با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
ردیف | عنوان | نوع |
---|---|---|
1 |
ANN modelling of CO2 refrigerant cooling system COP in a smart warehouse
مدل سازی ANN سیستم خنک کننده کولر CO2 COP در یک انبار هوشمند-2020 Industrial cooling systems consume large quantities of energy with highly variable power demand. To
reduce environmental impact and overall energy consumption, and to stabilize the power requirements,
it is recommended to recover surplus heat, store energy, and integrate renewable energy production. To
control these operations continuously in a complex energy system, an intelligent energy management
system can be employed using operational data and machine learning. In this work, we have developed
an artificial neural network based technique for modelling operational CO2 refrigerant based industrial
cooling systems for embedding in an overall energy management system. The operating temperature and
pressure measurements, as well as the operating frequency of compressors, are used in developing
operational model of the cooling system, which outputs electrical consumption and refrigerant mass
flow without the need for additional physical measurements. The presented model is superior to a
generalized theoretical model, as it learns from data that includes individual compressor type characteristics.
The results show that the presented approach is relatively precise with a Mean Average Percentage
Error (MAPE) as low as 5%, using low resolution and asynchronous data from a case study
system. The developed model is also tested in a laboratory setting, where MAPE is shown to be as low as
1.8%. Keywords: Industrial cooling systems | Carbon dioxide refrigerant | Artificial neural networks | Coefficient of performance | Energy storage | Smart warehouse |
مقاله انگلیسی |
2 |
مدلسازی و بهینه سازی خنک کننده های تبخیری نقطه ی شبنم بر اساس شبکه ی عصبی توسعه یافته ی GMDH
سال انتشار: 2017 - تعداد صفحات فایل pdf انگلیسی: 17 - تعداد صفحات فایل doc فارسی: 47 یک مدل دقیق خنک کننده¬ی تبخیری نقطه شبنم ضد جریان غیرمستقیم ، با استفاده از روش گروهی شبکه عصبی – جابجایی داده توسعه یافت در حالی که شبکه با داده های استخراج شده از مدل عددی معتبر، آموزش داده شد. پس از اعتباربخشی مدل، مدل در مسئله بهینه سازی چند هدفه که روش الگوریتم ژنتیک دوگانه مرتب سازی غالب تحت سلطه را اجرا می کند، استفاده شد. بهینه سازی این سیستم در شرایط مختلف آب و هوایی انجام شد. در این راستا، یزد، مسجد سلیمان و اهواز به عنوان نماینده ای از شهرهای دارای آب و هوای گرم -خشک، گرم- نیمه مرطوب و گرم و مرطوب ایران انتخاب شدند. در هر شهر، مقادیر بهینه¬ی طول کانال، فاصله کانال، سرعت هوای ورودی و بازگشت مقدار هوای ورودی طوری به دست آمد، که این متغیرهای تصمیم گیرنده همزمان موجب افزایش ضریب عملکرد و کاهش منطقه خاصی از خنک کننده می شود. نتایج نشان داد که مدل توسعه یافته می تواند دمای دقیق هوا را با خطای پایین Cº 1 پیش بینی می¬کند و به دلیل فرایند محاسباتی سریع طراحی ، بهینه سازی بر مبنای داده های آب و هوایی ساعتی بدون نیاز به پردازنده های بسیار سریع انجام می شود. علاوه بر این، کاربرد بهینه سازی در سیستم طراحی شده¬ی کاربردی شهر یزد،منجر به بهبود ضریب عملکرد و منطقه خاص به ترتیب 36.3٪ و 30.9٪ میشود. بهبود منطقه خاص در مسجد سلیمان و اهواز به ترتیب 16٪ و 7.92٪ و با کاهش هزینه ضریب عملکرد 2.63٪ و 2.19٪ همراه بود. این پیشرفت ها به سیستم امکان دستیابی به پتانسیل کامل را میدهد و خنک کننده تبخیر نقطه ی شبنم را به سیستم خنك كننده مناسب در شرایط مختلف آب و هوایی تبدیل میکند.
کلید واژه ها: خنک کننده تبخیر نقطه شبنم | شبکه عصبی GMDH | مدل عددی | چرخه M | بهینه سازی چند هدفه | NSGA-II |
مقاله ترجمه شده |
3 |
تحلیل انرژی و اکسرژی یک چرخه سرمایش ترکیبی جدید تقویت شده با افشانه
سال انتشار: 2015 - تعداد صفحات فایل pdf انگلیسی: 9 - تعداد صفحات فایل doc فارسی: 27 یک چرخه سرمایش ترکیبی جدید تقویت شده با افشانه با استفاده از مخلوط مبردهای R134a/R23 در این مقاله ارائه شده است. در این چرخه جدید، یک افشانه برای بازیابی بخشی از کاری که در فرآیندهای اختناق هدر میرود بهکار رفته است. مقایسه عملکرد بین چرخه جدید و یک چرخه سرمایش ترکیبی اولیه بر اساس قوانین اول و دوم ترمودینامیک انجام میگیرد. نتایج شبیهسازی نشان میدهند که ضریب عملکرد و بازده اکسرژی چرخه جدید را میتوان در مقایسه با چرخههای اولیه در همان شرایط کاری 8.24% تا 18.02% افزایش داد. مشخص میشود که در چرخه جدید، بالاترین اتلاف اکسرژی به ترتیب در کمپرسور، کندانسور، کندانسور ترکیبی، شیر انبساط، افشانه و اواپراتور رخ میدهد. اثر برخی پارامترهای اصلی روی عملکرد چرخه در ادامه بررسی میشود. نتایج نشان میدهند که برای چرخه جدید، بهبود عملکرد حاصله نسبت به چرخه اولیه به ترکیب مخلوط و کیفیت بخار در خروجی کندانسور بستگی دارد. بهبود ضریب عملکرد چرخه جدید نسبت به چرخه اولیه با افزایش کیفیت بخار کاهش مییابد. همچنین، با معلوم بودن دیگر شرایط کاری، ترکیب مخلوط بهینهای برای دستیابی به بیشترین ضریب عملکرد برای چرخه جدید وجود دارد. ترکیب مخلوط بهینه هر دو چرخه تحت دمای تبخیر مشخص، باید در حدود 0.5 نگه داشته شود.
کلمات کلیدی: مخلوط Zeotropic | چرخه تبرید خودکار آبشار | اجکتور | بهبود عملکرد
|
مقاله ترجمه شده |