基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

固定条形镜面太阳能聚光器设计及性能试验

为了提高固定条形镜面太阳能聚光集热器的集热性能,该文介绍了固定条形镜面聚光集热的工作原理,利用矢量分析方法得到了固定条形镜面任一镜元入射角及有效采光面积的计算公式。与此同时,建立了固定条形镜面反射聚光器的腔体式玻璃-金属真空管吸收器三维模型,利用蒙特卡洛光线追迹模拟不同偏转角情况下的聚光吸收器面上能流分布特征、光学效率、光学损失及能流分布。结果表明,镜面反射率和吸收器吸收率分别为0.92、0.9时,聚光系统在太阳光线偏转0~40°角范围内光线吸收率为74.08%~98%、光学效率为56.97%~73.65%。此外试验研究了梯形槽吸收器和腔体式玻璃-金属真空管吸收器在不同偏转角及不同集热温度的热性能。在环境温度和辐射相对较低情况下,腔体式玻璃-金属真空管吸收器的热效率比梯形槽吸收器热效率高2%~3%;流体出口温度由76.7℃升至99.6℃时,腔体式玻璃-金属真空管吸收器效率由46.93%降至39.98%。     

太阳能水纯化热水一体化装置性能分析与试验

为了提高太阳能水纯化热水一体化的集热性能及产水率,该文介绍了系统的工作原理,建立太阳能水纯化热水一体化能量转化和传递模型。采用双真空热管集热,设计了蒸发、冷凝水箱及蓄热水箱,建造了Φ58 mm×1.8 m×24玻璃双真空热管集热试验装置。运用软件Matlab数值运算与试验对比,结果表明:蓄热温度从50℃到70℃,系统产水率及性能系数先随着蓄热温度升高而增大,至60℃左右最大,然后随着蓄热温度升高而减小。60℃定温蓄热比60℃定量蓄热日产水量高847.9 mL,总性能系数增加0.102,产水率增加0.056。此外试验研究了不蓄热工况的系统性能,产水量为5 978.4 mL,系统总性能系数1.2498,产水率0.468,比60℃定温蓄热工况下性能系数低0.3979,产水率减小0.219。该文的研究为太阳能热水系统与海水淡化相结合具有参考和利用价值。