پیش بینی عملکرد کلکتور خورشیدی صفحه تخت به کمک شبکه عصبی مصنوعی

چکیده: با توجه به افزایش قیمت انرژی متعارف و اثرات زیست محیطی مانند آلودگی هوا و تخلیه لایه اوزون و اثرات گلخانه ای، انرژی خورشیدی به طور جدی برای جلب رضایت بخشی از تقاضای انرژی در نظر گرفته شده است. از آنجایی که پتانسیل انرژی خورشیدی در ایران بالاست به این منظور از نوعی مبدل های حرارتی که کلکتورهای انرژی خورشیدی هستند، بهره می برند که این کلکتورها انرژی تابشی خورشید را به انرژی داخلی متوسط برای نقل و انتقال تبدیل می کنند. در این تحقیق با بررسی پارامترهای مختلف کلکتور خورشیدی عملکرد این سیستم توسط شبکه عصبی مصنوعی پیش بینی می گردد. در این تحقیق ابتدا یک مدل سازی ریاضی برای پیش بینی عملکرد کلکتور خورشیدی صفحه تخت که شامل پارامتر های هندسی و شرایط کاری آن می باشد ارائه شد. سپس با استفاده از داده های مدل ریاضی، مدل شبکه عصبی مصنوعی برای پیش بینی عملکرد کلکتور خورشیدی صفحه تخت ارائه گردید. در ایجاد مدل شبکه عصبی، فاصله پوشش اول از پوشش دوم، فاصله پوشش دوم از صفحه جاذب و دبی جرمی سیال به عنوان ورودی های شبکه و بازده ترمودینامیکی به عنوان خروجی شبکه، در نظر گرفته شدند. یک مدل کلی برای پیش بینی عملکرد کلکتور خورشیدی طراحی گردید. با تغییر توابع انتقال، تعداد لایه ها و تعداد گره-های لایه پنهان و عوامل موثر در تغییر وزن ها به صورت سعی و خطا، مناسب ترین مدل شبکه عصبی برای مسئله مورد نظر بدست آمد. در نتیجه با توجه به میانگین مربعات خطا در هر بار آموزش شبکه، شبکه عصبی با 10 نرون در لایه پنهان به عنوان مطلوب ترین شبکه شناخته شد. ضریب همبستگی برای پیش بینی بازده حرارتی کلکتور، 9692/0 به دست آمد. همچنین شبکه عصبی با میزان خطای قابل قبولی به خوبی عملکرد کلکتور را پیش بینی می کند.