گزارش آگهی/ یکی از مسیرهای پیشرفته برای افزایش راندمان تولید برق و کاهش هزینه‌های طراحی و بهره‌برداری از نیروگاه‌های خورشیدی، استفاده از شبیه سازی فلوئنت و هوش مصنوعی است. شبیه‌سازی انسیس فلوئنت امکان تحلیل دقیق جریان هوا، انتقال حرارت، دمای سطح پنل، تهویه طبیعی و اجباری و اثر شرایط محیطی بر عملکرد ماژول‌های فتوولتائیک را فراهم می‌کند. از سوی دیگر، انجام پروژه CFD می‌تواند اطلاعات دقیقی درباره میدان جریان و حرارت در اختیار الگوریتم‌های هوش مصنوعی قرار دهد. ترکیب این دو فناوری به مهندسان اجازه می‌دهد حالت‌های مختلف طراحی را به‌صورت عددی شبیه سازی و بررسی کرده و پارامترهایی مانند هندسه، زاویه نصب، فاصله پنل‌ها و روش خنک‌کاری را بهینه کنند. این موضوع برای ایران اهمیت ویژه‌ای دارد؛ زیرا مناطق مختلف کشور با شرایطی مانند تابش مناسب، دمای بالا، گردوغبار و سرعت باد متفاوت مواجه هستند.

کاربردهای انسیس فلوئنت در تحلیل پنل‌های خورشیدی

نرم‌افزار انسیس فلوئنت یکی از ابزارهای مهم مهندسی برای مدل‌سازی جریان و انتقال حرارت در سامانه‌های خورشیدی است. یکی از کاربردهای اصلی آن، تحلیل حرارتی پنل فتوولتائیک است. افزایش دمای سلول‌ها می‌تواند عملکرد الکتریکی آن‌ها را کاهش دهد؛ بنابراین با ایجاد مدل سه‌بعدی پنل، شیشه، لایه‌های مختلف ماژول و محیط اطراف می‌توان توزیع دما و نحوه انتقال حرارت را بررسی کرد. CFD همچنین امکان مطالعه جریان هوای اطراف پنل را فراهم می‌کند. با این روش می‌توان مشخص کرد باد چگونه روی سطح پنل حرکت می‌کند و چه تأثیری بر انتقال حرارت دارد. محاسبه ضریب انتقال حرارت جابه‌جایی و شار حرارتی نیز برای پیش‌بینی دمای عملیاتی ماژول اهمیت دارد. از دیگر کاربردهای شبیه‌سازی می‌توان به بررسی سرعت و جهت باد، فاصله بین ردیف‌های پنل و زاویه نصب اشاره کرد. آرایش پنل‌ها می‌تواند الگوی جریان هوا و شرایط تهویه را تغییر دهد و فاصله نامناسب بین ردیف‌ها نیز ممکن است بر تهویه حرارتی و دریافت تابش اثر بگذارد. علاوه بر این، تحلیل حرارتی اینورترها و تجهیزات الکتریکی نیروگاه در مناطق گرم می‌تواند به انتخاب مناسب‌تر سیستم‌های خنک‌کاری کمک کند.

شبیه‌سازی خنک‌کاری و اثر گردوغبار

یکی از مهم‌ترین کاربردهای CFD در سامانه‌های خورشیدی، بررسی روش‌های مختلف خنک‌کاری است. در خنک‌کاری طبیعی می‌توان جریان همرفتی اطراف پنل را بررسی کرد و تأثیر هندسه و شرایط محیطی بر دفع حرارت را سنجید. در روش‌های اجباری نیز امکان تحلیل فن، جت هوا و کانال‌های خنک‌کننده وجود دارد. خنک‌کاری آبی نیز یکی دیگر از گزینه‌هایی است که می‌توان با فلوئنت بررسی کرد. در این حالت، پارامترهایی مانند سرعت و دمای آب، شار حرارتی، افت فشار و یکنواختی توزیع دما قابل ارزیابی هستند. کانال‌های میکرو، صفحات پره‌دار، هیت‌سینک و مبدل‌های حرارتی نیز می‌توانند در مدل‌های پیشرفته مورد بررسی قرار گیرند. همچنین مدل‌سازی جریان دوفازی و پاشش آب امکان مطالعه سامانه‌های اسپری را فراهم می‌کند. گردوغبار نیز یکی از چالش‌های مهم بهره‌برداری از پنل‌های خورشیدی، به‌ویژه در مناطق خشک و نیمه‌خشک است. تجمع ذرات روی سطح پنل می‌تواند میزان تابش دریافتی را کاهش دهد و شرایط انتقال حرارت سطح را تغییر دهد. با استفاده از مدل‌سازی جریان ذرات می‌توان مسیر حرکت ذرات و نقاط مستعد تجمع را شناسایی کرد و از این اطلاعات برای بهبود طراحی یا برنامه‌ریزی عملیات شست‌وشو استفاده کرد.

ترکیب شبیه‌سازی فلوئنت و هوش مصنوعی

اجرای شبیه‌سازی CFD برای تعداد زیادی از حالت‌های طراحی ممکن است به زمان محاسباتی قابل‌توجهی نیاز داشته باشد. به همین دلیل، هوش مصنوعی می‌تواند در مرحله بعدی فرآیند مورد استفاده قرار گیرد. در این روش، مجموعه‌ای از شبیه‌سازی‌های فلوئنت با تغییر پارامترهایی مانند دمای محیط، سرعت و جهت باد، زاویه پنل، فاصله ردیف‌ها، شدت تابش و مشخصات سیستم خنک‌کاری انجام می‌شود. خروجی‌هایی مانند دمای متوسط و بیشینه سلول، شار حرارتی، توان خروجی، افت فشار و ضریب انتقال حرارت می‌توانند به‌عنوان داده آموزشی در مدل‌های یادگیری ماشین مورد استفاده قرار گیرند. شبکه‌های عصبی مصنوعی، جنگل تصادفی، تقویت گرادیانی و رگرسیون بردار پشتیبان از جمله روش‌هایی هستند که می‌توان برای ایجاد مدل‌های پیش‌بینی استفاده کرد. مدل هوش مصنوعی پس از آموزش می‌تواند به‌عنوان یک مدل جانشین سریع برای شبیه‌سازی‌های پرهزینه عمل کند. سپس الگوریتم‌های بهینه‌سازی می‌توانند با بررسی تعداد زیادی از حالت‌ها، شرایط مناسب را شناسایی کنند. برای مثال می‌توان زاویه نصب، فاصله ردیف‌ها یا شرایط خنک‌کاری را به گونه‌ای انتخاب کرد که ضمن کاهش دمای پنل، مصرف انرژی یا آب نیز کنترل شود. این رویکرد برای ایران اهمیت بیشتری دارد، زیرا شرایط مطلوب طراحی در مناطق مختلف یکسان نیست. یک سیستم بهینه برای مناطق گرم و خشک مانند یزد و کرمان ممکن است برای مناطق مرطوب یا بادخیز شمال کشور بهترین گزینه نباشد. ترکیب داده‌های اقلیمی هر منطقه با نتایج CFD و مدل‌های هوش مصنوعی می‌تواند زمینه را برای توسعه طراحی‌های متناسب با شرایط محلی فراهم کند.

تجربه کشورهای پیشرفته

در سال‌های اخیر، استفاده همزمان از شبیه‌سازی عددی، داده‌های تجربی و هوش مصنوعی در حوزه انرژی‌های تجدیدپذیر مورد توجه قرار گرفته است. مراکز تحقیقاتی و دانشگاه‌ها از CFD برای مطالعه انتقال حرارت، خنک‌کاری، بهینه‌سازی هندسی و عملکرد تجهیزات خورشیدی استفاده می‌کنند و روش‌های یادگیری ماشین نیز برای پیش‌بینی عملکرد و کاهش هزینه محاسبات به کار گرفته می‌شوند. در کنار این روند، مفاهیمی مانند دوقلوی دیجیتال، پایش هوشمند و مدل‌های پیش‌بینی مبتنی بر داده در حال توسعه هستند. اهمیت این فناوری‌ها برای ایران در امکان تطبیق آن‌ها با شرایط واقعی کشور است؛ شرایطی که شامل دمای بالا، تابش شدید، گردوغبار، محدودیت منابع آب و تفاوت قابل‌توجه اقلیمی بین مناطق مختلف می‌شود.

فرآیند شبیه‌سازی و بهینه‌سازی سیستم خورشیدی

یک پروژه کامل می‌تواند با ایجاد هندسه پنل یا نیروگاه و سپس مش‌بندی مناسب آغاز شود. در مرحله بعد، مدل‌های جریان و انتقال حرارت در انسیس فلوئنت تعریف شده و پارامترهایی مانند تابش خورشیدی، دمای محیط، سرعت و جهت باد و خواص مواد وارد می‌شوند. پس از بررسی استقلال از شبکه و اعتبارسنجی نتایج، می‌توان مجموعه‌ای از شبیه‌سازی‌های پارامتریک را اجرا کرد. در مرحله بعد، نتایج CFD به الگوریتم‌های هوش مصنوعی منتقل می‌شوند تا یک مدل پیش‌بینی‌کننده ایجاد شود. این مدل می‌تواند رابطه میان پارامترهای طراحی و خروجی‌هایی مانند دما، انتقال حرارت و توان را با سرعت بیشتری پیش‌بینی کند. در نهایت، الگوریتم بهینه‌سازی می‌تواند مناسب‌ترین ترکیب پارامترها را از میان حالت‌های مختلف انتخاب کند. این فرآیند تنها به پنل‌های فتوولتائیک محدود نیست و می‌تواند برای کلکتورهای خورشیدی، آبگرمکن‌های خورشیدی، سامانه‌های فتوولتائیک-حرارتی، نیروگاه‌های خورشیدی حرارتی و تجهیزات جانبی نیز توسعه یابد. بنابراین شبیه‌سازی فلوئنت می‌تواند از یک تحلیل ساده جریان و دما به یک فرآیند کامل شامل مدل‌سازی، اعتبارسنجی، تحلیل حساسیت، بهینه‌سازی و اتصال CFD به هوش مصنوعی تبدیل شود.

جمع‌بندی

ترکیب شبیه‌سازی فلوئنت، مدل‌سازی چندفیزیکی و هوش مصنوعی می‌تواند مسیر مناسبی برای افزایش بهره‌وری سامانه‌های خورشیدی در ایران فراهم کند. تحلیل جریان هوا، انتقال حرارت، دمای پنل، اثر باد و گردوغبار در کنار داده‌های اقلیمی، امکان بررسی دقیق‌تر طراحی را پیش از اجرای واقعی فراهم می‌کند. از سوی دیگر، الگوریتم‌های هوش مصنوعی می‌توانند زمان تحلیل حالت‌های متعدد را کاهش داده و انتخاب پارامترهای مناسب را تسهیل کنند. با توجه به تنوع اقلیمی و چالش‌هایی مانند دمای بالا، تابش شدید، گردوغبار و محدودیت آب، توسعه مدل‌های بومی مبتنی بر CFD و هوش مصنوعی می‌تواند نقش مهمی در طراحی سامانه‌های خورشیدی کارآمدتر و متناسب با شرایط مناطق مختلف کشور داشته باشد.

انتهای پیام