithm in optimizing energy consumption. in addition to reducing the environmental impacts of this profitable industry in the country, it has a high potential for energy savings. the total energy input reduction with the genetic algorithm was 17.05%, while the imperialist competitive algorithm achieved a higher reduction of 26.40%. natural gas consumption decreased by 3.82% using the genetic algorithm, and by 27.60% with the imperialist competitive algorithm. direct energy savings were 16.97% for the genetic algorithm and 27.48% for the imperialist competitive algorithm. soil acidification reduction was 23.03% with the imperialist competitive algorithm and 19.19% with the genetic algorithm, compared to conditions before optimization.conclusionin general, it can be concluded that, given the growing demand for sugar production and related industries, as well as the high efficiency of the sugar production sector, it is advisable to utilize expert knowledge and apply meta-heuristics methods to optimize energy consumption and available inputs with the aim of reducing harmful environmental impacts.