تغییرات درجه حرارت به طور قابل ملاحظه ای بر کیفیت و کمیت محصول تولید شده در گلخانه اثر می گذارد. از این رو، یکی از مهمترین نیازهای کشت گلخانه ای در فصل های سرد، سامانه ی تامین حرارت است. در تحقیق حاضر، یک سامانه ی ترکیبی گرمایش خورشیدی برای گلخانه، به صورت تئوری و تجربی، مورد بررسی قرار گرفت. سامانه ی مورد نظر دارای یک متمرکزکننده ی سهموی خطی، یک جمع کننده ی صفحه تخت خورشیدی و مخزن ذخیره حرارت بود. جمع کننده ی صفحه تخت در داخل گلخانه نصب شد تا در شب نقش تبادل حرارت ذخیره شده در مخزن، با محیط گلخانه را برعهده داشته باشد. تحلیل انرژی و اکسرژی سامانه انجام و معادلات به دست آمده با استفاده از داده های تجربی اعتبارسنجی شدند. نتایج تحقیق نشان داد که با توجه به معیارهای آماری ضریب همبستگی و ریشه ی میانگین مربعات خطا، داده های نظری با دقت قابل قبولی نتایج تجربی را پیش بینی کردند. افزایش دبی سیال عبوری در متمرکزکننده موجب افزایش دمای خروجی آن و کاهش دمای خروجی جمع کننده ی صفحه تخت شد. بیشترین بازده اکسرژی متمرکزکننده و جمع کننده ی صفحه تخت، به ترتیب در دبی های 5/1 و 5/0 کیلوگرم بر دقیقه به دست آمدند. در مجموع، بالاترین مقدار ذخیره انرژی در مخزن، در دبی سیال عبوری 5/0 کیلوگرم بر دقیقه مشاهده گردید. بنابراین، استفاده از این دبی جریان در متمرکزکننده، برای کار با سامانه ی مورد نظر، پیشنهاد گردید.

در مطالعه حاضر دمای آب خروجی از جمع کننده خورشیدی صفحه تخت با استفاده از شبکه های عصبی مصنوعی (ANN) و تخمین گر بردار پشتیبان (SVR) در دو حالت مدل و با نتایج تجربی مقایسه شد. نتایج نشان داد که با افزایش پارامترهای ورودی مدل ها، دقت مدل افزایش یافت. بر اساس نتایج مقادیر R2، MSE و MAPE در روش SVRبرای مدل اول به ترتیب برابر 97/0، 25/3 و 77/2 و برای پارامترهای مدل دوم به ترتیب برابر 99/0، 10/0 و 55/0 به دست آمد. در حالی که این مقادیر برای روش ANN برای مدل اول به ترتیب برابر 99/0، 02/0 و 28/0، و برای مدل دوم به ترتیب برابر 99/0، 01/0 و 19/0 به دست آمد. نتایج نشان داد که مدل شبکه عصبی مصنوعی نسبت به مدل تخمین گر بردار پشتیبان با دقت بیشتری دمای آب خروجی از جمع کننده خورشیدی صفحه تخت را پیش بینی کرد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در این تحقیق از مدل شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان به منظور تخمین میزان سایه در جمع کننده صفحه تخت خورشیدی با توجه به شرایط جغرافیایی ایران استفاده شد. دو نوع الگوریتم آموزش LM و BR همراه با تابع انتقال تانژانت سیگموئیدی و تعداد متنوعی از نورون­ها در لایه پنهان همراه با مدل اعتبارسنجی تقاطعی به منظور ایجاد مجموعه داده های تصادفی مورد استفاده قرار گرفت. نتایج نشان داد که مدل MLP با الگوریتم آموزشی BR و ساختار (1-23-5) می تواند داده هایی با دقت بالا و شبیه به مقادیر واقعی ایجاد کند. میانگین آماره­های MAPE و R2 برای مدل فوق به ترتیب 10/0±42/0 درصد و 01/0±99/0، برآورد شد و نتایج آماری مقایسه میانگین، واریانس و توزیع آماری در سطح احتمال 95% بین داده های واقعی و مقادیر پیش بینی شده، معنی دار نبودند. نتایج آنالیز حساسیت نشان داد که فاصله صفحه جاذب تا پوشش شیشه ای مهم ترین فاکتور تاثیرگذار بر ایجاد سایه است.

در این مقاله از ترکیب کلکتور خورشیدی صفحه تخت با دستگاه تقطیر خورشیدی برای نمک زدایی از آب استفاده شده است. هدف از این مطالعه، افزایش خروجی دستگاه تقطیر خورشیدی از طریق بهبود عملکرد با استفاده از یک کلکتور خورشیدی صفحه تخت و بررسی تأثیر عمق آب بر میزان آب مقطر تولیدشده است. اثر پارامترهای مختلف، همانند عمق آب، دمای محیط، سرعت باد و تابش خورشیدی برای افزایش بهره وری مطالعه شده است. نتایج نشان داد که کوپل کردن یک دستگاه تقطیر خورشیدی با یک کلکتور خورشیدی، بهره وری را تا 48% افزایش می دهد. همچنین، میزان عمق آب موجود در دستگاه تقطیر بر تولید آب مقطر مؤثر است و مشخص شد که با کاهش عمق از cm 3 به cm 2 میزان آب شیرین تولیدی 5/8% افزایش می یابد. نتایج به دست آمده از آزمون ها نشان داد که حجم آب مقطر خروجی از دستگاه، برای عمق های cm 2 تا cm 4 به طور متوسط 6/4 تا L/day 9/5 با استفاده از کلکتور و 4/2 تا L/day 1/3 بدون به کارگیری آن است. متوسط شدت تابش و سرعت باد در طول آزمون با کلکتور به ترتیب W/m2 1035 و m/s 7/3 و در آزمون بدون کلکتور W/m2 980 و m/s 2/4 بود.