Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ
Σχολή Μηχανικών Παραγωγής και Διοίκησης
Πρόγραμμα Προπτυχιακών Σπουδών

ΠΑΡΟΥΣΙΑΣΗ ΔΙΠΛΩΜΑΤΙΚΗΣ ΕΡΓΑΣΙΑΣ

Ημερομηνία: Δευτέρα, 9 Φεβρουαρίου 2026, 14:00
Αίθουσα: Γ3.016

Ονοματεπώνυμο: ΚΟΥΛΟΥΡΓΙΩΤΗΣ ΕΜΜΑΝΟΥΗΛ

Θέμα: Μοντελοποίηση και Πολυκριτηριακή Βελτιστοποίηση Υβριδικού Συστήματος ΑΠΕ - Υδρογόνου

Title: Modeling and Multi-Objective Optimization of a Hybrid Renewable Energy & Hydrogen System

Εξεταστική Επιτροπή

• ΑΡΑΜΠΑΤΖΗΣ ΓΕΩΡΓΙΟΣ, Αναπληρωτής Καθηγητής (επιβλέπων)
• ΙΨΑΚΗΣ ΔΗΜΗΤΡΗΣ, Αναπληρωτής Καθηγητής
• ΤΣΙΝΑΡΑΚΗΣ ΓΕΩΡΓΙΟΣ, ΕΔΙΠ

Περίληψη

Η ενεργειακή και κλιματική κρίση αναδεικνύει την ανάγκη για βιώσιμες και ενεργειακά αυτόνομες λύσεις, ειδικά σε κρίσιμες υποδομές όπως τα λιμάνια. Η παρούσα διπλωματική εργασία επικεντρώνεται στη διαχείριση της περίσσειας ενέργειας από Ανανεώσιμες Πηγές Ενέργειας (ΑΠΕ) στο λιμάνι της Ανκόνα, με σκοπό τη μείωση των εκπομπών αερίων του θερμοκηπίου (GHG) και την ενίσχυση της ενεργειακής ανεξαρτησίας. Η εργασία εφαρμόζει πολυκριτηριακή βελτιστοποίηση (multi-objective optimization), επιδιώκοντας την ταυτόχρονη ελαχιστοποίηση του Επίπεδου Κόστους Ενέργειας (LCOE) και του Ανθρακικού Αποτυπώματος (CF). Η μεθοδολογία βασίζεται σε επικαιροποιημένα πραγματικά δεδομένα και περιλαμβάνει στατιστική ανάλυση, ενεργειακή προσομοίωση και χρήση Γενετικού Αλγορίθμου (GA) μέσω Python και HOMER PRO. Κεντρική καινοτομία της εργασίας αποτελεί η μοντελοποίηση του συστήματος υδρογόνου, το οποίο περιλαμβάνει μονάδα ηλεκτρόλυσης, σύστημα αποθήκευσης και κυψέλες καυσίμου. Η συγκεκριμένη προσέγγιση είναι σπανίως εξετασμένη στη βιβλιογραφία σε επίπεδο ολοκληρωμένου ενεργειακού σχεδιασμού για λιμάνια. Η εργασία καλύπτει αυτό το κενό προσφέροντας μια λειτουργική και τεχνικά υλοποιήσιμη λύση. Τα αποτελέσματα δείχνουν ότι το υβριδικό σύστημα μειώνει αισθητά τόσο το ενεργειακό κόστος όσο και το περιβαλλοντικό αποτύπωμα, ενώ αυξάνει την επιχειρησιακή αυτονομία του λιμένα. Η προτεινόμενη προσέγγιση μπορεί να λειτουργήσει ως βάση για μελλοντικές εφαρμογές, συμπεριλαμβανομένων τεχνολογιών όπως η Τεχνητή Νοημοσύνη (AI).

Abstract

The energy and climate crisis calls for sustainable and autonomous solutions, particularly in key infrastructures such as seaports. This thesis addresses surplus renewable energy management at the Port of Ancona, aiming to reduce greenhouse gas (GHG) emissions and strengthen energy self-sufficiency. The work applies multi-objective optimization, targeting the simultaneous minimization of the Levelized Cost of Energy (LCOE) and Carbon Footprint (CF). The methodology is grounded in real, updated port data, integrating statistical analysis, energy simulation, and a Genetic Algorithm (GA) implemented in Python and coupled with HOMER PRO. A notable innovation of the study is the system-level modeling of hydrogen technologies, including electrolysis, hydrogen storage, and fuel cell operation. This type of modeling is largely absent in current literature, especially in the context of structured port energy design. This research addresses that gap by delivering a practical and technically feasible framework for implementation. Results show that the hybrid ΗRES-H₂ system significantly reduces both energy cost and environmental impact, while enhancing port resilience. The proposed approach offers a scalable and replicable model, opening the way for future enhancements with Artificial Intelligence (AI) and other optimization methods.