整合人工神经网络,多目标的元启发性优化和多标准的决策,以改善MXene基离子纳米流体,适用于PV/T太阳能系统
Tao Hai1,2, Ali Basem3, As'ad Alizadeh4
1Artificial Intelligence Research Center (AIRC), Ajman University, P.O. Box 346, Ajman, UAE.
Scientific reports
|November 28, 2024
概括
优化MXene纳米流体的热物理性质可以增强混合太阳能PV/T系统. 使用GMDH-ANN,MOPSO和TOPSIS的混合方法确定了特定热容量,动态粘度和导热率的最佳条件.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 可再生能源系统可再生能源系统
背景情况:
- 混合太阳能光伏和热 (PV/T) 系统需要纳米流体的优化热物理特性 (TPP) 来提高性能.
- 基于MXene的纳米流体具有前景,但它们的TPP需要系统优化才能有效应用.
研究的目的:
- 开发一种混合方法来优化基于MXene的离子纳米流体的TPP.
- 调查MXene质量分数 (MF) 和温度对特定热容量 (SHC),动态粘度 (DV) 和导热率 (TC) 的影响.
主要方法:
- 利用数据处理 (GMDH) 类型的人工神经网络 (ANN) 的组方法来建模TPP.
- 集成的GMDH-ANN模型与多目标粒子集群优化 (MOPSO) 和多目标热交换优化 (MOTEO) 算法.
- 采用了以理想解决方案相似度优先顺序 (TOPSIS) 的技术来选择最佳的帕雷托点.
主要成果:
- 开发了高R值 (0.9984,0.9985,0.9987) 的TC,DV和SHC的准确模型.
- 在广泛的MXene MF (0-0.4%) 和接近75°C的温度下确定了最佳操作条件.
- 托普西斯提供了基于优先考虑TC (>0.2%MF),DV (0.15-0.17%MF) 或SHC (0%MF) 的特定MF建议.
结论:
- 混合优化方法有效地模拟和优化MXene纳米流体的TPP用于PV/T系统.
- 对于MF集中的决策可以根据具体的绩效目标 (TC,DV或SHC) 进行指导.
- 进一步的研究可以利用这些发现来提高基于MXene的纳米流体在太阳能技术中的效率和适用性.
更多相关视频
10:36Author Spotlight: Optimization of Airflow Velocities in Battery Cooling Systems for Enhanced Thermal Performance and Reduced Energy Consumption
Published on: November 3, 2023
1.4K
13:29Harvesting Solar Energy by Means of Charge-Separating Nanocrystals and Their Solids
Published on: August 23, 2012
14.1K
