محمدجواد صدرزاده خراسانی - دانشجوی کارشناسی ارشد
بهنام نصراله زاده - دانشجوی کارشناسی ارشد
سیدمصطفی نوعی - استادیاردانشگاه فردوسی مشهد پردیس بین الملل

در این مطالعه، با استفاده از یک مدل جایگزین مبتنی بر شبکه های عصبی مصنوعی، داده های آزمایشگاهی یک لوله گرمایی ترموسیفون برای خنک سازی یک پنل فتوولتائیک شبیه سازی شد. در آزمایش های انجام شده، اثرات متغیرهایی هم چون زاویه پنل، تابش خورشید، دمای هوای محیط، غلظت نانوسیال و نسبت پرشدگی برای به دست آوردن بیشترین بازدهی سیستم فتوولتائیک بررسی شده است. شبکه های MLP دو لایه برای تعیین بهینه تعداد نورون ها آموزش داده شد؛ هم چنین در این مطالعه با بهره گیری از الگوریتم رقابت استعماری و مدل شبیه سازی شده، صحت و دقت آموزش شبکه عصبی بررسی شد. شبکه عصبی مصنوعی به همراه الگوریتم رقابت استعماری خطای حدود 009/0 برای مجموعه داده های آموزشی دارد و در نتیجه برای پیش بینی بهترین شرایط عملکردی لوله های گرمایی ترموسیفون از الگوریتم رقابت استعماری استفاده شده است. پس از بهینه سازی آموزش شبکه عصبی مصنوعی با الگوریتم رقابت استعماری و با استفاده از شبکه آموزش دیده شده به صورت بهینه، بهترین شرایط عملکردی نانوسیال در تابش خورشید و دمای هوای محیط ثابت با الگوریتم بهینه سازی رقابت استعماری مشخص گردیدند. برای تابش خورشید در روزهای معمولی (حدود W/m21000) و دمای هوای مناسب حدود 25 درجه سانتی گراد، مقدار حداکثر توان فتوولتائیک حدود 34/45 وات در شرایط عملیاتی زاویه پنل 10 درجه، نسبت پرشدگی نانوسیال 24 درصد و غلظت نانوسیال gr/cm2 9/0 بدست می آید.

لوله گرمایی ترموسیفون، شبکه عصبی مصنوعی، الگوریتم رقابت استعماری، بهینه سازی