این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
انرژی ایران، جلد ۲۰، شماره ۲، صفحات ۵-۲۲
عنوان فارسی پیش بینی ذخیره حرارت در سامانه گرمایشی خورشیدی و انرژی مصرفی گلخانه با شبکه عصبی مصنوعی
چکیده فارسی مقاله در تحقیق حاضر، عملکرد یک سامانه گرمایشی خورشیدی گلخانه، مجهز به متمرکزکننده سهموی خطی و جمع­کننده تخت خورشیدی دومنظوره، با استفاده از شبکه عصبی مصنوعی پیش­بینی شده است. در گلخانه مورد آزمایش، گرمای مورد نیاز در شب، به وسیله حرارت ذخیره شده به­وسیله سامانه خورشیدی در طول روز و یک گرم­کن کمکی تأمین می­گردید. حرکت سیال درون مجموعه متمرکزکننده به­وسیله پمپ و در جمع­کننده تخت، به­صورت ترموسیفون بود. از شبکه عصبی پرسپترون چند لایه با روش یادگیری پس‌انتشار خطا به منظور پیش‌بینی مصرف انرژی ذخیره شده در روز به وسیله سامانه گرمایش خورشیدی، مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت استفاده شد. ورودی‌های شبکه شامل شدت تابش خورشید، دمای محیط، سرعت باد، دمای سطح، دمای گلخانه، دبی سیال حامل و زمان بودند. حدود 80 درصد از مجموع داده­ها به منظور آموزش، 10 درصد آزمایش و 10 درصد اعتبارسنجی مورد استفاده قرار گرفتند. برای ارزیابی عملکرد شبکه از پارامترهای ضریب تبیین (R²) و میانگین مربعات خطا (MSE) استفاده شد. ساختار شبکه 1-15-7 با R² و MSE به ترتیب برابر با 98/0 و 00017/0 بهترین نتیجه را برای پیش‌بینی مصرف انرژی از حرارت ذخیره شده توسط سامانه خورشیدی نشان داد. ساختار 1-10-10-7 با R² و MSE به ترتیب برابر با 99/0 و 00014/0 و ساختار 1-15-5-7 با R² و MSE به ترتیب برابر با 98/0 و 00011/0 بهترین نتیجه را به ترتیب برای پیش‌بینی مصرف انرژی گرم­کن کمکی و دمای مخزن ذخیره حرارت ارائه کردند.
کلیدواژه‌های فارسی مقاله دمای مخزن، شبکه عصبی مصنوعی، گلخانه، مصرف انرژی
عنوان انگلیسی Prediction of energy consumption and heat storage in a solar greenhouse heating system using artificial neural network
چکیده انگلیسی مقاله In this study, the performance of a solar greenhouse heating system equipped with a linear parabolic concentrator and a dual-purpose flat plate solar collector‏ was investigated using the Artificial Neural Network (ANN) method. The heat required for the greenhouse at night hours was supplied by the heat stored in the storage tank by the solar system during the sunshine time and  an auxiliary heater. A water pump was used to make a forced-flow through the concentrator assembly. While, a natural water flow occurred in the flat plate collector. ANN method was used to predict  the tank temperature and energy consumption from the heat storage tank and by the auxiliary heater. Network inputs were solar radiation intensity, ambient temperature, wind speed, collector surface temperature, greenhouse temperature, flow rate and time. About 80% of total data were used for training, 10% for testing and 10% for validation. The results indicated that the network topology of 7-15-1 with R² and MSE of respectively 0.98 and 0.00017 presented the best results for prediction of energy consumption from the tank. While the most suitable description for variations of energy consumption by the auxiliary heater and from storage tank was given by the network topologies‏ of 7-10-10-1 (with R² of 0.99 and MSE of 0.00014) and 7-5-15-1 (with R² 0.98 of MSE  of 0.00011), respectively.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد جعفری | Mohammad Jafari
دانشگاه شهید باهنر کرمان

حمید مرتضی پور | Hamid Mortezapour
دانشگاه شهید باهنر کرمان

کاظم جعفری نعیمی | Kazem Jafari Naeimi
دانشگاه شهید باهنر کرمان

محمد مهدی مهارلوئی | Mohammad Mahdi Maharlouee
دانشگاه شهید باهنر کرمان

نشانی اینترنتی http://necjournals.ir/browse.php?a_code=A-10-1105-2&slc_lang=fa&sid=1
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/626/article-626-1355738.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فن آوری های انرژی های تجدید پذیر
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات