Xây dựng trang trại cá thông minh dự đoán chính xác mức sử dụng năng lượng và chi phí đầu tư ngay từ ban đầu

STNN – Xu thế sản xuất trong nhà đang bùng nổ, nhưng chi phí lớn nhất, gây “đau đầu” nhất là chi phí cho năng lượng. Thiết kế đúng cách có thể tiết kiệm tiền và phát triển bền vững. Tuy nhiên, việc chọn đúng biến số trong giai đoạn lập kế hoạch ban đầu rất khó.

Xây dựng trang trại cá thông minh dự đoán chính xác mức sử dụng năng lượng và chi phí đầu tư ngay từ ban đầu
Sơ đồ cân bằng năng lượng cho trang trại nuôi cá trong nhà dựa trên RAS.

Một nhóm các nhà khoa học từ Đại học Quốc gia Seoul, Đại học Bang Michigan và Viện Điện tử Viễn thông đã phát triển một công cụ thiết kế ban đầu sử dụng mô hình Mô phỏng Hiệu suất Tòa nhà (BPS) của một trang trại nuôi cá thông minh trong nhà, đã được xác thực bằng 120 dữ liệu đo lường hiện trường.

Công cụ thiết kế mới

Nghiên cứu này trình bày một công cụ thiết kế giai đoạn đầu mới sử dụng: Mô phỏng hiệu suất tòa nhà (BPS) để dự đoán mức tiêu thụ năng lượng của trang trại nuôi cá trong nhà trong giai đoạn lập kế hoạch.

Các công cụ mới cho phép chủ sở hữu và người vận hành đưa ra quyết định sáng suốt về kích thước, thiết bị và các biến số thiết kế, chẳng hạn như hệ thống nuôi trồng thủy sản tuần hoàn (RAS), giúp tiết kiệm năng lượng đáng kể.

Chức năng công cụ chính

Theo các nhà khoa học, các tính năng chính của công cụ mới như sau:

Dựa trên dữ liệu: Không giống như các phương pháp truyền thống, công cụ này cung cấp dự đoán chính xác về mức tiêu thụ năng lượng và chi phí vận hành dựa trên dữ liệu thực tế.

Dễ sử dụng: Công cụ này rất dễ sử dụng, cho phép người dùng nhập các thông số thiết kế chính và nhận phản hồi ngay lập tức về tác động của chúng đến hiệu suất năng lượng.

Toàn diện: Công cụ này tính đến nhiều yếu tố khác nhau, bao gồm hệ thống môi trường, loại thiết bị và khí hậu địa phương, để cung cấp bức tranh tổng thể về việc sử dụng năng lượng.

Nó hoạt động thế nào?

Các bước chính để sử dụng công cụ mới, bao gồm:

Xây dựng mô hình: Công cụ này sử dụng EnergyPlus – một chương trình mô phỏng tình hình tiêu thụ năng lượng và nước trong công trình phổ biến của BPS để tạo trang trại cá ảo dựa trên dữ liệu thực. Mô hình có thể phân tích các phương án thiết kế khác nhau, chẳng hạn như quy mô tòa nhà, loại thiết bị và thậm chí cả các loài cá.

Phân tích độ nhạy: Công cụ này xác định các yếu tố thiết kế chính có tác động lớn nhất đến mức tiêu thụ năng lượng. Điều này giúp các nhà thiết kế tập trung nỗ lực vào các lĩnh vực có tiềm năng tiết kiệm lớn nhất.

Dự báo hiệu suất: Công cụ này ước tính mức sử dụng năng lượng và chi phí vận hành cho các kịch bản thiết kế khác nhau, cho phép tối ưu hóa và đưa ra quyết định sáng suốt.

Lợi ích cho người nuôi cá

Công cụ mới sẽ cho phép người nuôi cá:

Giảm mức tiêu thụ năng lượng: Công cụ này giúp thiết kế trang trại nuôi cá tiết kiệm năng lượng, giảm thiểu tác động đến môi trường và chi phí vận hành.

– Đưa ra quyết định sáng suốt: Chủ sở hữu và người vận hành có thể đưa ra quyết định căn cứ vào các dữ liệu, các biến số thiết kế để đạt được hiệu suất tối ưu.

– Can thiệp sớm: Giải quyết sớm các vấn đề về hiệu quả năng lượng trong giai đoạn thiết kế có thể tiết kiệm thời gian và nguồn lực so với việc trang bị thêm cơ sở vật chất hiện có.

– Tính linh hoạt: Công cụ này có thể được điều chỉnh phù hợp với nhu cầu của các loài cá, quy mô trang trại và địa điểm khác nhau. 

Kết luận

Nghiên cứu này thể hiện một bước quan trọng hướng tới nuôi cá trong nhà hiệu quả và bền vững hơn. Bằng cách trang bị cho các nhà thiết kế công cụ dự đoán, chúng ta có thể xây dựng các trang trại nuôi cá thông minh hơn, mang lại lợi ích cho cả doanh nghiệp và môi trường.

Cuối cùng, các nhà khoa học cũng mô tả những hạn chế của nghiên cứu và đề xuất nên tập trung vào các vấn đề sau: (1) Mở rộng công cụ để bao gồm sự đa dạng hơn về các loại trang trại và thông số vận hành. (2) Tích hợp công cụ với các thuật toán tối ưu hóa để đưa ra đề xuất thiết kế tốt hơn. (3) Thúc đẩy việc áp dụng rộng rãi hơn công cụ này trong ngành nuôi trồng thủy sản.

Nghiên cứu được thực hiện bởi Viện Kế hoạch và Đánh giá Công nghệ thông tin (IITP) và được Chính phủ Hàn Quốc, Quỹ nghiên cứu quốc gia Hàn Quốc (NRF) tài trợ.

Thuỳ Nga (Shenlanmuyu)

BÌNH LUẬN

Vui lòng nhập bình luận của bạn
Vui lòng nhập tên của bạn ở đây