محمدجواد صدرزاده خراسانی - کارشناسی ارشد، پردیس بین الملل دانشگاه فردوسی مشهد
بهنام نصرالهزاده - کارشناسی ارشد، دانشکده مهندسی، گروه مهندسی شیمی، دانشگاه فردوسی مشهد
سید مصطفی نوعی - استادیار، دانشکده مهندسی، گروه مهندسی شیمی، دانشگاه فردوسی مشهد

در این مطالعه، با استفاده از یک مدل جایگزین مبتنی بر شبکههای عصبی مصنوعی، دادههای آزمایشگاهی یک لوله گرمایی ترموسیفون برای خنکسازی یک پنل فتوولتائیک شبیهسازی شد. در آزمایشهای انجامشده، اثرات متغیرهایی همچون زاویه پنل، تابش خورشید، دمای هوای محیط، غلظت نانوسیال و نسبت پرشدگی برای بهدست آوردن بیشترین دو لایه برای تعیین بهینه تعداد نورونها آموزش داده MLP بازدهی سیستم فتوولتائیک بررسی شده است. شبکههای شد؛ همچنین با بهرهگیری از الگوریتم رقابت استعماری، صحت و دقت آموزش شبکه عصبی بررسی شد. شبکه عصبی مصنوعی به همراه الگوریتم رقابت استعماری خطای حدود 0/009برای مجموعه دادههای آموزشی دارد و در نتیجه برای پیشبینی بهترین شرایط عملکردی لولههای گرمایی ترموسیفون از الگوریتم رقابت استعماری استفاده شده است. پس ازبهینهسازی آموزش شبکه عصبی مصنوعی با الگوریتم رقابت استعماری و با استفاده از شبکه آموزش دیدهشده به صورت بهینه، بهترین شرایط عملکردی نانوسیال در تابش خورشید و دمای هوای محیط ثابت با الگوریتم بهینهسازی رقابت استعماری مشخص گردیدند. برای تابش خورشید در روزهای معمولی )حدود 2W/m1000 ( و دمای هوای مناسب حدود 25درجه سانتیگراد، مقدار حداکثر توان فتوولتائیک حدود 45/34 وات در شرایط عملیاتی زاویه پنل 10 درجه، نسبت پرشدگی نانوسیال 24 درصد و غلظت نانوسیال 0/9gr/cmبدست میآید.

صفحه فتوولتائیک، شبکه عصبی مصنوعی، الگوریتم رقابت استعماری، بهینهسازی