تعیین پارامترهای موثر بر عملکرد کلکتور خورشیدی صفحه تخت با استفاده از روش یادگیری ماشین | ||
| مدل سازی در مهندسی | ||
| دوره 24، شماره 85، تیر 1405، صفحه 53-65 اصل مقاله (696.39 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2025.38847.2897 | ||
| نویسندگان | ||
| مهتاب سلیمی؛ سعادت زیرک* | ||
| دانشکده مهندسی مکانیک، دانشگاه سمنان، سمنان، ایران | ||
| چکیده | ||
| در این مقاله، ابتدا روابط تحلیلی میزان جذب و راندمان تبدیل خورشیدی به حرارتی یک کلکتور خورشیدی آورده شده است. برای کلکتور در نظر گرفته شده، بدون استفاده از آب خنک‌کننده، دمای سکون کلکتور 132.5 درجه سانتیگراد می‌باشد (دمای صفحه جاذب) و با تزریق آب خنک‌کننده به میزان یک لیتر بر دقیقه، دمای صفحه جاذب به 33 درجه سانتیگراد کاهش و راندمان کلکتور به 77% خواهد رسید. برای پیش‌بینی راندمان کلکتور، سه مدل یادگیری ماشین: خطی، جنگل تصادفی، و درخت تصمیم، به کار برده شد. هفت پارامتر: شدت تابش خورشید، زاویه کلکتور با افق (زاویه نصب کلکتور)، سرعت باد، قطر لوله‌ها، تعداد لوله‌ها، دمای محیط، و دبی آب خنک‌کننده، بعنوان پارامترهای ورودی انتخاب شدند. مقایسه راندمان پیش بینی با مقادیر واقعی نشان داد که مدل خطی دارای ارزیابی ضعیف‌تری نسبت به دو مدل دیگر است. مدل‌های درخت تصمیم و جنگل تصادفی با توانایی تقریبا یکسان و با دقت بالایی پیش‌بینی را انجام می‌دهند (مدل جنگل تصادفی با اختلاف ناچیزی بهتر از مدل درخت تصمیم پیش‌بینی می‌کند). علاوه بر آن، در میان پارامترهای ورودی، تاثیر تغییرات زاویه نصب، شدت تابش و سرعت باد بر مقدار راندمان خیلی ناچیز است. بیشترین تاثیر را دبی آب خنک‌کننده دارد. قطر لوله‌های خنک‌کننده، دمای محیط و تعداد لوله‌ها، تاثیر متوسطی دارند. | ||
| کلیدواژه‌ها | ||
| کلکتور صفحه تخت؛ عملکرد؛ یادگیری ماشین؛ راندمان؛ جنگل تصادفی؛ درخت تصمیم | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 844 تعداد دریافت فایل اصل مقاله: 333 |
||