مطالعه تجربی تاثیر پارامترهای محیطی بر راندمان آبگرمکن سهموی خورشیدی با استفاده از شبکه عصبی در سیرجان

در مطالعه حاضر پس از ساخت و راه اندازی یک آبگرمکن سهموی خورشیدی با استفاده از شبکه عصبی مصنوعی مدلی کارآمد برای پیش بینی راندمان آبگرمکن پیشنهاد می شود. شبکه عصبی دارای توانایی برقراری ارتباط منطقی میان پارامترهای ورودی و هدف است. زمانی که شرایط برای اندازه گیری داده ها مطلوب است، راندمان به عنوان تابعی از پارامترهای ورودی شبکه آموزش می یابد و از تابع آموزش یافته شبکه می توان برای پیش بینی راندمان سیستم خورشیدی استفاده کرد. داده های مورد استفاده شبکه عصبی با انجام آزمایش هایی روی کلکتور سهموی خطی، در چهار روز از خرداد ماه اندازه گیری شده است. متغیرهایی همچون تابش خورشید، دمای محیط، زمان و دمای سیال خروجی به عنوان ورودی های شبکه و راندمان آبگرمکن سهموی به عنوان خروجی شبکه در نظر گرفته شده است. مدل های مختلفی از شبکه عصبی با در نظر گرفتن تعداد متفاوتی از متغیرهای ورودی و نورون ها ارائه شده است. با افزایش پارامترهای ورودی خطای میانگین مربعی کاهش و دقت مدل افزایش می یابد. بنابراین در میان تمام مدل ها، مدل ۶ با ساختار ۱-۱۰-۴ (که شامل تمام پارامترهای ورودی است) با خطای جذر میانگین مربعی ۰.۰۰۶۱ و ضریب همبستگی ۰.۹۹۹۹۵ برای داده های آموزش دقیق ترین مدل است. با توجه به امکان پذیر نبودن انجام آزمایش های تجربی در شرایط مشابه، مدل ارائه شده می تواند با صرفه جویی هزینه و کاهش زمان تحقیقات در پیش بینی راندمان آبگرمکن مورد مطالعه موثر واقع شود.

مطالعه تجربی تاثیر پارامترهای محیطی بر راندمان آبگرمکن سهموی خورشیدی با استفاده از شبکه عصبی در سیرجان Keywords:

Solar water heater system , Efficiency , Neural Network , Parabolic trough collector , Solar radiation , راندمان , آبگرمکن خورشیدی , شبکه عصبی , کلکتور سهموی خطی , تابش خورشید