حمید مرتضی پور

در تحقیق حاضر، عملکرد یک سامانه گرمایشی خورشیدی گلخانه، مجهز به متمرکزکننده سهموی خطی و جمع کننده تخت خورشیدی دومنظوره، با استفاده از شبکه عصبی مصنوعی پیش بینی شده است. در گلخانه مورد آزمایش، گرمای مورد نیاز در شب، به وسیله حرارت ذخیره شده به وسیله سامانه خورشیدی در طول روز و یک گرم کن کمکی تأمین می گردید. حرکت سیال درون مجموعه متمرکزکننده به وسیله پمپ و در جمع کننده تخت، به صورت ترموسیفون بود. از شبکه عصبی پرسپترون چند لایه با روش یادگیری پس انتشار خطا به منظور پیش بینی مصرف انرژی ذخیره شده در روز به وسیله سامانه گرمایش خورشیدی، مصرف انرژی گرم کن کمکی و دمای مخزن ذخیره حرارت استفاده شد. ورودی های شبکه شامل شدت تابش خورشید، دمای محیط، سرعت باد، دمای سطح، دمای گلخانه، دبی سیال حامل و زمان بودند. حدود 80 درصد از مجموع داده ها 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 پیش بینی 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 پیش بینی مصرف انرژی گرم کن کمکی و دمای مخزن ذخیره حرارت ارائه کردند.

همواره در فرآیند خشک کردن محصولات کشاورزی انرژی زیادی مصرف می شود. برای صرفه جویی در مصرف انرژی های فسیلی، استفاده مستقل و یا ترکیبی از انرژی خورشیدی، از روش های معمول در خشک کردن محصولات کشاورزی می باشد. در تحقیق حاضر، عملکرد گرمائی یک خشک کن خورشیدی فعال مجهز به سامانه بازیافت انرژی در سه سطح دمای هوای خشک کننده بررسی شده است. نتایج تحقیق نشان داد که در دماهای هوای خشک کننده 55، 65 و 75 درجه سلسیوس، سامانه بازیافت انرژی قادر است به ترتیب 8/16، 5/18 و 9/18درجه سلسیوس دمای هوای ورودی به خشک کن را افزایش دهد. در این شرایط 8/47، 9/42 و 5/40 درصد از انرژی هوای خروجی از خشک کن بازیافت می گردد که انرژی مورد نیاز گرم کن الکتریکی را 7/30، 2/19 و 7/14 درصد کاهش می دهد.