محمد جعفری - دانشگاه شهید باهنر کرمان
حمید مرتضی پور - دانشگاه شهید باهنر کرمان
کاظم جعفری نعیمی - دانشگاه شهید باهنر کرمان
محمد مهدی مهارلوئی - دانشگاه شهید باهنر کرمان

در تحقیق حاضر، عملکرد یک سامانه گرمایشی خورشیدی گلخانه، مجهز به متمرکزکننده سهموی خطی و جمع­کننده تخت خورشیدی دومنظوره، با استفاده از شبکه عصبی مصنوعی پیش­بینی شده است. در گلخانه مورد آزمایش، گرمای مورد نیاز در شب، به وسیله حرارت ذخیره شده به­وسیله سامانه خورشیدی در طول روز و یک گرم­کن کمکی تامین می­گردید. حرکت سیال درون مجموعه متمرکزکننده به­وسیله پمپ و در جمع­کننده تخت، به­صورت ترموسیفون بود. از شبکه عصبی پرسپترون چند لایه با روش یادگیری پس انتشار خطا به منظور پیش بینی مصرف انرژی ذخیره شده در روز به وسیله سامانه گرمایش خورشیدی، مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت استفاده شد. ورودی های شبکه شامل شدت تابش خورشید، دمای محیط، سرعت باد، دمای سطح، دمای گلخانه، دبی سیال حامل و زمان بودند. حدود ۸۰ درصد از مجموع داده­ها به منظور آموزش، ۱۰ درصد آزمایش و ۱۰ درصد اعتبارسنجی مورد استفاده قرار گرفتند. برای ارزیابی عملکرد شبکه از پارامترهای ضریب تبیین (R²) و میانگین مربعات خطا (MSE) استفاده شد. ساختار شبکه ۱-۱۵-۷ با R² و MSE به ترتیب برابر با ۹۸/۰ و ۰۰۰۱۷/۰ بهترین نتیجه را برای پیش بینی مصرف انرژی از حرارت ذخیره شده توسط سامانه خورشیدی نشان داد. ساختار ۱-۱۰-۱۰-۷ با R² و MSE به ترتیب برابر با ۹۹/۰ و ۰۰۰۱۴/۰ و ساختار ۱-۱۵-۵-۷ با R² و MSE به ترتیب برابر با ۹۸/۰ و ۰۰۰۱۱/۰ بهترین نتیجه را به ترتیب برای پیش بینی مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت ارائه کردند.

Artificial neural network, energy consumption, greenhouse, tank temperature, دمای مخزن, شبکه عصبی مصنوعی, گلخانه, مصرف انرژی