چکیده: امروزه سیستم های تولید همزمان سرمایش، گرمایش و برق به دلیل راندمان بالای صرفه جویی در انرژی و استقلال از شبکه برق به صورت جایگزین به طور گسترده مورد استفاده برای کاربرد های مختلف مسکونی، تجاری و صنعتی قرار می گیرند. این صرفه جویی در انرژی تا حد زیادی وابسته به نحوه عملکرد واحد تولید توان و اجزای مختلف سیستم و تغییرات تقاضای انرژی از طرف مصرف کننده می باشد. در این تحقیق از یک سیستم تولید همزمان سرمایش، گرمایش و برق برای بهینه سازی فنی اقتصادی سیستم انرژی در یک ساختمان خانگی نمونه در ناحیه خشک ایران (مشهد) نسبت به سیستم تولید مجزا با اتخاذ استراتژی ها و الگوریتم های مختلف به صورت ساعت به ساعت با توجه به تقاضاهای متغیر با زمان و دینامیکی سرمایش، گرمایش فضای ساختمان، آب گرم مصرفی و برق، استفاده شد. پارامترهای مهمی مانند هزینه انرژی، مصرف انرژی اولیه، راندمان کلی سیستم، اختلاف هزینه انرژی نسبت به سیستم تولید مجزا، نسبت اختلاف هزینه انرژی، بازگشت سرمایه و ... در بهینه سازی سیستم های تولید همزمان مورد بررسی قرار گرفتند. یک الگوریتم بهینه سازی پیشنهادی (ProOptAlgorithm) برای بهینه سازی سیستم تولید همزمان با تمرکز بر روی حالت های عملکردی مختلف ممکن در واحد تولید توان بر مبنای رابطه تبدیل انرژی سوخت به برق و سایر اجزای سیستم و جریان انرژی در تجهیزات مختلف سیستم در هر گام زمانی پیشنهاد شد که در هر گام زمانی هزینه انرژی را کمینه می کرد. همچنین با استفاده از الگوریتم ژنتیک (GA) و اتخاذ مدل شبکه ای جریان و با تعریف دو تابع هدف مختلف، بهینه سازی سیستم تولید همزمان با هدف کمینه کردن اختلاف هزینه انرژی بین سیستم تولید همزمان و سیستم تولید مجزا انجام گرفت. استراتژی عملکرد واحد تولید توان بر مبنای دنبال کردن تقاضای انرژی الکتریکی (FEL) ساختمان مورد بررسی قرار گرفت. از استراتژی حداکثر توان خروجی واحد تولید توان و فروش برق مازاد به شبکه (MaxSEG) نیز برای بررسی فنی اقتصادی سیستم تولید همزمان استفاده شد. استراتژی حداکثر توان خروجی واحد تولید توان و ذخیره سازی برق مازاد در مدل ذخیره سازی بلوک باتری (MaxSBBS) با هدف پیدا کردن مناسب ترین بلوک باتری از لحاظ ظرفیت باتری با در نظر گرفتن دو شرط امکان سنجی عملی مدل ذخیره سازی بلوک باتری مورد مطالعه قرار گرفت. همان طور که قبلا گفته شد، بهینه سازی فنی اقتصادی سیستم های تولید همزمان مستلزم درنظرگرفتن پارامتر های مختلفی در سیستم به طور همزمان می باشد، که این پارامترها روند مشابهی نداشته و کاهش یا افزایش در یک پارامتر باعث رفتارهای متفاوتی در پارامترهای دیگر می شود. نتایج نشان داد که از لحاظ وابستگی و تعامل با شبکه برق، الگوریتم بهینه سازی پیشنهادی و استراتژی های FEL و MaxSBBS تقریبا به طور کامل مستقل از شبکه و بدون ارتباط با آن فعالیت کردند و در استراتژی MaxSEG مقدار 51043.2 kWh برق مازاد در سال به شبکه فروخته شد. از لحاظ ذخیره سازی حرارت تنها استراتژی های MaxSEG و MaxSBBS بدلیل فعالیت همیشگی واحد تولید توان در حداکثر توان خروجی، امکان ذخیره سازی داشتند. مصرف انرژی اولیه در استراتژی MaxSEG بیشترین مقدار را دارا می باشد و پس از آن الگوریتم ژنتیک قرار دارد و پس از آن ها با یک اختلاف زیاد الگوریتم پیشنهادی و استراتژی FEL و استراتژی MaxSBBS به-ترتیب بیشترین مقدار را دارند و استراتژی MaxSBBS از این لحاظ کمترین مصرف را دارد. از دیدگاه هزینه انرژی، استراتژی MaxSEG بیشترین هزینه (حتی بیشتر از سیستم تولید مجزا) و پس از آن الگوریتم ژنتیک قرار دارد. الگوریتم پیشنهادی و استراتژی FEL پس از آن ها در مرتبه پایین تری قرار گرفته و استراتژی MaxSBBS کمترین مقدار هزینه انرژی را در این میان دارد. و متناسب با پارامتر هزینه انرژی، نسبت اختلاف هزینه انرژی در استراتژی MaxSEG منفی (کمترین) و در استراتژی MaxSBBS بیشترین مقدار (3.69%) در سال می باشد. استراتژی MaxSBBS بیشترین راندمان (66.05%) و پس از آن استراتژی MaxSEG (65.84%)، استراتژی FEL (64.7%)، الگوریتم پیشنهادی (64.57%) و الگوریتم ژنتیک (تقریبا 61.3%) قرار دارند. از لحاظ بازگشت سرمایه، استراتژی FEL و الگوریتم پیشنهادی به ترتیب بهترین بازگشت سرمایه را دارند.