Ανάπτυξη τεχνικών μηχανικής μάθησης για τη διαστασιολόγηση ηλιακών θερμικών συστημάτων

Abstract

Η εκτίμηση της παραγόμενης θερμικής ενέργειας σε ηλιακά θερμικά συστήματα είναι σημαντική για τη βελτιστοποίηση της απόδοσης μίας ηλιακή εφαρμογής. Οι παραδοσιακές μέθοδοι, όπως η μέθοδος f-chart, συχνά αποτυγχάνουν να λάβουν υπόψη την πολυπλοκότητα των σύγχρονων συστημάτων, ιδίως αυτών που ενσωματώνουν προηγμένα συστήματα ελέγχου βοηθητικών πηγών θέρμανσης, ενώ παράλληλα εμφανίζουν περιορισμούς στην εφαρμογή τους σε σχέσης με το επίπεδο της θερμοκρασιακής στάθμης που χαρακτηρίζει την χρήση. Η παρούσα διπλωματική εργασία αντιμετωπίζει αυτούς τους περιορισμούς μέσω της ανάπτυξης ισχυρών προγνωστικών μοντέλων με χρήση προηγμένων τεχνικών παλινδρόμησης και μεθόδων μηχανικής μάθησης. Ένα δυναμικό ηλιακό θερμικό σύστημα, με στρωματοποιημένη δεξαμενή αποθήκευσης, προσομοιώθηκε ώστε να ενσωματώσει τόσο έναν ηλιακό συλλέκτη όσο και μία βοηθητική αντλία θερμότητας. Χρησιμοποιήθηκαν μετεωρολογικά δεδομένα που αφορούν την Αθήνα, Ελλάδα, μέσω του μοντέλου SARAH-2 για την ηλιακή ακτινοβολία και παλινδρόμηση Fourier για τη μοντελοποίηση της διακύμανσης της θερμοκρασίας του νερού. Οι κύριες παράμετροι που μεταβλήθηκαν στις προσομοιώσεις περιλάμβαναν την επιφάνεια του συλλέκτη, την οπτική απόδοση (η₀) και τους συντελεστές θερμικών απωλειών (a₁ και a₂), καλύπτοντας ένα ευρύ φάσμα συνθηκών που σχετίζονται με οικιακές εφαρμογές. Για την εξασφάλιση ακριβών προβλέψεων του ηλιακού κλάσματος, εφαρμόστηκαν πολλαπλές μεθοδολογίες μοντελοποίησης, όπως η μη γραμμική παλινδρόμηση, τα Τεχνητά Νευρωνικά Δίκτυα (ANNs) και το λογισμικό ALAMO για την αυτόματη δημιουργία αλγεβρικών μοντέλων. Κάθε μοντέλο εκπαιδεύτηκε και επικυρώθηκε με τη χρήση εκτενών συνόλων δεδομένων που προέκυψαν από τις προσομοιώσεις, εξασφαλίζοντας την πλήρη εξερεύνηση των παραμέτρων που αφορούν τα ηλιακά θερμικά συστήματα. Τα μοντέλα αξιολογήθηκαν χρησιμοποιώντας στατιστικούς δείκτες, όπως το Μέσο Απόλυτο Ποσοστιαίο Σφάλμα (MAPE), η Απόδοση Nash-Sutcliffe (NSE) και το Τυπικό Σφάλμα Μέσης Τετραγωνικής Απόκλισης (RMSE). Όλα τα μοντέλα παρουσίασαν ισχυρή προγνωστική απόδοση, με τα μοντέλα παλινδρόμησης να αποδίδουν τις καλύτερες μετρήσεις στις περισσότερες περιπτώσεις, ακολουθούμενα στενά από τα μοντέλα ANN και ALAMO. Οι τιμές MAPE παρέμειναν χαμηλές σε όλα τα σύνολα δεδομένων και οι τιμές NSE ξεπέρασαν το 0.99 στα δεδομένα δοκιμών, υποδεικνύοντας την αξιοπιστία των μοντέλων για την παροχή ακριβών προβλέψεων εντός αποδεκτών ορίων σφάλματος. Επιπλέον, αναπτύχθηκαν υπολογιστικά scripts βάσει αυτών των μοντέλων για τη βελτιστοποίηση των διαμορφώσεων του συστήματος με βάση το ηλιακό κλάσμα. Αυτά τα scripts προσφέρουν στους μηχανικούς ένα αποτελεσματικό εργαλείο για τον καθορισμό των βέλτιστων διαμορφώσεων συστημάτων, βελτιώνοντας την απόδοση των ηλιακών θερμικών συστημάτων σε πραγματικές εφαρμογές. Τα ευρήματα δείχνουν ότι οι προηγμένες τεχνικές παλινδρόμησης, τα ANNs και τα μοντέλα ALAMO προσφέρουν εξαιρετικές δυνατότητες πρόβλεψης για την εκτίμηση του ηλιακού κλάσματος σε ηλιακά θερμικά συστήματα, αποτυπώνοντας τις μη γραμμικές σχέσεις μεταξύ των παραμέτρων του συστήματος και των δεικτών απόδοσης. Παρέχοντας αποδοτικά μοντέλα και εργαλεία, η διπλωματική εργασία αυτή προσφέρει πολύτιμους πόρους για μηχανικούς και ερευνητές που ασχολούνται με τον σχεδιασμό και τη βελτιστοποίηση των ηλιακών θερμικών τεχνολογιών.