تحلیل عوامل موثر برانتخاب فناوری و رتبه‌بندی فناوری‌های کاهش انتشار اکسیدهای نیتروژن(مورد مطالعه: نیروگاه‌های حرارتی ایران)

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی دکترای مدیریت صنعتی گرایش مدیریت سیستم‌ها، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و ‏تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

2 گروه مدیریت صنعتی. دانشکده مدیریت و اقتصاد، واحد علوم وتحقیقات، ‎دانشگاه آزاد اسلامی.تهران.ایران. * (مسوول مکاتبات)

3 گروه مدیریت محیط زیست. دانشکده منابع طبیعی و محیط زیست. واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

4 گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.

چکیده

زمینه و هدف: نیروگاه­های حرارتی با مصرف قابل توجه سوخت­های فسیلی، نقش عمده­ای در تولید آلاینده­های هوا دارند. اکسیدهای نیتروژن از جمله این آلاینده­ها هستند. تاکنون هیچ یک ازنیروگاه­های حرارتی ایران به فناوری­های کاهش و کنترل انتشار اکسیدهای نیتروژن تجهیز نشده­اند. با توجه به ضرورت کاهش آلاینده­های ناشی از احتراق سوخت در نیروگاه­های کشور، و تحمیل هزینه­های گزاف اجتماعی ناشی از انتشار بی رویه آلاینده­ها این مقاله با هدف ارائه راهکاری به منظور تحلیل عوامل تاثیرگذار بر انتخاب فناوری­های کاهنده اکسیدهای نیتروژن با منشا فعالیت­های نیروگاهی و نیز اولویت بندی و انتخاب آن­ها با رویکرد سرمایه­گذاری در فناوری­های کاهنده انتشار این آلاینده ‏در نیروگاه­های حرارتی ایران انجام گرفته است.
روش بررسی: در این پژوهش ابتدا با مطلعه گسترده پژوهش­های انجام شده در این زمینه، فناوری­های موجود در سطح جهان و نیز اهم معیارهای موثر در تاثیر گذاری آن­ها شناسایی شده و در گام بعد به منظور انطباق این معیارها با شرایط ایران، از تکنیک دلفی فازی به منظور تایید نهایی معیارها استفاده شد. به منظور وزن­دهی به معیارها و سپس رتبه بندی فناوری های موجود از تکنیک رتبه بندی نوین SECA استفاده می­شود.
یافته­ها:  نتایج پژوهش  که در سال 1399 انجام گرفته است نشان داد که تکنولوژی­های IFGR، OFA ، Flameless ، LNB، FR به ترتیب اولویت اول تا پنجم را به خود اختصاص دادند که با توجه با این مطلب که جملگی آنها جزء تکنولوِژی­های اصلاح فرآیند احتراق هستند، در واقع نشان دهنده این واقعیت است که فن آوری­های اصلاح فرآیند احتراق از اولویت بالاتری نسبت به سایر گروه­های فنآوری برخوردار هستند.

کلیدواژه‌ها

موضوعات


 

 

مقاله پژوهشی

 

 

علوم و تکنولوژی محیط زیست، دوره بیست و سوم، شماره هفت، مهرماه 1400(252-237)

 

تحلیل عوامل موثر برانتخاب فناوری و رتبه­بندی فناوری­های کاهش انتشار اکسیدهای نیتروژن(مورد مطالعه: نیروگاه­های حرارتی ایران)

 

شیرین عزیزی[1]

رضا رادفر[2]

radfar@gmail.com

هانیه نیکومرام[3]

علی رجب زاده قطری[4]

تاریخ دریافت: 28/1/99

تاریخ پذیرش: 8/11/9۹

 

چکیده

زمینه و هدف: نیروگاه­های حرارتی با مصرف قابل توجه سوخت­های فسیلی، نقش عمده­ای در تولید آلاینده­های هوا دارند. اکسیدهای نیتروژن از جمله این آلاینده­ها هستند. تاکنون هیچ یک ازنیروگاه­های حرارتی ایران به فناوری­های کاهش و کنترل انتشار اکسیدهای نیتروژن تجهیز نشده­اند. با توجه به ضرورت کاهش آلاینده­های ناشی از احتراق سوخت در نیروگاه­های کشور، و تحمیل هزینه­های گزاف اجتماعی ناشی از انتشار بی رویه آلاینده­ها این مقاله با هدف ارائه راهکاری به منظور تحلیل عوامل تاثیرگذار بر انتخاب فناوری­های کاهنده اکسیدهای نیتروژن با منشا فعالیت­های نیروگاهی و نیز اولویت بندی و انتخاب آن­ها با رویکرد سرمایه­گذاری در فناوری­های کاهنده انتشار این آلاینده ‏در نیروگاه­های حرارتی ایران انجام گرفته است.

روش بررسی: در این پژوهش ابتدا با مطلعه گسترده پژوهش­های انجام شده در این زمینه، فناوری­های موجود در سطح جهان و نیز اهم معیارهای موثر در تاثیر گذاری آن­ها شناسایی شده و در گام بعد به منظور انطباق این معیارها با شرایط ایران، از تکنیک دلفی فازی به منظور تایید نهایی معیارها استفاده شد. به منظور وزن­دهی به معیارها و سپس رتبه بندی فناوری های موجود از تکنیک رتبه بندی نوین SECA استفاده می­شود.

یافته­ها:  نتایج پژوهش  که در سال 1399 انجام گرفته است نشان داد که تکنولوژی­های IFGR، OFA ، Flameless ، LNB، FR به ترتیب اولویت اول تا پنجم را به خود اختصاص دادند که با توجه با این مطلب که جملگی آنها جزء تکنولوِژی­های اصلاح فرآیند احتراق هستند، در واقع نشان دهنده این واقعیت است که فن آوری­های اصلاح فرآیند احتراق از اولویت بالاتری نسبت به سایر گروه­های فنآوری برخوردار هستند.

 

واژه­های کلیدی: آلودگی هوا، فن­آوری­های کاهنده NOx ، تحلیل سلسله مراتبی، دلفی فازی،  SECA.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

J. Env. Sci. Tech., Vol 23, No. 7, October, 2021

 

 

 

 

 

 

Analysis of Effective Factors on Technology Selection and Ranking of Nitrogen Oxide Emission Reduction Technologies

(Case study: Iranian Thermal Power Plants)

 

Shirin Azizi[5]

Reza Radfar[6] *

radfar@gmail.com

Hanieh Nikoomaram[7]

Ali Rajabzadeh Ghatari[8]

 

Admission Date: January 27, 2021

 

Date Received: April 16, 2020

 

Abstract

Background and Objectives: Thermal power plants with significant consumption of fossil fuels play a major role in the production of air pollutants. Nitrogen oxides are among these pollutants. So far, none of Iran's thermal power plants have been equipped with technologies to reduce and control nitrogen oxide emissions. Considering the necessity of reducing pollutants caused by fuel combustion in the country's power plants, and imposing excessive social costs due to the excessive emission of pollutants, this article aims to provide a solution to analyze the factors affecting the selection of reducing technologies. Nitrogen oxides with the origin of power plant activities and also their prioritization and selection with the approach of investing in technologies to reduce the emission of this pollutant in Iran's thermal power plants has been done.

Material and Methodology: In this research, first, with the widespread knowledge of the researches conducted in this field, the existing technologies in the world and also the most important criteria influencing their effectiveness have been identified and in the next step, in order to adapt these criteria to the conditions of Iran, Fuzzy Delphi technique was used to finalize the criteria. In order to weigh the criteria and then rank the existing technologies, the new SECA ranking technique is used.

Findings: The results showed that IFGR technology, OFA, Flameless Combustion, LNB and FR(Fuel reburning) were the first to fifth priority of technology selection,  respectively.

Discussion and Conclusion: The sum of these technological assessments will help to create more suitable and sustainable environmental conditions and less vulnerability of ecological systems.

 

Keywords: Air Pollution, NOx Reduction Technologies, Analytical Hierarchy Process, Fuzzy Delphi,SECA.

 

مقدمه

 

در سال­های اخیر آگاهی­های زیست محیطی در محافل سیاسی به میزان قابل توجهی افزایش یافته است. این را می توان به نارضایتی اجتماعی از وضعیت محیط نسبت داد. در نتیجه قوانین سختگیرانه محیط زیست افزایش می­یابند. آلودگی هوا یکی از مهمترین مشکلات مناطق شهری است که در آن بسیاری از منابع متولی آلایندگی هوا متمرکز شده اند (1). تأمین انرژی یکی از مهمترین موضوعات برای همه دولت ها و نیازهای کشورهای مختلف جهان می­باشد. تقاضای انرژی و مصرف آن هر ساله نیروگاه ها را مجبور به تولید انرژی الکتریکی و گرمایشی بیشتری می­کند که این امر با حجم بیشتری از گازهای آلاینده مرتبط است(2). هزینه های اجتماعی تخریب محیط زیست در اثر مصرف انرژی فسیلی در کشور بر اساس مطالعات بانک جهانی و سازمان حفاظت محیط زیست در سال 1390 ،6/102 هزار میلیارد دلار ریال (بر اساس قیمت های ثابت سال1381)می­باشد که معادل 6/19درصد از تولید ناخاص داخلی کشور در ان سال بوده است (3). با تولید مقادیر حجیم آلاینده های  تولید برق، مقررات بیشتر با هدف محدود کردن اکسیدهای گوگرد (SO2-SO3) ، دی اکسید نیتروژن (NO2) ، ذرات (PM2.5 و PM10) و تا حدی کمتر ، جیوه و منوکسید کربن (CO) در بسیاری از کشورها در حال انجام است(4). ایران در گزارش های مختلف بین المللی انتشار گازهای گلخانه ای در رتبه 9 تا 11 قرار داشته و عدم وجود سیاست گذاری مشخص و مدون و برنامه ریزی عملی جهت کاهش انتشار گازهای گلخانه ای در صورت استقرار پروتکل جدید کاهش انتشار گازهای گلخانه ای و الزام جهت کاهش انتشار از سال 2020 با تهدید بزرگی نظیر تحریم بین المللی سایر کشورهای دنیا مواجه خواهد شد. لذا مدیریت انتشار گازهای گلخانه ای به صورت یک چالش اساسی برای کشور و به تبع آن برای صنعت برق کشور به عنوان یکی از بزرگ ترین تولیدکنندگان گاز گلخانه ای در کشور مطرح می­باشد (5).

از طرفی روش­های تصمیم­گیری چند معیاره می­توانند یک ابزار حمایتی مهم در سیاست گذاری سرمایه­گذاری انرژی باشند و ضمن انعطاف پذیری، ظرفیت ارزیابی پیامدهای فن­آوری­ها بر اقتصاد، محیط و چارچوب اجتماعی را فراهم آورند (6).  به خصوص، توجه به این واقعیت که بسیاری از ویژگی­های اصلی فن­آوری­های انرژی، که دارای ارزش بازار نیستند و به ابعاد اجتماعی و زیست محیطی SD توجه می­کنند، غالباً خارج از دامنه پژوهش قرار داده می­شوند(6). در مقاله­ای که با عنوان برنامه ریزی انرژی پایدار با استفاده از روش تجزیه و تحلیل چند معیاره در جزیره کرت انجام شد، شاخص­های سرمایه گذاری، هزینه عملیاتی و تعمیر و نگهداری، صرفه جویی در مصرف سوخت، بلوغ تکنولوژی و ایمنی عرضه در گروه معیارهای زیست محیطی- اقتصادی و از معیارهای جلوگیری از انتشارات آلاینده، مشارکت در توسعه محلی و رفاه عمومی ، پذیرش اجتماعی و قابلیت تعدیل اثرات زیست محیطی در گروه شاخص­های اقتصادی اجتماعی به منظور برنامه ریزی استفاده شد و این رتبه بندی با استفاده از روش پرومته[9] انجام شد(7). در مقاله­ای که با عنوان برنامه ریزی استراتژیک در بخش تولید برق از طریق تهیه یک مدل ارزیابی چند معیار مبتنی بر دلفی[10] انجام شد، بهره وری سیستم، ظرفیت، در دسترس بودن سوخت ، تجربه موجود در زیر گروه تکنولوژی، 14 معیارهزینه پرداخت بالا برای هر تن CO2، هزینه سوخت، هزینه ساخت و ساز، دوره بازپرداخت طولانی مدت و غیره  در بخش اقتصادی ،14 معیار انتشار گازهای آلاینده و ذرات، دفع فاضلاب، دفع آب داغ ، تغییر اقلیم و غیره در بخش زیست محیطی و 9 معیار اجتماعی از قبیل میزان سرو صدا، اثرات بر بهداشت و سلامت افراد و ... مورد نظر قرار گرفت. این پژوهش با هدف ارزیابی فن­آوری­ها برای توسعه صنعت تولید برق انجام گرفت (8). در سال 2010 مقاله­ای با عنوان شاخص های پایداری سیستم های تولید برق با هدف ارزیابی فن آوری های تولید برق با استفاده از رتبه بندی معیارها و وزنهای برابر[11] انجام پذیرفت. در این پژوهش در بخش تکنولوژی در دسترس بودن تکنولوژی و کارایی، در بخش اقتصادی، هزینه انرژی، در بخش محیطی، انتشار CO2، استفاده از زمین، مصرف آب شیرین و در بخش اجتماعی، هزینه­های خارجی، مزایای خارجی به عنوان شاخص­های پژوهش لحاظ شد(9). در ادامه تکنولوژی­های شناسایی شده که با مطالعه منابع متعدد کنترل آلایندگی در نیروگاه­های حرارتی و همچنین فناوری­های موجود و تازه معرفی شده به دنیای تکنولوژی انتخاب و معرفی شده است و همچنین شرح مختصری از منابع معرف آن­ها و ارائه توضیحات جامع­تر که اشاره به آن­ها در این مقال نمی­گنجد به شرح جدول 1 ارائه شده است

بنابراین این پژوهش در صدد است که ضمن معرفی ‏معتبرترین تکنولوژی­های موجود در زمینه کاهش انتشار ‏NOx‏ که یکی از پرهزینه ترین آلاینده­های منشر شده از ‏نیروگاه­های حرارتی سطح کشور می­باشد، و با در نظر ‏گرفتن اینکه بر مبنای گزارش­های منتشر شده از پژوهشگاه ‏تحقیقات نیروی ایران تاکنون هیچ کدام از نیروگاه­های سطح ‏کشور به تکنولوژی­های کنترل کننده و کاهنده انتشار ‏NOx‏ ها تجهیز نشده­اند، اهم متغیرهای تاثیرگذار بر ‏انتخاب تکنولوژی را با استفاده از تکنیک دلفی فازی ‏شناسایی و در گام بعد به رتبه­بندی تکنولوژی­ها و معرفی ‏اولویت­های فناوری در نیروگاه­های حرارتی ایران با استفاده ‏از تکنیک ارزیابی همزمان معیارها و گزینه­ها برای تحلیل ‏چند معیاره موسوم به تکنیک (‏SECA‏) بپردازد. ‏

روش انجام پژوهش

این پژوهش به لحاظ هدف کاربردی و از لحاظ ماهیت توصیفی – پیمایشی می­باشد. دراین پژوهش که در سال 1399 انجام شد، ابتدا از مطالعات میدانی و کتابخانه­ای و انجام مصاحبه باز با خبرگان صنعت برق برای شناسایی معیارهای تاثیرگذار بر انتخاب فناوری استفاده شد.  به منظور پالایش و ارزیابی معیارهای نهایی تاثیرگذار بر انتخاب فناوری از روش دلفی فازی استفاده شد. بدین منظور از پرسشنامه دلفی استفاده شد و روایی آن به تایید خبرگان رسید. جامعه آماری مورد نظر به منظور انجام نظرسنجی فعالان حوزه طراحی و توسعه نیروگاه بودند که با استفاده از تکنیک گلوله برفی انتخاب شدند. بدین ترتیب اعضای مشارکت کننده در تعیین معیارهای پژوهش، شامل 8 نفراز متخصصان شرکت مدیریت پروژه­های نیروگاهی ایران(مپنا)، با تحصیلات لیسانس و فوق لیسانس با سابقه کاری بیشتر از 15 سال انتخاب شدند. سپس اهمیت نسبی هر یک از [12]عوامل موثر بر انتخاب فناوری و رتبه­بندی فنآوری­ها با استفاده از روش نوین تحلیل سلسه مراتبی SECA انجام پذیرفت. این روش رتبه بندی شده که در سال 2018 معرفی شده از طریق حل مدل غیر خطی چند هدفه، وزن معیارها و رتبه­بندی گزینه­ها را به طور همزمان انجام می­دهد .

یافته­ها

ابتدا معیارهای تاثیرگذار بر انتخاب تکنولوژی را با مطالعه ادبیات و مطالعات موجود انتخاب و سپس جهت پالایش نهایی معیارها، از تکنیک دلفی فازی استفاده می­کنیم.  این معیارها در جدول 2 ارائه شده است.

اجرای تکنیک دلفی فازی

 گام اول: گردآوری نظرات خبرگان؛ در مرحله اول دلفی، پرسشنامه­ای دارای ساختار براساس نتایج مرحله اول پژوهش طراحی و از خبرگان درخواست شد تا با استفاده از متغیرهای کلامی خیلی کم، کم، متوسط، زیاد و خیلی زیاد میزان اهمیت هر یک از مراحل شناسایی شده را مشخص نمایند. گام دوم  تبدیل متغیرهای کلامی به اعدا فازی مثلثی؛ دراین مرحله متغیرهای کلامی به صورت اعداد فازی مثلثی تعریف شدند. بدین صورت که پرسش­نامه با مقادیر کلامی برای هر متغیر به خبرگان داده شد و سپس این پاسخ­ها به مقادیر فازی مثلثی تبدیل شد و مجموعه اعداد فازی مثلثی برای هر خبره با استفاده از رابطه 1 بدست آمد.

(1)     

گام سوم:  در این مرحله میانگین مجموعه ها   ازتمامی مجموعه ها  از طریق رابطه 2 محاسبه شد (ستون­ میانگین­گیری مرحله اول جدول3).

(2)

 

سپس برای هر خبره، مقدار اختلاف از میانگین محاسبه شد. در مرحله دوم به منظور بررسی میزان توافق بین خبرگان، پرسشنامه مرحله اول بعد از اعمال تغییرات لازم به همراه میانگین نظرات خبرگان و اختلاف نظر قبلی هر یک از آنها با میانگین مجدداً برای اعضا پانل خبرگان ارسال و از آنها درخواست شد تا پاسخ­ها را مرور نموده و در صورت نیاز در نظرات و قضاوت های خود تجدید نظر کنند. گام چهارم: بعد از اینکه بازخورد اولیه به خبرگان داده شد و مرحله دوم دلفی انجام گرفت، نظرات اصلاح شده خبرگان در قالب اعداد فازی مثلثی به صورت رابطه3 درآمد.

(3)

 

در این مرحله نیز همانند گام دوم، میانگین نظرات اصلاح شده خبرگان در مرحله دوم دلفی محاسبه شد (ستون میانگین­گیری مرحله دوم جدول3). گام پنجم: فازی زدایی کردن؛ روش­های مختلفی برای فازی زدایی مقادیر نهایی هر یک از شاخص­ها وجود دارد. در این پژوهش از روش مینکووسکی طبق رابطه 4 محاسبه و ارائه شده است (ستون دی فازی جدول 3).

(4)

 

گام ششم: محاسبه میزان اختلاف نظر خبرگان در دو مرحله؛ میزان اختلاف نظر خبرگان در دو مرحله دلفی محاسبه شد (ستون تفاوت مقادیر دی فازی شده جدول3). تکرار مراحل دلفی تا آنجا پیش می­رود که اختلاف نظر خبرگان بین دو مرحله نظر سنجی به کمتر از حد آستانه خیلی کم 0.2 برسد و در این صورت فرایند نظرسنجی متوقف می­شود .

در این تحلیل بر اساس نظر خبرگان، معیارهای با امتیاز 0 تا 0.2 از در دامنه خیلی کم تعریف شد و بنابراین همان­طور که مشاهده می­شود معیارهای میزان دانش بومی موجود ومیزان امنیت در این مرحله از پژوهش حذف شدند و سایر شاخص­ها به عنوان اهم شاخص­های تاثیرگذار در انتخاب تکنولوژی کاهش NOx نیروگاه­ها انتخاب شدند.

تعیین اهمیت شاخص­ها و اولویت بندی تکنولوژی­ها

همان­گونه که پیشتر اشاره شد، در این پژوهش به منظور وزن دهی به شاخص­ها و رتبه بندی گزینه­ها از تکنیک تحلیل سلسله مراتبی SECA استفاده می­شود. هدف از این روش تعیین نمرات کلی عملکرد گزینه­­ها و وزن معیارها به طور همزمان است. برای دستیابی به این هدف، یک مدل ریاضی چند هدفه غیرخطی تدوین شده است (10). در ادامه تکنیک پیاده­ سازی می­شود.

 

 

 

جدول 1- معرفی تکنولوژی­های بحث شده در پژوهش و منابع معرف تکنولوژی­های کاهنده اکسیدهای نیتروژن نیروگاه

Table 1. Introducing the technologies discussed in the research and references to technologies that reduce

nitrogen oxides from power plants

شماره فناوری

نام فناوری

شماره مرجع

1

کاهش انتخابی کاتالیستی[13]

14،13،12،11

2

کاهش انتخابی غیر کاتالیستی[14]

16،15،11

3

مشعل­های کم ناکس[15]

17،11

4

OFA [16]

18

5

چرخش گاز دودکش[17]

19 ، 18

6

احتراق بدون شعله[18]

22،21،20

7

مه­پاشی[19]

24،23

8

پاشش آب یا بخار[20]

27،26،25

9

بازسوزش سوخت[21]

18،11

10

IFGR

28

11

پرتو الکترونی[22]

29،30،11،31،32،33

12

تخلیه کرونا [23]

35،34،29

13

پرتو الکترونی همراه با مایکروویو [24]

36

14

پرتو الکترونی همراه با قطرات ریز آب[25]

36

15

اسکرابر گاز ویوارد  [26]

36

16

جذب[27]

29،11

                               ماخذ:یافته­­های پژوهش

 

جدول 2- معرفی معیارهای تاتیرگذار در انتخاب فناوری

Table 2. Introducing effective criteria in technology selection

معیارها

مرجع

معیارها

مرجع

حداکثر کارایی

41،40،39،38،37،29

میزان ضایعات وپسماند

40،37،29،18

میزان خوردگی تجهیزات ناشی از کاربرد تکنولوژی

41،40،37

سطح پیچیدگی  تکنولوژی

40،37،29،18

فضای مورد نیاز

40،37

هزینه مواد خام

40،37

هزینه سرمایه­گذاری ثابت

41،40،37

میزام مصرف انرژی

41،29،18

هزینه سرمایه­گذاری متغیر

41،40،37

میزان دانش بومی موجود

40،18

میزان مصرف آب

41،37

میزان امنیت

40،18

میزان فاضلاب

37

 

 

ماخذ:یافته­های پژوهش

 

 

برای تدوین مدل ریاضی، دو نوع مرجع برای وزن معیارها شرح داده شده است. نوع اول براساس تعریف میزان تنوع اطلاعات درون هر معیار توسط انحراف استاندارد است و نوع دوم مربوط به همبستگی اطلاعات بین معیارها است. مدل چند هدفه به دنبال حداکثر رساندن عملکرد کلی هر گزینه و حداقل کردن انحراف وزن معیارها از نقاط مرجع است. برای به حداکثر رساندن عملکرد کلی هر گزینه، از یک مدل مجموع موزون به عنوان تابع هدف استفاده می­شود. همچنین، از مجموع مربع انحرافات از نقاط مرجع استفاده می­کنیم تا اهداف دیگر مدل را تعریف کنیم (10). فرض می­کنیم یک مدل MCDM با n گزینه و m معیار داریم و وزن هر معیار (wj , jϵ{1, 2, . . . ,m})  مشخص است.  بدین ترتیب ماتریس تصمیم­گیری را مانند ماتریس زیر تشکیل می­دهیم.

و سپس مقادیر اختصاص داده شده به هر تکنولوژی در هر معیار، با توجه به طیف لیکرت 5 تایی به اعداد فازی تبدیل و در گام بعد از طریق رابطه 5 دی­فازی می­شوند و سپس با استفاده از رابطه 6 نرمال­سازی می­شوند. که BC معرف معیارهای مطلوب و NC معرف معیارهای نامطلوب هستند. تجاری بودن و کارایی معیارهای مطلوب هستند و از سطر اول رابطه 6 برای نرمال سازی استفاده می­شود. ماتریس تصمیم­گیری پژوهش با توجه به معیارهای به دست آمده از مرحله قبل و سپس نرمال­سازی آن به شرح جدول 4 می­باشد ‏‏(42،41،40،37،29،18،11).

سپس بردار   را به عنوان بردار معیار j ام1,2, . . . , m} jϵ{ در نظر می­گیریم. انحراف استاندارد عناصر هر بردار ((σj  انحراف درون هر معیار لحاظ می­شود. به منظور محاسبه انحراف میان معیارها، ضریب هم بستگی میان هر جفت از بردار معیارها را به طور مجزا محاسبه می­کنیم. rjl را به عنوان همبستگی بین معیار j ام و l ام (j & l ϵ {1, 2, . . ,m})  در نظر می­گیریم. سپس πj می تواند میزان تعارض بین معیار j و معیارهای دیگر را نشان دهد (10). مقدار πj نیز از رابطه 7 حاصل می­شود. سپس در گام بعد مقادیر حاصل شده برای σj و πj  از طریق روابط 8 و 9 نرمال می­شود.

(6)

 

(7)

 

(8)

 

(9)

 

بر اساس تکنیک SECA یک مدل برنامه نویسی غیرخطی چند هدفه به شرح زیر تدوین می­شود. معادله 16 تضمین می­کند که مجموع وزن­ها برابر با یک باشد. لازم به ذکر است که ε به عنوان یک پارامتر مثبت کوچک در معادله 17 تضمین می­کند که مجموع وزن­ها برابر با یک باشد. لازم به ذکر است که ε به عنوان یک پارامتر مثبت کوچک به عنوان محدوده پایین برای وزن معیارها محسوب می شود. در این مطالعه، این پارامتر بر روی  تنظیم شده است.

(10)

 

(11)

 

(12)

 

(13)

 

(14)

 

(15)

 

(16)

 

(17)

 

 

 

جدول 3- نتایج پرسشنامه دلفی

 Table 3. Delphi questionnaire result

ردیف

معیارها

میانگین­گیری مرحله اول­­

دی فازی مرحله اول

میانگین­گیری مرحله دوم

دی فازی مرحله

 

u

m

l

1

u

m

l

2

ˡᵡ1- 2ˡ

1

کارایی

1

0/91

0/66

0/6796875

1

0/91

0/66

0/6796875

0

2

میزان خوردگی تجهیزات

1

0/91

0/66

0/6796875

1

0/94

0/69

0/703125

0/02344

3

میزان فضای مورد نیاز برای نصب تجهیزات

0/84

0/59

0/34

0/40625

0/88

0/66

0/41

0/4609375

0/05469

4

میزان سرمایه گذاری ثابت

0/94

0/.81

0/56

0/59375

0/97

0/84

0/59

0/625

0/03125

5

میزان سرمایه گذاری متغیر(عملیاتی)

0/94

0/78

0/56

0/6015625

0/94

0/81

0/59

0/625

0/02344

6

میزان مصرف آب

0/81

0/63

0/41

0/453125

0/72

0/53

0/34

0/390625

0/0625

7

میزان فاضلاب تولید شده

0/75

0/53

0/34

0/3984375

0/81

0/63

0/38

0/421875

0/02344

8

میزان فاضلاب تولید شده

0/75

0/5

0/28

0/34375

0/72

0/47

0/22

0/28125

0/0625

9

سطح پیچیدگی تکنولوژی

0/59

0/34

0/19

0/25

0/63

0/38

0/16

0/21875

0/03125

10

نیاز به مواد خام برای انجام فرآیند

0/84

0/59

0/34

0/40625

0/88

0/63

0/38

0/4375

0/03125

11

مقدار مصرف انرژی

0/75

0/5

0/31

0/375

0/81

0/59

0/34

0/3984375

0/02344

12

میزان دانش بومی در دسترس

0/44

0/19

0/03

0/09375

0/47

0/22

0/03

0/09375

0

13

امنیت

0/38

0/13

0

0/0625

0/38

0/13

0

0/0625

0

 

با توجه به تابع هدف مدل، حداقل امتیاز عملکرد هر گزینه ‏حداکثر می­شود. از آنجا که انحراف از نقاط مرجع باید به ‏حداقل برسد، آنها با ضریب ‏β‏ از تابع هدف (‏β>0‎‏) کم می­‏شوند. این ضریب بر میزان رسیدن به نقاط مرجع وزن ‏معیارها تأثیر می­گذارد. در نهایت امتیاز کل عملکرد هر ‏گزینه (‏Si‏) و وزن هر معیار (‏wj‏) با حل مدل تعیین می ‏شود(‏‎10‎‏). حال با ‏‎‎در دست داشتن ماتریس نرمالیزه شده ‏گزینه/معیار(جدول4)،  و محاسبه مقادیر انحراف استاندارد ‏نرمال شده (استفاده از رابطه 8) و مقادیر هم­بستگی نرمال ‏شده (استفاده از روابط 7 و 9)  که به دلیل محدودیت در ‏حجم مقاله نشان دادن خروجی و جداول محاسباتی آن ‏مقدور نمی­باشد، مدل غیرخطی  شرح داده شده را اجرا می­کنیم. در این پژوهش از نرم افزار ‏LINGO‏ به منظور حل ‏معادله غیر خطی استفاده شده است. خروجی حل مدل به ‏شرح جداول زیر می­باشد. لازم به ذکر است در مقاله اصلی ‏معرفی تکنیک، به این مورد اشاره شده که مقادیر وزن­های ‏بدست آمده از حل مدل، برای مقادیر 3<βبه پایداری و ‏تمایز مشخص میان رتبه بندی وزنمعیارها و به تبع آن ‏رتبه ­بندی گزینه­ها رسیده است. (در جدول6 این ستون­ها ‏بولد شده­اند). همچنین در جدول 5 وزن 10 معیار پژوهش ‏حاضر با مقادیر متفاوت ‏β‏ محاسبه و ارائه شده است.‏

 

 

جدول 4- مقادیر نرمال شده متغیرهای کلامی ماتریس تصمیم گیری تکنولوژی- معیار

Table 4. Normalized values of verbal variables Matrix of decision-technology

شماره فناوری

سطح پیچیدگی

میزان مصرف انرژی

هزینه مواد خام

ضایعات و پسماند

میزان مصرف آب

هزینه عملیاتی

هزینه سرمایه گذاری

فضای مورد نیاز

خوردگی

کارایی

1

0/80952

0/310344

0/121212

0/121

0/8

0/13793

0/121212

0/310344

0/121

0/921

2

0/80952

0/36

0/137931

1

1

0/16

1

1

0/8

0/511

3

1

1

1

1

1

1

0/16

0/692307

1

0/511

4

1

1

1

1

1

1

0.8

0/692307

1

0/614

5

0/586206

0/36

1

1

1

0/19047

0/19047

0/692307

1

0/460

6

0/80952

1

1

1

1

0/44444

0/444444

1

1

0/924

7

0/80952

0/529411

0/444444

1

0/12121

0/44444

0/444444

0/310344

1

0/307

8

0/80952

0/529411

0/444444

1

0/12121

0/44444

0/444444

0/310344

0/8

0/716

9

0/80952

0/529411

0/444444

1

0/12121

0/44444

0/444444

0/310344

0/8

0/665

10

1

1

1

1

1

0/23529

0/137931

0/692307

1

0/614

11

1

1

1

1

1

1

0/235294

0/692307

1

0/972

12

0/586206

0/272727

0/235294

1

0/8

0/30769

0/121212

0/529411

0/8

0/87

13

1

0/272727

1

1

1

0/30769

0/121212

0/529411

0/8

0/429

14

0/586206

0/310344

0/235294

1

0/8

0/30769

0/121212

0/529411

0/8

0/818

15

0/586206

0/310344

0/235294

1

0/44444

0/30769

0/121212

0/529411

0/8

1

16

0/586206

0/310344

0/235294

1

0/23529

0/30769

0/121212

0/529411

0/8

0/821

17

0/586206

0/310344

0/235294

0/8

1

0/30769

0/137931

0/272727

0/307692

0/972

 

جدول 5 - محاسبه وزن معیارها با مقادیر متفاوت

‏ Table 5.Calculate the weight of the criteria with different β values

اندیس وزن­ها

معیارها

Β=1

Β=2

Β=3

Β=4

Β=5

W1

سطح پیچیدگی تکنولوژی

0/1724

0/1294

0/1142

0/1052

0/0998

W2

میزان مصرف انرژی

0/0831

0/0878

0/0896

0/0910

0/0919

W3

هزینه مواد خام

0/0606

0/0819

0/0899

0/0952

0/0984

W4

ضایعات و پسماند

0/0888

0/0728

0/0713

0/0766

0/0798

W5

میزان مصرف آب

0/1562

0/1600

0/1567

0/1479

0/1426

W6

هزینه عملیاتی

0/0497

0/0700

0/0776

0/0826

0/0856

W7

هزینه سرمایه گذاری

0/0558

0/0722

0/0851

0/0905

0.0937

W8

فضای مورد نیاز

0/0548

0/0742

0/0797

0/0811

0/0820

W9

خوردگی

0/0855

0/0695

0/0680

0/0733

0/0756

W10

کارایی

0/1926

0/1768

0/ 1674

0/1561

0/1493

 

جدول 6-رتبه بندی تکنولوژی­ها با مقادیر β متفاوت

Table 6. Ranking of technologies with different β values

اندیس

نام تکنولوژی

β=1

β=2

β=3

β=4

β=5

اولویت­بندی نهایی فناوری ها

S1

کاهش انتخابی کاتالیستی

S11

S11

S11

S11

S11

IFGR

S2

کاهش انتخابی غیر کاتالیستی

S4

S4

S4

S4

S4

OFA

S3

مشعل­های کم ناکس

S6

S6

S6

 S6

S6

احتراق بدون شعله

S4

OFA

S3

S3

S3

S3

S3

 مشعل­های کم ناکس

S5

چرخش گاز دودکش

S10

S10

S10

S10

S10

بازسوزش سوخت

S6

احتراق بدون شعله

S2

S2

S2

S2

S2

کاهش انتخابی غیر کاتالیستی

S7

مه­پاشی

S13

S13

S13

S13

S13

تخلیه کرونا

S8

پاشش آب

S5

S5

S5

S5

S5

چرخش گاز دودکش

S9

پاشش بخار

S12

S12

S12

S12

S12

پرتو الکترونی

S10

بازسوزش سوخت

S14

S14

S14

S14

S14

پرتو الکترونی همراه با مایکروویو

S11

IFGR

S17

S17

S17

S17

S17

جذب

S12

پرتو الکترونی

S15

S15

S15

S15

S15

پرتو الکترونی همراه با قطرات ریز آب

S13

تخلیه کرونا

S8

S8

S8

S8

S8

پاشش آب

S14

پرتو الکترونی همراه با مایکروویو

S9

S9

S9

S9

S9

پاشش بخار

S15

پرتو الکترونی همراه با قطرات ریز آب

S16

S16

S16

S7

S7

مه­پاشی

S16

اسکرابر گاز ویوارد

S1

S1

S7

S16

S16

اسکرابر گاز ویوارد

S17

جذب

S7

S7

S1

S1

S1

کاهش انتخابی کاتالیستی

بحث و نتیجه­گیری

 

بر اساس مطالعه­ای­که توسط دفتر استانداردهای فنی، مهندسی، اجتماعی و زیست‌محیطی برق و انرژی وزارت نیرو در سال 1384 صورت گرفته است، هزینه اجتماعی مستقیم و غیرمستقیم NOx، SO2، CO2  به ازای هر کیلووات ساعت برق تولیدی در نیروگاه‌های بخاری 720 تا 1360 ریال، نیروگاه‌های گازی 740 تا 1380 ریال و نیروگاه‌های سیکل ترکیبی 590 تا 1230 ریال برآورد شده است.

همچنین بر اساس اطلاعات موجود در ترازنامه سال 95 کشور و ExternE، متوسط هزینه اجتماعی گازهای گلخانه­ای گاز دودکش نیروگاه­های کشور به شرح جدول 7 ارائه می­شود (43،44).

 

جدول 7- متوسط هزینه اجتماعی گازهای گلخانه ای و آلایند­ های گاز دودکش نیروگاه­های کشور به تفکیک ترازنامه انرژی و ExternE

Table 7. Average social cost of greenhouse gases and flue gas pollutants in the country's power plants by energy balance and ExternE

CO2(Rials/kWh)

NOx (Rials/kWh)

SO2(Rials/kWh)

ترازنامه انرژی

ExternE

ترازنامه انرژی

ExternE

ترازنامه انرژی

ExternE

2/51

80

25/11

18

51/40

73/26

 

این درحالی­است که اطلاعات منتشر شده در سند آلایندگی نیروگاه­های ایران که در سال 95 تدوین شده است نشان می­دهد، هزینه اجتماعی تولید آلاینده های NOx در بخش نیروگاه­های ایران برابر با 303068/4 دلار بر تن است در صورتی­که هزینه پیشگیری و کنترل انتشار این آلاینده 2019 دلار بر تن می­باشد. همان طور که مشاهده می شود هزینه کنترل انتشار گازهای آلاینده بسیار کمتر از هزینه اجتماعی آن­ها است. همچنین اشاره شده که میزان کاهش انتشار آلاینده­های NOx و SOx ، تا حدود 80 درصد قابل دستیابی است (18).

 این پژوهش با هدف انتخاب تکنولوژی­های بهینه و رتبه­بندی آن­ها به منظور کاهش انتشار اکسیدهای NOx حاصل از فرآیندهای تولید برق در نیروگاه­های حرارتی ایران انجام شد. بدین منظور و در گام اول، با پیمایش ادبیات در فن آوری ­های موجود جهان، متغیرهای تاثیر گذار بر انتخاب تکنولوژی­ها جمع آوری گردید و در گام بعد با به­کارگیری تکنیک دلفی فازی توسط خبرگان فعال در مجموعه نیروگاهی ایران لیست نهایی این معیارها تایید شد. در گام بعد با استفاده تکنیک SECA ، ابتدا وزن معیارها تعیین شد و همان­گونه که مشخص شد معیارهای کارایی، میزان مصرف آب، سطح پیچیدگی تکنولوژی، هزینه مواد خام، هزینه سرمایه گذاری، میزان مصرف انرژی، هزینه عملیاتی، فضای مورد نیاز، ضایعات و پسماند و خوردگی تجهیزات به ترتیب از اولویت بیشتر تا کمتر رتبه بندی شده­اند. در گام بعد تکنولوژی­های موجود نیز با توجه به اوزان محاسبه شده و توسط حل مدل غیر خطی محاسبه شدند. بر این اساس همان طور که در ستون آخر جدول 6 بیان شد تکنولوژی­های IFGR،OFA  ، احتراق بدون شعله، مشعل­های کم ناکس، بازسوزش سوخت به ترتیب اولویت اول تا پنجم را به خود اختصاص دادند که با توجه با این مطلب که جملگی آنها جزء تکنولوِژی­های اصلاح فرآیند احتراق از طریق ترکیب مناسب سوخت و هوا هستند، در واقع نشان دهنده این واقعیت است که فن­آوری­‏های اصلاح فرآیند احتراق از طریق ایجاد ترکیب بهینه با روش­های مکانیکی نسبت به استفاده از روش­های تغییر ترکیب شیمیایی و کاربرد کاتالیزور از اولویت بالاتری نسبت به سایر گروه­های فنآوری برخوردار هستند. همچنین موضوع تامل انگیز دیگر در این پژوهش آن است که بر خلاف تصور عمومی نسبت به اولویت داشتن تکنولوژی ‏ SCR‏و رایج بودن آن به عنوان تکنولوِژی انتخابی کاهش آلایندگی، ‏ این فنآوری به دلیل لحاظ شدن سایر پارامترهای علاوه بر کارایی، در انتهای لیست انتخاب فنآوری قرار گرفت.  همچنین فنآوری ­های نوین مانند Electron Beam با توجه به مزیت آن به دلیل حذف همزمان سایر گروه­های آلاینده (SOx)، جزء فن آوری­های قابل توجه و برتر نسبت به فنآوری­های عمومی­تر و رایج تر قرار می­گیرند.جستجوی مولفان برای یافتن پژوهشی با هدف مشابه در داخل ایران نتیجه قابل قبولی در پی نداشت. لاکن در پژوهش­های خارج از ایران تحقیقات گسترده­ای به منظور طراحی استراتژی­های توسعه در بخش انرژی به خصوص صنایع تولید برق با استفاده از روش­های تصمیم­گیری چند شاخصه انجام پذیرفته که به تعدادی از این موارد در قسمت مرور پیشینه پژوهش اشاره شده است. با مطالعات انجام شده تعداد پژوهش­های انجام شده با روش AHP نسبت به سایر روش­ها بیشتر بود و از امتیازات این تحقیق آن است که اهم شاخص­های مشترک در این پژوهش مورد توجه قرار گرفته است. دراین میان توجه به نکات زیر نیز ضروری می­باشد:

جایگزینی و استفاده از انرژی های تجدید پذیر باعث کاهش پراکندگی اکسیدهای نیتروژن و سایر آلاینده های خروجی از نیروگاه های ایران می شود.

استفاده از سوخت­های با نیتروژن کمتر(گاز طبیعی) نیز به دلیل دسترسی قابل قبول کشور به این منبع انرژی می­تواند در برنامه مطالعاتی سیاست­گذاران حوزه انرژی قرار گیرد.

واقعی کردن قیمت سوخت ارائه شده به نیروگاه­ها می­تواند به عنوان ابزاری مهم و قابل توجه در سوق دادن آن­ها به تکیه بر افزایش بهره­وری و راندمان و در نتیجه از دستاوردهای مهم آن کاهش مصرف سوخت و کاهش انتشارات آلاینده­ها خواهد بود.

متصدیان اصلی حفاظت از محیط زیست ایران از جمله سازمان حفاظت محیط زیست و همچنین مجلس شورای اسلامی، ضروری است نسبت به تعیین سطح مجاز انتشارات آلاینده و تعیین قوانین جدید بازدارنده و همچنین طراحی برنامه­های مدون در زمینه مشوق­های مالیاتی و مالیات سبز به منظور بازسازی و احیای بخش­های آسیب دیده محیط زیست به عنوان رکن قدرتمند توسعه پایدار به طور جدی مبادرت ورزند.

 

Reference

  1. Chaloulakou A, Mavroidis I, Gavriil I. Compliance with the annual NO2 air quality standard in Athens. Required NOx levels and expected health implications. Atmospheric Environment. 2008 Jan 1;42(3):454-65.
  2. Razmjoo A, Shirmohammadi R, Davarpanah A, Pourfayaz F, Aslani A. Stand-alone hybrid energy systems for remote area power generation. Energy Reports. 2019 Nov 1;5:231-41.
  3. Spangenberg JH, Pfahl S, Deller K. Towards indicators for institutional sustainability: lessons from an analysis of Agenda 21. Ecological indicators. 2002 Nov 1;2(1-2):61-77.
  4. Bekhrad K, Roumi S, Yousefi H, Noorollahi Y. Decrease in CO2 emission per capita as a result of the reduction in power grid losses in Iran. International Journal of Ambient Energy. (2020) Jan 2;41(1):8-18.
  5. Spangenberg JH, Pfahl S, Deller K. Towards indicators for institutional sustainability: lessons from an analysis of Agenda 21. Ecological indicators. 2002 Nov 1;2(1-2):61-77.
  6. Salo A, Gustafsson T, Ramanathan R. Multicriteria methods for technology foresight. Journal of Forecasting. 2003 Mar;22(2‐3):235-55.
  7. Szegö GG, Dally BB, Nathan GJ. Scaling of NOx emissions from a laboratory-scale mild combustion furnace. Combustion and Flame. 2008 Jul 1;154(1-2):281-95.
  8. Kamall R. Flue Gas Desulphurisation (FGD) technologies. Cleaner coal technology programme, Department of Trade and Industry. 2000;1.
  9. Novelo DA, Igie U, Prakash V, Szymański A. Experimental investigation of gas turbine compressor water injection for NOx emission reductions. Energy. 2019 Jun 1;176:235-48Onat N, Bayar H. The sustainability indicators of power production systems. Renewable and Sustainable Energy Reviews. 2010 Dec 1;14(9):3108-15.
  10. Keshavarz-Ghorabaee M, Amiri M, Zavadskas EK, Turskis Z, Antucheviciene J. Simultaneous evaluation of criteria and alternatives (SECA) for multi-criteria decision-making. Informatica. 2018 Jan 1;29(2):265-80.
  11. Skalska K, Miller JS, Ledakowicz S. Trends in NOx abatement: A review. Science of the total environment. 2010 Sep 1;408(19):3976-89.
  12. Zhang J, Zhang R, Chen X, Tong M, Kang W, Guo S, Zhou Y, Lu J. Simultaneous removal of NO and SO2 from flue gas by ozone oxidation and NaOH absorption. Industrial & Engineering Chemistry Research. 2014 Apr 16;53(15):6450-6.
  13. Sorrels JL, Randall DD, Schaffner KS, Fry CR. Selective catalytic reduction. EPA Air Pollution Control Cost Manual. 2016 May:1-08.
  14. Rezaei F, Rownaghi AA, Monjezi S, Lively RP, Jones CW. SOx/NOx removal from flue gas streams by solid adsorbents: a review of current challenges and future directions. Energy & fuels. 2015 Sep 17;29(9):5467-86.
  15. Romero, C. E., Vahedi, N., & Qin, Y. (2020). Chemical Kinetics Modeling and Analysis of Mon methylamine for Power Plants Selective Non-Catalytic Reduction (SNCR) Systems. Emission Control Science and Technology, 6(4), 431-441.
  16. Mousavi, S. M., Fatehi, H., & Bai, X. S. (2021). Numerical study of the combustion and application of SNCR for NOx reduction in a lab-scale biomass boiler. Fuel, 293, 120154.
  17. Romano S, Cerutti M, Riccio G, Andreini A, Romano C. Effect of Natural Gas Composition on Low NOx Burners Operation in Heavy Duty Gas Turbine. Journal of Engineering for Gas Turbines and Power. 2019 Nov 1;141(11).
  18. Strategic Document and Technology Development Roadmap, Tehran,Iran, 2015. (In Persian)
  19. Liu J, Luo X, Yao S, Li Q, Wang W. Influence of flue gas recirculation on the performance of incinerator-waste heat boiler and NOx emission in a 500 t/d waste-to-energy plant. Waste Management. 2020 Mar 15;105:450-6.
  20. Abuelnuor AA, Wahid MA, Mohammed HA, Saat A. Flameless combustion role in the mitigation of NOX emission: a review. International journal of energy research. 2014 Jun 10;38(7):827-46.
  21. Effuggi A, Gelosa D, Derudi M, Rota R. Mild combustion of methane-derived fuel mixtures: natural gas and biogas. Combustion Science and Technology. 2008 Jan 28;180(3):481-93.
  22. Szegö GG, Dally BB, Nathan GJ. Scaling of NOx emissions from a laboratory-scale mild combustion furnace. Combustion and Flame. 2008 Jul 1;154(1-2):281-95.
  23. Kim KH, Ko HJ, Kim K, Perez-Blanco H. Analysis of water droplet evaporation in a gas turbine inlet fogging process. Applied Thermal Engineering. 2012 Feb 1;33:62-9.
  24. Egware HO, Onochie UP, Itoje H. Effect of incorporating fogging inlet air cooling system: a case study of Ihovbor Thermal Power Plant, Benin City. International Journal of Ambient Energy. 2020 Feb 13:1-7.
  25. Vadlamudi TC, Kommineni R, Katuru BP. Exploration of turbine blade cooling strategies for performance boosting and CO2 emissions reduction of combined cycle with steam injection based gas turbine. International Journal of Ambient Energy. 2020 Feb 18(just-accepted):1-32.
  26. Novelo DA, Igie U, Prakash V, Szymański A. Experimental investigation of gas turbine compressor water injection for NOx emission reductions. Energy. 2019 Jun 1;176:235-48.
  27. Londerville S, Anderson K, Baukal C, Bussman W. Water/Steam Injection for NOx Reduction in Process Burners. In ASME 2018 International Mechanical Engineering Congress and Exposition 2018 Nov 9. American Society of Mechanical Engineers Digital Collection.
  28. National Energy Technology Laboratory. IEP—advanced NOx emissions control, NOx reduction technologies. netl.doe.gov/technologies/coalpower/ewr/nox/NOx reduct.
  29. Sun Y, Zwolińska E, Chmielewski AG. Abatement technologies for high concentrations of NOx and SO2 removal from exhaust gases: A review. Critical Reviews in Environmental Science and Technology. 2016 Jan 17;46(2):119-42.
  30. Talebizadeh, P., Babaie, M., Brown, R., Rahimzadeh, H., Ristovski, Z., & Arai, M. (2014). The role of non-thermal plasma technique in NOx treatment: A review. Renewable and Sustainable Energy Reviews, 40, 886-901.
  31. Tan E, Ünal S, Doğan A, Letournel E, Pellizzari F. New “wet type” electron beam flue gas treatment pilot plant. Radiation Physics and Chemistry. 2016 Feb 1;119:109-15.
  32. Lakshmipathiraj P, Chen J, Doi M, Takasu N, Kato S, Yamasaki A, Kojima T. Electron beam treatment of gas stream containing high concentration of NOx: An in situ FTIR study. Chemical engineering journal. 2013 Aug 1;229:344-50.
  33. Chmielewski AG, Sun Y, Licki J, Pawelec A, Witman S, Zimek Z. Electron beam treatment of high NOx concentration off-gases. Radiation Physics and Chemistry. 2012 Aug 1;81(8):1036-9.
  34. Talebizadeh, P., Babaie, M., Brown, R., Rahimzadeh, H., Ristovski, Z., & Arai, M. (2014). The role of non-thermal plasma technique in NOx treatment: A review. Renewable and Sustainable Energy Reviews, 40, 886-901
  35. Vinogradov J, Rivin B, Sher E. NOx reduction from compression ignition engines with pulsed corona discharge. Energy. 2008 Mar 1;33(3):480-491.
  36. Park JH, Ahn JW, Kim KH, Son YS. Historic and futuristic review of electron beam technology for the treatment of SO2 and NOx in flue gas. Chemical Engineering Journal. 2019 Jan 1;355:351-66.
  37. Poullikkas A. Review of Design, Operating, and financial considerations in flue gas desulfurization systems. Energy Technology & Policy. 2015 Jan 1;2(1):92-103.
  38. Kamall R. Flue Gas Desulphurisation (FGD) technologies. Cleaner coal technology programme, Department of Trade and Industry. 2000;1.
  39. Greening LA, Bernow S. Design of coordinated energy and environmental policies: use of multi-criteria decision-making. Energy policy. 2004 Apr 1;32(6):721-35.
  40. Daim T, Yates D, Peng Y, Jimenez B. Technology assessment for clean energy technologies: The case of the Pacific Northwest. Technology in Society. 2009 Aug 1;31(3):232-43.
  41. Park JH, Ahn JW, Kim KH, Son YS. Historic and futuristic review of electron beam technology for the treatment of SO2 and NOx in flue gas. Chemical Engineering Journal. 2019 Jan 1;355:351-66.
  42. Tsoutsos T, Drandaki M, Frantzeskaki N, Iosifidis E, Kiosses I. Sustainable energy planning by using multi-criteria analysis application in the island of Crete. Energy policy. 2009 May 1;37(5):1587-600.
  43. Shafie-Pour, M., & Ardestani, M. (2007). Environmental damage costs in Iran by the energy sector. Energy Policy, 35(9), 4413-4423.‏
  44. Energy balance sheet of 2016, Ministry of Energy. (In Persian)

 

 

 

[1]- دانشجوی دکترای مدیریت صنعتی گرایش مدیریت سیستم­ها، گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، واحد علوم و ‏تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

[2]- گروه مدیریت صنعتی. دانشکده مدیریت و اقتصاد، واحد علوم وتحقیقات، ‎دانشگاه آزاد اسلامی.تهران.ایران. * (مسوول مکاتبات)

[3]- گروه مدیریت محیط زیست. دانشکده منابع طبیعی و محیط زیست. واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران.

[4]- گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران.

1- PhD Student in Industrial Management, Systems Management, Industrial Management Group, Faculty of Management and Economics,Science and Research Branch, Islamic Azad University, Tehran, Iran.

2- Industrial Management Group. Faculty of Management and Economics. Science and Research Branch, Islamic Azad University, Tehran, Iran. *(Corresponding Author)

3- Environmental Management Group, Faculty of Natural Resources and Environment. Science and Research Branch, Islamic Azad University, Tehran, Iran.

4- Industrial management group. Faculty of Management and Economics. Tarbiat Modares University, Tehran. Iran.

[9]- PROMETHEE

[10]- Delphi method (qualitative evaluating approach)

[11]- Ranking of criteria and equal weights

 

1- SCR

2- SNCR

3- LOW NOX Burners

4- Over Fire Air

5- Pulsed corona discharge

6- Flameless Combustion

7- Fogging process

8- Water/Steam Injection

9- FR(Fuel Reburning)

10- EB(Electron Beam)

[23]- Pulsed corona discharge

[24]- EB(Electron Beam)+ Microwave

[25]- EB(Electron Beam)+ FWD(Fine Water Drop)

[26]- VIVIRAD gas scrubber

[27]- Absorbtion

  1. Chaloulakou A, Mavroidis I, Gavriil I. Compliance with the annual NO2 air quality standard in Athens. Required NOx levels and expected health implications. Atmospheric Environment. 2008 Jan 1;42(3):454-65.
  2. Razmjoo A, Shirmohammadi R, Davarpanah A, Pourfayaz F, Aslani A. Stand-alone hybrid energy systems for remote area power generation. Energy Reports. 2019 Nov 1;5:231-41.
  3. Spangenberg JH, Pfahl S, Deller K. Towards indicators for institutional sustainability: lessons from an analysis of Agenda 21. Ecological indicators. 2002 Nov 1;2(1-2):61-77.
  4. Bekhrad K, Roumi S, Yousefi H, Noorollahi Y. Decrease in CO2 emission per capita as a result of the reduction in power grid losses in Iran. International Journal of Ambient Energy. (2020) Jan 2;41(1):8-18.
  5. Spangenberg JH, Pfahl S, Deller K. Towards indicators for institutional sustainability: lessons from an analysis of Agenda 21. Ecological indicators. 2002 Nov 1;2(1-2):61-77.
  6. Salo A, Gustafsson T, Ramanathan R. Multicriteria methods for technology foresight. Journal of Forecasting. 2003 Mar;22(2‐3):235-55.
  7. Szegö GG, Dally BB, Nathan GJ. Scaling of NOx emissions from a laboratory-scale mild combustion furnace. Combustion and Flame. 2008 Jul 1;154(1-2):281-95.
  8. Kamall R. Flue Gas Desulphurisation (FGD) technologies. Cleaner coal technology programme, Department of Trade and Industry. 2000;1.
  9. Novelo DA, Igie U, Prakash V, Szymański A. Experimental investigation of gas turbine compressor water injection for NOx emission reductions. Energy. 2019 Jun 1;176:235-48Onat N, Bayar H. The sustainability indicators of power production systems. Renewable and Sustainable Energy Reviews. 2010 Dec 1;14(9):3108-15.
  10. Keshavarz-Ghorabaee M, Amiri M, Zavadskas EK, Turskis Z, Antucheviciene J. Simultaneous evaluation of criteria and alternatives (SECA) for multi-criteria decision-making. Informatica. 2018 Jan 1;29(2):265-80.
  11. Skalska K, Miller JS, Ledakowicz S. Trends in NOx abatement: A review. Science of the total environment. 2010 Sep 1;408(19):3976-89.
  12. Zhang J, Zhang R, Chen X, Tong M, Kang W, Guo S, Zhou Y, Lu J. Simultaneous removal of NO and SO2 from flue gas by ozone oxidation and NaOH absorption. Industrial & Engineering Chemistry Research. 2014 Apr 16;53(15):6450-6.
  13. Sorrels JL, Randall DD, Schaffner KS, Fry CR. Selective catalytic reduction. EPA Air Pollution Control Cost Manual. 2016 May:1-08.
  14. Rezaei F, Rownaghi AA, Monjezi S, Lively RP, Jones CW. SOx/NOx removal from flue gas streams by solid adsorbents: a review of current challenges and future directions. Energy & fuels. 2015 Sep 17;29(9):5467-86.
  15. Romero, C. E., Vahedi, N., & Qin, Y. (2020). Chemical Kinetics Modeling and Analysis of Mon methylamine for Power Plants Selective Non-Catalytic Reduction (SNCR) Systems. Emission Control Science and Technology, 6(4), 431-441.
  16. Mousavi, S. M., Fatehi, H., & Bai, X. S. (2021). Numerical study of the combustion and application of SNCR for NOx reduction in a lab-scale biomass boiler. Fuel, 293, 120154.
  17. Romano S, Cerutti M, Riccio G, Andreini A, Romano C. Effect of Natural Gas Composition on Low NOx Burners Operation in Heavy Duty Gas Turbine. Journal of Engineering for Gas Turbines and Power. 2019 Nov 1;141(11).
  18. Strategic Document and Technology Development Roadmap, Tehran,Iran, 2015. (In Persian)
  19. Liu J, Luo X, Yao S, Li Q, Wang W. Influence of flue gas recirculation on the performance of incinerator-waste heat boiler and NOx emission in a 500 t/d waste-to-energy plant. Waste Management. 2020 Mar 15;105:450-6.
  20. Abuelnuor AA, Wahid MA, Mohammed HA, Saat A. Flameless combustion role in the mitigation of NOX emission: a review. International journal of energy research. 2014 Jun 10;38(7):827-46.
  21. Effuggi A, Gelosa D, Derudi M, Rota R. Mild combustion of methane-derived fuel mixtures: natural gas and biogas. Combustion Science and Technology. 2008 Jan 28;180(3):481-93.
  22. Szegö GG, Dally BB, Nathan GJ. Scaling of NOx emissions from a laboratory-scale mild combustion furnace. Combustion and Flame. 2008 Jul 1;154(1-2):281-95.
  23. Kim KH, Ko HJ, Kim K, Perez-Blanco H. Analysis of water droplet evaporation in a gas turbine inlet fogging process. Applied Thermal Engineering. 2012 Feb 1;33:62-9.
  24. Egware HO, Onochie UP, Itoje H. Effect of incorporating fogging inlet air cooling system: a case study of Ihovbor Thermal Power Plant, Benin City. International Journal of Ambient Energy. 2020 Feb 13:1-7.
  25. Vadlamudi TC, Kommineni R, Katuru BP. Exploration of turbine blade cooling strategies for performance boosting and CO2 emissions reduction of combined cycle with steam injection based gas turbine. International Journal of Ambient Energy. 2020 Feb 18(just-accepted):1-32.
  26. Novelo DA, Igie U, Prakash V, Szymański A. Experimental investigation of gas turbine compressor water injection for NOx emission reductions. Energy. 2019 Jun 1;176:235-48.
  27. Londerville S, Anderson K, Baukal C, Bussman W. Water/Steam Injection for NOx Reduction in Process Burners. In ASME 2018 International Mechanical Engineering Congress and Exposition 2018 Nov 9. American Society of Mechanical Engineers Digital Collection.
  28. National Energy Technology Laboratory. IEP—advanced NOx emissions control, NOx reduction technologies. netl.doe.gov/technologies/coalpower/ewr/nox/NOx reduct.
  29. Sun Y, Zwolińska E, Chmielewski AG. Abatement technologies for high concentrations of NOx and SO2 removal from exhaust gases: A review. Critical Reviews in Environmental Science and Technology. 2016 Jan 17;46(2):119-42.
  30. Talebizadeh, P., Babaie, M., Brown, R., Rahimzadeh, H., Ristovski, Z., & Arai, M. (2014). The role of non-thermal plasma technique in NOx treatment: A review. Renewable and Sustainable Energy Reviews, 40, 886-901.
  31. Tan E, Ünal S, Doğan A, Letournel E, Pellizzari F. New “wet type” electron beam flue gas treatment pilot plant. Radiation Physics and Chemistry. 2016 Feb 1;119:109-15.
  32. Lakshmipathiraj P, Chen J, Doi M, Takasu N, Kato S, Yamasaki A, Kojima T. Electron beam treatment of gas stream containing high concentration of NOx: An in situ FTIR study. Chemical engineering journal. 2013 Aug 1;229:344-50.
  33. Chmielewski AG, Sun Y, Licki J, Pawelec A, Witman S, Zimek Z. Electron beam treatment of high NOx concentration off-gases. Radiation Physics and Chemistry. 2012 Aug 1;81(8):1036-9.
  34. Talebizadeh, P., Babaie, M., Brown, R., Rahimzadeh, H., Ristovski, Z., & Arai, M. (2014). The role of non-thermal plasma technique in NOx treatment: A review. Renewable and Sustainable Energy Reviews, 40, 886-901
  35. Vinogradov J, Rivin B, Sher E. NOx reduction from compression ignition engines with pulsed corona discharge. Energy. 2008 Mar 1;33(3):480-491.
  36. Park JH, Ahn JW, Kim KH, Son YS. Historic and futuristic review of electron beam technology for the treatment of SO2 and NOx in flue gas. Chemical Engineering Journal. 2019 Jan 1;355:351-66.
  37. Poullikkas A. Review of Design, Operating, and financial considerations in flue gas desulfurization systems. Energy Technology & Policy. 2015 Jan 1;2(1):92-103.
  38. Kamall R. Flue Gas Desulphurisation (FGD) technologies. Cleaner coal technology programme, Department of Trade and Industry. 2000;1.
  39. Greening LA, Bernow S. Design of coordinated energy and environmental policies: use of multi-criteria decision-making. Energy policy. 2004 Apr 1;32(6):721-35.
  40. Daim T, Yates D, Peng Y, Jimenez B. Technology assessment for clean energy technologies: The case of the Pacific Northwest. Technology in Society. 2009 Aug 1;31(3):232-43.
  41. Park JH, Ahn JW, Kim KH, Son YS. Historic and futuristic review of electron beam technology for the treatment of SO2 and NOx in flue gas. Chemical Engineering Journal. 2019 Jan 1;355:351-66.
  42. Tsoutsos T, Drandaki M, Frantzeskaki N, Iosifidis E, Kiosses I. Sustainable energy planning by using multi-criteria analysis application in the island of Crete. Energy policy. 2009 May 1;37(5):1587-600.
  43. Shafie-Pour, M., & Ardestani, M. (2007). Environmental damage costs in Iran by the energy sector. Energy Policy, 35(9), 4413-4423.‏
  44. Energy balance sheet of 2016, Ministry of Energy. (In Persian)