مدلسازی رفتار ترمودینامیکی کمپرسورهای جابجایی مثبت به کار رفته در یک پمپ حرارتی بر پایه یادگیری ماشین الگوریتم لونبرگ - مارکوارت و شبکه های عصبی مصنوعی

افزایش کارایی سامانه های پمپ حرارتی همواره یکی از چالش های اصلی در حوزه تبرید و تهویه مطبوع به شمار می رود. در این میان به کارگیری روش تزریق بخار در کمپرسور جابجایی مثبت به عنوان روشی موثر برای بهبود ظرفیت و راندمان در شرایط دمای محیط پایین مطرح شده است. در این پژوهش، برای پیش بینی عملکرد ترمودینامیکی کمپرسور جابجایی مثبت با تزریق بخار، یک مدل شبکه عصبی مصنوعی (ANN) توسعه داده شد. داده های آموزشی و آزمایشی مدل از نتایج تجربی موجود در ادبیات استخراج و الگوریتم لونبرگ – مارکوارت نرمال سازی شدند. ورودی های شبکه شامل فرکانس دورانی، فشار و دمای مکش، فشار و دمای تزریق، و فشار دهش بوده و خروجی ها شامل دبی جرمی، توان مصرفی کمپرسور، و دمای تخلیه مبرد می باشند. با تغییر تعداد نورون ها در لایه پنهان، ساختار بهینه شبکه با الگوریتم یادگیری لونبرگ - مارکوارت تعیین شد. نتایج نشان داد مدل ANN توانایی بالایی در پیش بینی متغیرهای کلیدی عملکرد دارد؛ به طوری که ضریب همبستگی (R) بیش از ۹۸ و خطای میانگین مربعات (MS) کمتر از ۰/۰۲۵ به دست آمد. بنابراین مدل پیشنهادی می تواند به عنوان ابزاری کارآمد برای تحلیل و بهینه سازی سیستم های پمپ حرارتی و تبرید مورد استفاده قرار گیرد.

کلیدواژه ها:

کمپرسور جابجایی مثبت ، پمپ حرارتی ، شبکه های عصبی مصنوعی ، یادگیری ماشین ، پیش بینی عملکرد ترمودینامیکی کمپرسور جابجایی مثبت با تزریق بخار