使用水基MnO2纳米流体和机器学习模型的光伏热收集器的性能提升
M P Rajakumar1, S Senthil Kumar2, B Srimanickam3
1Department of Artificial intelligence and Data Science, St.Joseph's College of Engineering, Chennai, 600 119, India.
Scientific reports
|November 13, 2025
概括
二氧化 (MnO2) 纳米流体通过改善热调节,显著提高了太阳能光伏热 (PVT) 收集器的效率. 机器学习模型,特别是辐射基函数 (RBF),准确地预测系统性能,以优化太阳能采集.
科学领域:
- 可再生能源系统可再生能源系统
- 材料科学 材料科学 材料科学
- 在工程领域的人工智能.
背景情况:
- 传统的光伏热 (PVT) 系统面临效率损失由于高工作温度.
- 有效的热管理对于提高光伏集热器的电性能至关重要.
- 纳米流体在太阳能应用中提供了改善热传输的潜力.
研究的目的:
- 为了研究使用水基二氧化 (MnO2) 纳米流体提高PVT采集器的性能.
- 与传统系统相比,评估热量和电力输出方面的改进.
- 应用机器学习 (ML) 模型来预测PVT系统性能.
主要方法:
- 使用 MnO2 纳米流体在各种流速 (0.5,1.0,1.5 LPM) 的PVT 收集器的实验分析.
- 与水冷PVT和独立PV系统相比,MnO2纳米流体PVT性能的比较.
- 开发和验证用于性能预测的ML模型 (随机森林,辐射基函数,多层感知器).
主要成果:
- MnO2纳米流体PVT采集器显示出更高的功率输出 (80.42202.91W) 比水冷 (72.48176.17W) 和独立的PV系统 (64.23152.36W).
- 在0.5LPM时,达到14.58%的峰值电效率,通过玻璃温度 (52.0354.60 °C) 表示有效的热管理.
- 射线基函数 (RBF) ML模型表现出高预测准确度,实现了输出功率为0.96的R2值,电效率为0.97.
结论:
- 基于水的MnO2纳米流体显著提高了PVT采集器的热和电性能.
- 综合实验和机器学习方法为性能评估和预测提供了强大的方法.
- 这项研究强调了先进太阳能系统的智能优化和控制的潜力.


