ترکیب CFD و روش شبکه عصبی مصنوعی جهت پیش بینی عملکرد حرارتی کلکتور خورشیدی لوله خلاء مستقیم تمام شیشه

در مطالعه حاضر مدلسازی عملکرد حرارتی و پیش بینی عملکرد یک کلکتور خورشیدی لوله خلاء مستقیم تمام شیشه ای مورد بررسی قرار می گیرد. همچنین در این پژوهش یک مدل ریا ضی از لوله ارائه شده است. در ضمن به منظور شبیه سازی عملکرد عددی از نرم افزار CFO استفاده شده است. علاوه بر این، از مدل های مختلف شبکه عصبی مصنوعی (ANN) نیز به منظور بهبود پیش بینی عملکرد حرارتی کلکتور استفاده شده است. همچنین برای ازمایش مدل ها از مجموعه ای از داده های تحربی جامع با بیش از ۲۰۰ نمونه استفاده شد. یافته های بدست آمده حاکی از آن است که ادغام مدل شبیه سازی حرارتی با مدل های ANN با استفاده از خروجی کلکتور مدلسازی شسده به عنوان یکی از مدل های ورودی» به طور قابل ملاحظه ای به بهبود دقت پیش بینی مدل های ANN منجر می شود. بر طبق برر سی های صورت گرفته، پیش بینی های مبتنی بر مدل CFO در مقایسه با مدل های ANN از کمترین دقت برخوردار بوده اند. نتایج بدست آمده حاکی از آن است که مدل شبکه عصبی پیجشی (ANN) بهترین مدل ANN از لحاظ دقت پیش بینی محسوب می شود.

کلیدواژه ها:

کلکتور خورشیدی ، لوله خلاء ، شبکه عصبی ، رگرسیون خطی چندگانه ، CFD ، عملکرد حرارتی