دانلود ترجمه مقاله ترکیب CFD و روش ANN جهت پیش بینی عملکرد حرارتی کلکتور خورشیدی

عنوان فارسی

ترکیب CFD و تکنیک های شبکه عصبی مصنوعی (ANN) جهت پیش بینی عملکرد حرارتی کلکتور خورشیدی لوله خلاء مستقیم تمام شیشه

عنوان انگلیسی

Combining CFD and artificial neural network techniques to predict the thermal performance of all-glass straight evacuated tube solar collector

کلمات کلیدی :

  کلکتور خورشیدی؛ لوله خلاء؛ شبکه عصبی؛ رگرسیون خطی چندگانه؛ CFD؛ عملکرد حرارتی؛ پیش بینی

درسهای مرتبط مهندسی مکانیک
تعداد صفحات مقاله انگلیسی : 15 نشریه : ELSEVIER
سال انتشار : 2021 تعداد رفرنس مقاله : 75
فرمت مقاله انگلیسی : PDF نوع مقاله : ISI
پاورپوینت : ندارد

سفارش پاورپوینت این مقاله

وضعیت ترجمه مقاله : انجام شده و با خرید بسته می توانید فایل ترجمه را دانلود کنید
ELSEVIER
قیمت دانلود ترجمه مقاله
88,900 تومان
فهرست مطالب

1. مقدمه 2. آزمایش تجربی/ عملی 3. مدل سازی حرارتی لوله 4. مدل های شبکه عصبی مصنوعی 5. نتایج و بحث و بررسی 6. نتیجه گیری

سفارش ترجمه
ترجمه نمونه متن انگلیسی

چکیده – در مطالعه حاضر، مدلسازی عملکرد حرارتی و پیش‌بینی عملکرد یک کلکتور خورشیدی لوله خلاء مستقیم تمام شیشه ای مورد بررسی قرار می گیرد. همچنین در این پژوهش، یک مدل ریاضی از لوله ارائه شده است. در ضمن به منظور شبیه سازی عملکرد عددی از نرم افزار CFO استفاده شده است. علاوه بر این، از مدل‌های مختلف شبکه عصبی مصنوعی (ANN)نیز به منظور بهبود پیش‌بینی عملکرد حرارتی کلکتور استفاده شده است. همچنین برای آزمایش مدل‌ها از مجموعه ای از داده های تجربی جامع با بیش از 200 نمونه استفاده شد. یافته های بدست آمده حاکی از آن است که، ادغام مدل شبیه‌سازی حرارتی با مدل‌های ANN با استفاده از خروجی کلکتور مدلسازی شده به عنوان یکی از مدل‌های ورودی، به طور قابل‌ ملاحظه ای به بهبود دقت پیش‌بینی مدل‌های ANN منجر می شود. بر طبق بررسی های صورت گرفته، پیش‌بینی‌های مبتنی بر مدل CFO در مقایسه با مدل‌های ANN از کمترین دقت برخوردار بوده اند. نتایج بدست آمده حاکی از آن است که مدل شبکه عصبی پیچشی (CNN) بهترین مدل ANN از لحاظ دقت پیش‌بینی محسوب می شود. مقدمه: بر طبق یافته های بدست آمده، انرژی های تجدیدپذیر به دلیل کاهش گرمایش جهانی و دسترسی به انرژی، در زمره یکی از فناوری های حیاتی قرار دارند [1]. بر طبق بررسی های صورت گرفته، انرژی خورشیدی یکی از پرسرعت ترین منابع انرژی تجدیدپذیر نوظهور بوده و در زمینه های مختلفی نظیر تولید برق [2]، نمک‌زدایی آب دریا [3]، گرمایش فضای خانگی [4] و غیره به نحو گسترده ای مورد استفاده قرار می گیرد. همچنین، بخش مهمی از استفاده از انرژی خورشیدی به کاربردهای حرارتی خورشیدی اختصاص یافته است. در چنین سیستمی، کلکتور خورشیدی جزء مهمی به شمار می آید، به طوریکه انرژی تابشی خورشید را جذب کرده، به گرما تبدیل می کند که در نهایت به سیال انتقال حرارت منتقل می شود [5]. نمونه های مرسوم کلکتورهای خورشیدی عبارتند از: کلکتور صفحه تخت، کلکتور لوله خلاء و کلکتورهای سهموی ترکیبی[10،11]. به تازگی، کلکتور لوله خلاء به دلیل عملکرد مطلوب و قیمت مناسب، توجه فزاینده ای را به خود معطوف کرده است .[12-14] یک کلکتور لوله خلاء (ETC) به طور معمول متشکل از یک لوله خلاء شیشه ای تک جداره یا یک محفظه عایق حرارتی با دو جداره است [15]. مورد اول، متشکل از یک لوله پره دار [16،17] و یک لوله U شکل و مورد دوم متشکل از لوله داخلی و لوله بیرونی است. نوع دو جداره کلکتور لوله خلاء به دلیل هزینه پایین و ساخت آسان، حجم بیشتری از بازار را به خود اختصاص داده است [20]. موضوع مطالعه حاضر، نوع جدیدی از ETC است که از یک لوله خلاء مستقیم تمام شیشه ساخته شده است. سیال انتقال حرارت در پایین لوله محفظه عایق حرارتی با دو جداره از طریق همرفت به سختی به گردش در آمده و رسوب نمک در کف لوله مانع از انتقال گرما شده و در بلند مدت کیفیت آب را تغییر می دهد. [21]. در مقایسه با لوله استاندارد محفظه عایق حرارتی با دو جداره، افزایش انتقال حرارت و بهبود کیفیت آب از مزایای اصلی لوله خلاء مستقیم تمام شیشه محسوب می شود. همچنین، بازده و عملکرد بالاتر، به کاهش هزینه های گرمای تولید شده توسط ETC و در نتیجه بهبود مقرون به صرفگی آن منجر می شود.

نمونه متن انگلیسی مقاله

Thermal performance modelling and performance prediction of a novel all-glass straight-through evacuated tube collector is analyzed here. A mathematical model of the tube was developed and incorporated into CFD software for numerical performance simulation. To improve the thermal performance prediction of the collector, different artificial neural network (ANN) models were considered. A comprehensive experimental dataset with more than 200 samples were employed for testing of the models. Integrating the thermal simulation model with the ANN models by using modelled collector output as one of the input models, significantly improved the prediction accuracy of the ANN models. The predictions based on the CFD model alone gave the poorest accuracy compared to the ANN models. The convolutional neural network (CNN) model proved to be the best ANN model in terms of prediction accuracy. Introduction: Renewable energy is one of the key technologies to mitigate global warming and energy access [1]. Solar energy is one of the fastest developing renewable energy sources, and it is widely used in different applications such as power generation [2], seawater desalination [3], domestic space heating [4], etc. Solar thermal applications form an important segment of solar energy utilization. The key component in such a system is the solar collector, which absorbs the solar radiation and converts it to heat, which is transferred to a heat transfer fluid [5]. Common types of solar collectors include the flat plate collector, evacuated tube collector and compound parabolic collectors [6e9], which make up most of the collector market [10,11]. Recently, the evacuated tube collector has gained more interest due to its attractive performance and price [12e14]. An evacuated tube collector (ETC) typically contains a single-walled glass evacuated tube or a Dewar-tube [15]. The former includes a finned tube [16,17] and a U-tube [18,19], while the latter is composed of inner tube and outer tubes. The Dewar-type of evacuated tube collector dominates the market, because of its low cost and easy manufacturing [20]. The subject of this paper is a new-type of ETC made of an all-glass straight vacuum tube. The heat transfer fluid at the bottom of the Dewar-tube is difficult to circulate through convection, and salt precipitating on the tube bottom hinders heat transfer and water quality will be affected on long term [21]. The main advantages of all-glass straight through evacuated tube over the standard Dewar-tube are both enhancing heat transfer and improving the water quality. A higher efficiency and performance also reduce the costs of the heat produced by the ETC and hence improve its economics.

توضیحات و مشاهده مقاله انگلیسی

ترجمه این مقاله در 28 صفحه آماده شده و در ادامه نیز صفحه 14 آن به عنوان نمونه قرار داده شده است که با خرید این محصول می توانید، فایل WORD و PDF آن را دریافت نمایید.

محتوی بسته دانلودی:

PDF مقاله انگلیسی ورد (WORD) ترجمه مقاله به صورت کاملا مرتب (ترجمه شکل ها و جداول به صورت کاملا مرتب) فرمول ها به صورت کامل تایپ شده اند
قیمت : 88,900 تومان

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “دانلود ترجمه مقاله ترکیب CFD و روش ANN جهت پیش بینی عملکرد حرارتی کلکتور خورشیدی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پنج × پنج =

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi