机构名称：
¥ 1.0
由于全球表面温度，人口增长，更快的城市化和收入增长的增长，冷却需求的指数增加发生在过去几年中。由于这些冷却驱动因素的影响更大，发展中国家正面临重大问题。常规的蒸气压缩系统是能量的，并且涉及危险的化学物质。目前的论文提出了一种创新的间接蒸发冷却系统，具有较高的能量性能，更少的排放和无化学的操作。为了绘制全面的性能，开发了一个原型，并在各种外部空气条件下进行了测试。然后开发了基于人工神经网络（ANN）的机器学习模型，其中包含重要的输入参数，包括室外空气温度，空气流量比，工作空气温度和空气湿灯泡温度，以预测供应空气温度。隐藏层中具有九个神经元的ANN模型表现出出色的建模性能（r 2）值（r 2）值约1，均方根误差分别为0.046°C，0.06℃和0.06℃，分别在训练，测试和验证阶段中。一次（OFAT）技术一次由一个因素进行的可变显着性分析表明，工作进气温是预测供应温度的最重要参数，其显着性因子为33％。根据合并的实验和ML模型，所提出的系统在48℃的室外空气中产生了130 W的冷却CA的能力，并将温度下降超过20℃。所达到的相应性能系数（仅用于冷却）为32。还表明，增强的IEC在30至48℃的环境温度下稳定运行，并在Ashrae-55和ISO7730的舒适区内保持空气温度。
能源转换和管理-UCL Discovery
主要关键词
相关文件推荐
