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

نوع مقاله : مقاله پژوهشی

نویسندگان

میثم برون ¹

محمد قهدریجانی ¹

عبدعلی ناصری ²

بابک بهشتی ¹

¹ گروه مهندسی سیستم‌‏های کشاورزی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران

² گروه آبیاری و زهکشی، دانشکده مهندسی آب و محیط‌زیست، دانشگاه شهید چمران اهواز، اهواز، ایران

https://doi.org/10.22067/jam.2024.89450.1278

چکیده

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.

کلیدواژه‌ها

الگوریتم ژنتیک

رقابت استعماری

فراابتکاری

نیشکر

موضوعات

• پایداری، زیست‌اقتصاد چرخشی و تاب‌آوری محیطی

---

©2025 The author(s). This is an open access article distributed under Creative Commons Attribution 4.0 International License (CC BY 4.0)

مراجع

1. Akram, A., Khanali, M., Mohammadnia Galshaklami, M., & Hosseinzadeh Bandabafha, H. (2018). Optimizing energy consumption and reducing environmental emissions in cake production using data overlay analysis and genetic algorithm. Environmental Science Quarterly, 17(2), 103-124. (in Persian with English abstract). https://doi.org/10.29252/envs.17.2.103
2. Elhami, B., Akram, A., & Khanali, M. (2016). Optimization of energy consumption and environmental impacts of chickpea production using data envelopment analysis (DEA) and multi objective genetic algorithm (MOGA) approaches. Information Processing in Agricultures, 3(3), 190-205. https://doi.org/10.1016/j.inpa.2016.07.002
3. Ghadrijani, M. (2016). Determining the energy consumption of wheat and potato production at different levels of cultivation in west Isfahan. Master's thesis. University of Tehran. (in Persian with English abstract).
4. Gerami Matin, A., Vatani Nezafat, R., & Golroo, A. (2017). A comparative study on using meta-heuristic algorithms for road maintenance planning: Insights from field study in a developing country. Journal of Traffic and Transportation Engineering (English Edition), 4, 477-486. https://doi.org/10.1016/j.jtte.2017.06.004
5. Guinee, J. B., & Lindeijer, E. (2002). Handbook on life cycle assessment: operational guide to the ISO standards (Vol. 7). Springer Science & Business Media. https://doi.org/10.1007/bf02978897
6. Ismail Portroujani, M., Emadi, B., Khojastepour, M., & Vahidi, A. (2013). Optimizing energy consumption in the production of agricultural products, a review study. National Conference on Optimizing Energy Consumption in Science and Engineering, Babol. (in Persian with English abstract). https://civilica.com/doc/300243
7. ISO. (2006). 14040 International Standard. Environmental Management–Life Cycle Assessment–Principles and Framework, International Organization for Standardization, Geneva, Switzerland. https://doi.org/10.1065/lca2005.03.001
8. Jacobs, R., Smith, P., & Street, A. (2006). Measuring efficiency in health care: Analytic techniques and health policy, Cambridge University Press: Cambridge. https://doi.org/10.1017/cbo9780511617492
9. Kaab, A., Sharifi, M., & Mobli, H. (2018). Analysis and optimization of energy consumption and greenhouse gas emissions in sugarcane production using data overlay analysis. Iranian Journal of Biosystem Engineering, 50(1), 19-30. (in Persian with English abstract). https://doi.org/10.22059/ijbse.2018.251593.665035
10. Kaab, A., Sharifi, M., Mobli, H., Nabavi-Pelesaraei, A., & Chau, K. W. (2019a). Combined life cycle assessment and artificial intelligence for prediction of output energy and environmental impacts of sugarcane production. Science of The Total Environment, 664. https://doi.org/10.1016/j.scitotenv.2019.02.004
11. Kaab, A., Sharifi, M., Mobli, H., Nabavi-Pelesaraei, A., & Chau, K. W. (2019b). Use of optimization techniques for energy use efficiency and environmental life cycle assessment modification in sugarcane production. Energy, 181, 1298-320. https://doi.org/10.1016/j.energy.2019.06.002
12. Kitani, O. (1999). Energy and biomass engineering, CIGR handbook of agricultural engineering. ASAE Publications, St Joseph, MI.
13. Karami, J., Moghadam, A. R., Faridhosseini, A. R., Sanainijad, H., & Ziaei, A. N. (2016). Optimization of energy consumption in pumping stations using Darwin Scheduler tool. Journal of Water and Wastewater Science and Engineering, 2(1), 12 p. (in Persian with English abstract). https://doi.org/10.22112/jwwse.2017.87910.1006
14. Khanali, M., Mohammadnia Galshaklami, M., Akram, A., & Hosseinzadeh Bandbafha, H. (2018). Optimizing energy consumption and reducing environmental pollutants in the production of cookies using data envelopment analysis techniques and genetic algorithm. Agricultural Mechanization and Systems Research, 20(72), 162-143. (in Persian with English abstract). https://doi.org/22092/erams.2018.115061.1215
15. Khoshnoisan, B., Rafiei, Sh., Omid, M., Kihani, A., & Movahedi, M. (2012). Assessing of energy indices and environmental impacts of potato production (Case study: Fereydoonshahr region, Isfahan province). Iranian Journal of Biosystem Engineering, 44(1), 66-57. (in Persian with English abstract). https://doi.org/10.22059/ijbse.2013.36164
16. Kizilaslan, H. (2009). Input-output energy analysis of cherries production in Tokat Province of Turkey. Apply Energy, 86, 1354-1358. https://doi.org/10.1016/j.apenergy.2008.07.009
17. Kochenderfer, M. J., & Wheeler, T. A. (2019). Algorithms for optimization. Mit Press.
18. Kosemani, B. S., & Bamgboye, A. I. (2020). Energy input-output analysis of rice production in Nigeria. Energy, 207, 118258. https://doi.org/10.1016/j.energy.2020.118258
19. Kouchaki-Penchah, H., Sharifi, M., Mousazadeh, H., Zarea-Hosseinabadi, H., & Nabavi-Pelesaraei, A. (2016). Gate to gate life cycle assessment of flat pressed particleboard production in Islamic Republic of Iran. Journal of Cleaner Production, 112, 343-350. https://doi.org/10.1016/j.jclepro.2015.07.056
20. Mahmoudi, N., Almasi, M., & Burqai, S. A. M. (2013). Estimation of energy consumption indicators in pistachio production in Khatam city, Yazd province. The first national conference on sustainable development in arid and semi-arid regions. Abarkooh. (in Persian with English abstract).
21. Malek, R., Hashemian, S. M., & Mehrgan, M. (2018). Energy and exergy analysis of the simultaneous production system in the sugar production process in Shahrood sugar factory and the feasibility of improving the technical and economic conditions. Master's thesis. Shahrood University of Technology. (in Persian with English abstract).
22. Mohseni, P., Borghei, A. M., & Khanali, M. (2018). Coupled life cycle assessment and data envelopment analysis for mitigation of environmental impacts and enhancement of energy efficiency in grape production. Journal of Cleaner Production, 197, 937-947. https://doi.org/10.1016/j.jclepro.2018.06.243
23. Mousavi-Avval, S. H., Rafiee, S., & Mohammadi, A. (2011). Optimization of energy consumption and input costs for apple production in Iran using data envelopment analysis. Energy, 36(2), 909-916. https://doi.org/10.1016/j.energy.2010.12.020
24. Nabavi-Pelesaraei, A., Abdi, R., Rafiee, Sh., & Taromi, K. (2014). Applying data envelopment analysis approach to improve energy efficiency and reduce greenhouse gas emission of rice production. Engineering in Agriculture, Environment and Food, 7(4), 155-162. https://doi.org/10.1016/j.eaef.2014.06.001
25. Nabavi-Pelesaraei, A., Rafiee, S., Saeid Mohtasebi, S., Hosseinzadeh-Bandbafha, H., & Chau, K. W. (2019). Assessment of optimized pattern in milling factories of rice production based on energy, environmental and economic objectives. Energy, 169, 1259–1273. https://doi.org/10.1016/j.energy.2018.12.106
26. Nabavi Pelesarai, A., Pakrovan Cherudeh, M.R., & Ghasemi Mobatkar, H. (2022). Forecasting energy output and greenhouse gas emissions in peanut production: a case study of Astana Ashrafieh city, Gilan province. Quarterly Journal of Economic Research and Agricultural Development of Iran, 53(1), 145-162. (in Persian with English abstract). https://doi.org/10.22059/ijaedr.2021.306056.668924
27. Najafi, P., Fehresti Sani, M., Nazari, M. R., & Neshat, A. (2018). Investigating the economic and environmental effects of optimizing the sugar beet distribution network in Iran's sugar supply chain. Environmental Science Quarterly, 17(2), 31-42. (in Persian with English abstract). https://doi.org/10.29252/envs.17.2.31
28. Namdari, M., Rafiei, Sh., & Hosseinpour, S. (2015). Decreasing Environmental Burden by improving efficiency of sugar beet production using data envelopment analysis approach. Iranian Journal of Biosystem Engineering, 47(2), 361-353. (in Persian with English abstract). https://doi.org/10.22059/ijbse.2016.58785
29. Sabz Alipour, F., & Bagherpour, H. (2022). Optimizing energy and reducing greenhouse gas emissions in orange production using data envelopment analysis and genetic algorithm (case study: Dezful city). Environmental Science and Technology Quarterly, 23(8), 223-233. (in Persian with English abstract).
30. Sayadishahraki, A., Naseri, A. A., & Soltani Mohammadi, A. (2018). Simulation of hydraulic load using particle accumulation optimization algorithm and genetic algorithm (case study: Daabl Khaza'i sugarcane agro-industry fields). Journal of Water Resources Engineering, 12(43), 13-24. (in Persian with English abstract). 1001.1.20086377.1398.12.43.2.4
31. Shamshirband, S., Khoshnevisan, B., Yousefi, M., Bolandnazar, E., Anuar, N. B., Wahab, A. W. A., & Khan, S. U. R. (2015). A multi-objective evolutionary algorithm for energy management of agricultural systems—a case study in Iran. Renewable and Sustainable Energy Reviews, 44, 457-465. https://doi.org/10.1016/j.rser.2014.12.038
32. Soleimani, A. N., & Ghafarzadeh, H. R. (2022). Measuring the effects of household economic status on energy consumption (case study: Yazd city). Sustainability, Development and Environment, 2(4), 75-51. (in Persian with English abstract).
33. TaheriGaravand, A., Asakereh, A., & Haghani, K. (2010). Energy elevation and economic analysis of canola production in Iran a case study: Mazandaran province. International Journal of Environmental Sciences, 1, 236- 243.
34. Taki, M., Ajab Shirchi, Y., Abdi, R., & M. Akbarpur. (2012). Analyzing the energy efficiency of the greenhouse cucumber product by data envelopment analysis method: a case study (Shahreza city), Isfahan province. Journal of Agricultural Machinery, 2(1), 27-37. (in Persian with English abstract). https://doi.org/10.22067/jam.v2i1.14291
35. Talabi, S. A., & Goshaishi, H. R. (2015). Analysis of the problems of sugar industry in Iran and comparison of production and imports in Iran and the world. Second National Conference on Science and Technology. 15th December, Tehran.
36. Tayebi, N. R., Moghadas Nejad, F., & Mola, M. (2013). Comparison between GA and PSO in Analyzing Pavement Management Activities. Journal of Transportation Engineering, 140, 130613024931003. https://doi.org/10.1061/(ASCE)TE.1943-5436.0000590
37. Yang, Z., Zhu, Y., Zhang, J., Li, X., Ma, P., Sun, J., Sun, Y., Ma, J., & Li, N. (2022). Comparison of energy use between fully mechanized and semi-mechanized rice production in Southwest China. Energy, 245, 123270. https://doi.org/10.1016/j.energy.2022.123270