Zastosowanie metod uczenia maszynowego do optymalizacji płytowego wymiennika ciepła w hybrydowych kolektorach fotowoltaiczno-termicznych

Przedstawiono projekt wysokowydajnego układu hybrydy PV/T chłodzonego płytowym wymiennikiem ciepła zoptymalizowanego za pomocą algorytmu uczenia maszynowego. Poprawę parametrów cieplnych płytowego wymiennika osiągnięto dzięki analizie egzergii. Optymalna geometria wymiennika znacznie wpłynęła na poprawę wartości konwekcyjnego współczynnika wymiany ciepła, a także na zmniejszenie oporów przepływu. Metoda optymalizacji oparta na algorytmach uczenia maszynowego obejmuje optymalny projekt parametrów geometrycznych i eksploatacyjnych płytowego wymiennika ciepła. Zmiana kształtów wypełnienia cylindrycznego z geometrią zapewnia lepszy rozkład obciążenia cieplnego, zwiększając efektywność elektryczną panelu PV o 29–34%.

---

The method for optimization of the geometric structure of the plate heat exchanger and the water flow rate by means of the heuristic machine learning algorithm with the use of exergy analysis was presented. The simulation was performed for a polycrystalline photovoltaic panel with a capacity of 250 W. Its electrical efficiency was increased by 29–34%.