نانوسیال

در این تحقیق، کارایی کلکتور خورشیدی جذب مستقیم با استفاده از نانولوله های کربنی در مخلوطی از آب و اتیلن گلیکول به عنوان سیال پایه، به صورت تجربی بررسی و با کارایی کلکتور خورشیدی صفحه تخت مقایسه شده است. نتایج حاصل نشان داد کارایی بیشینه کلکتور جذب مستقیم در دبی ورودی 72 لیتر برساعت، با سیال پایه و سطح پایین جاذب، حدود 7/4% و با استفاده از نانوسیال نانولوله کربنی، حدود 23% بالاتر از کلکتور متداول است. براساس نتایج فوق، عملکرد کلکتور جذب مستقیم نانوسیال بنیان با هدف کاربری در آبگرمکن های خانگی، تحت شرایط کارکردی مشابه، بهتر از نوع متداول بوده و در صورتی که بتوان از نانوسیال پایدار به عنوان سیال عامل کلکتور جذب مستقیم بهره برد، می توان به کارایی بالاتری در تبدیل انرژی خورشیدی به انرژی مفید دست یافت.

در سال های اخیر، استفاده از روش های مدل سازی که مستقیماً از داده های تجربی استفاده می کنند به دلیل دقت بالا در پیش بینی نتایج فرآیند، به جای روش های آماری رو به افزایش است. در این مقاله، توانایی مدل های شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی-عصبی تطبیقی (ANFIS) در پیش بینی عملکرد حرارتی نانوسیال Al 2 O 3 که توسط مقاومت حرارتی سنجیده می شود، بررسی شده است. داده های آزمایشگاهی از یکی از مقالات معتبر که عملکرد حرارتی نانوسیال Al 2 O 3 را درون یک لوله حرارتی نوسانی بررسی کرده بود، استخراج شد. برای مدل سازی توسط ANN از یک شبکه پرسپترون چندلایه و برای ANFIS از یک مدل فازی سوگنو استفاده شد که هر دو از دقیق ترین و رایج ترین روش های مدل سازی هستند. مقایسه مقادیر هدف با مقادیر پیش بینی شده توسط هر دو مدل بسیار رضایت بخش بود و ضریب همبستگی برای هر دو بیش از 99/0 بدست آمد که نشان دهنده میزان بالای دقت این دو مدل است. در نهایت عملکرد هر دو مدل با هم مقایسه شد که عملکرد هردو بسیار خوب و نزدیک به هم بود، ولی در مجموع ANN نسبت به ANFIS عملکرد بهتری از خود نشان داد.