استفاده از شبکه عصبی مصنوعی برای پیش بینی دمای سیال خروجی از جمع کننده سهموی

برای افزایش راندمان جمع کننده های خورشید ی از سامانه های مختلفی کمک گرفته می شود که مواد تغییرفاز دهنده(PCM) از مواردی است که میتواند سبب بهبود کارایی گردد. در این تحقیق PCM در داخل مخزن ذخیره کننده سیالقرار داده شد. برای بررسی تغییرات دمای خروجی از جمع کننده سهموی و تاثیر وجود یا عدم وجود PCM و شدت تابشخورشیدی و همچنین سرعت جریان سیال در سامانه علاوه بر روش آزمایشگاهی از روش دینامیک سیالات محاسباتی(CFD) و شبکه عصبی مصنوعی (ANN) استفاده شده و داده های حاصل از هر دو روش با داده های آزمایشگاهی مقایسهشد. با توجه به داده های آماری و مدت زمان صرف شده برای تحلیل با استفاده از هر روش مشخص شد که روش ANNنسبت به روش CFD با دقت بیشتر و زمان صرف شده کمتر می تواند برای پیش بینی رفتار حرارتی در سامانه استفاده شود.

کلیدواژه ها:

خشک کن خورشیدی ، دینامیک سیالات محاسباتی ، شبکه عصبی مصنوعی ، شدت تابش خورشیدی ، مواد تغییر فازدهنده