شبیه‌سازی و بهینه‌سازی خنک کردن یک پنل خورشیدی

شبیه‌سازی و بهینه‌سازی خنک کردن یک پنل خورشیدی

محمدجواد صدرزاده خراسانی1 بهنام نصراله‌زاده2 سید مصطفی نوعی3

1) کارشناسی ارشد، پردیس بین الملل دانشگاه فردوسی
2) کارشناسی ارشد، دانشکده مهندسی، گروه مهندسی شیمی، دانشگاه فردوسی مشهد-
3) استادیار، دانشکده مهندسی، گروه مهندسی شیمی، دانشگاه فردوسی مشهد-

کد IOI مقاله : XYCB-ABBCA
محل انتشار : اولین کنگره بین المللی نوآوری در مهندسی و توسعه تکنولوژی(iceiconf.ir)
چکیده :
    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 بازدهی سیستم فتوولتائیک بررسی شده است. شبکه‌های MLP دو لایه برای تعیین بهینه تعداد نورون‌ها آموزش داده 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 009/0 برای مجموعه داده‌های آموزشی دارد و در نتیجه برای پیش‌بینی بهترین شرایط عملکردی لوله‌های گرمایی ترموسیفون از الگوریتم رقابت استعماری استفاده شده‌ است. پس از بهینه‌سازی 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 W/m21000) و دمای هوای مناسب حدود 25 درجه سانتی‌گراد، 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 می‌آید.

کلمات کلیدی : پنل خورشیدی شبکه عصبی مصنوعی الگوریتم هوش مصنوعی بهینه‌سازی