Infohab

Mais informações

Zárate, Luis et al. Representação e análise da sensibilidade de coletores solares via redes neurais artificiais. In: CONGRESSO BRASILEIRO DE ENERGIA SOLAR, 2007, Fortaleza. Anais... Fortaleza: ABENS, 2007.

Clique no nome do(s) autor(es) para ver o currículo Lattes:

ZÁRATE L.

Dados do autor na base InfoHab:

Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)

Citações: Nenhuma citação encontrada

Índice h: Indice h não calculado

Co-autores: Nenhum co-autor encontrado

COELHO WAGNER

Dados do autor na base InfoHab:

Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)

Citações: Nenhuma citação encontrada

Índice h: Indice h não calculado

Co-autores: Nenhum co-autor encontrado

GIL VICTOR

Dados do autor na base InfoHab:

Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)

Citações: Nenhuma citação encontrada

Índice h: Indice h não calculado

Co-autores: Nenhum co-autor encontrado

PEREIRA ELIZABETH

Dados do autor na base InfoHab:

Número de Trabalhos: 2 (Nenhum com arquivo PDF disponível)

Citações: Nenhuma citação encontrada

Índice h: Indice h não calculado

Co-autores: Nenhum co-autor encontrado

ASSIS JORGE

Dados do autor na base InfoHab:

Número de Trabalhos: 1 (Nenhum com arquivo PDF disponível)

Citações: Nenhuma citação encontrada

Índice h: Indice h não calculado

Co-autores: Nenhum co-autor encontrado

Resumo

Desde a apresentação dos coletores solares como um meio alternativo de produção de energia, muitas pesquisas vêm trabalhando com esses sistemas. Os coletores solares são extremamente influenciados pelos parâmetros de operação: temperatura ambiente (Tamb), temperatura de entrada da água (Te), radiação solar (Rad) e, principalmente, pelo seu processo de fabricação. Esses parâmetros são importantes para se conhecer a qualidade e a eficiência de um coletor solar específico. A eficiência desses sistemas pode ser modificada pelo seu modo de fabricação e essa condição não é considerada em modelos matemáticos de coletores. Na classificação dos coletores solares, é importante saber como Tamb, Te e Rad influenciam na temperatura final de saída da água (Ts) (extremamente associada à eficiência do sistema) de cada um dos coletores considerados. Essas influências podem ser obtidas através da análise da sensibilidade dos parâmetros com relação à Ts. Por outro lado, devido à sua facilidade em resolver problemas não lineares, baseados em dados reais, neste artigo, Redes Neurais Artificiais (RNA) são propostas como um meio alternativo de representar e comparar coletores solares. Logo, através de diferenciações de uma rede neural previamente treinada, os fatores de sensibilidade podem ser obtidos. Os fatores de sensibilidade mostram o quanto os parâmetros de entrada influenciam nas variáveis de saída. Neste artigo, análise de sensibilidade através de RNA, a comparação e a classificação de coletores solares são aplicadas e discutidas.

Abstract

Since solar collectors have been presented as an alternative way of energy producing, many researches have been working with these systems. The solar collectors are greatly influenced by the operation parameters: ambient temperature (Tamb), input water temperature (Te), solar irradiance (G) and mainly by manufacture process. Those parameters are important in order to know the quality and the efficiency of a specific solar collector. The efficiency of those systems can be influenced by manufacture process and this condition is not considered in mathematical models of collectors. By other hand, due its facility in solving nonlinear problems, experimental data based, in this paper, Artificial Neural Networks (ANN) have been proposed as alternative to represent and to compare solar collectors. In the classification of solar collectors, is important to know how Tamb, Tin, G influence the output water temperature (Ts) (strongly associated to the system efficiency) for each collector considered. These influences may be obtained through the sensitivity analysis of the parameters in relation to Tout. So, through differentiation of a previously trained net, the sensitivity factors can be obtained. The sensitivity factors show how much the input variables influence the output variables. In this paper, the sensitivity analysis via ANN, to compare and classify solar collectors is applied and discussed.

-