Predecir el rendimiento de un calentador de agua solar (SWH) es un reto debido a la complejidad del sistema. Afortunadamente, el aprendizaje automático basado en el conocimiento puede proporcionar un método de predicción rápido y preciso del rendimiento de los SWH. Con el poder de predicción de los modelos de aprendizaje automático, podemos resolver una cuestión más difícil: ¿cómo diseñar de forma rentable un SWH de alto rendimiento? En este artículo resumimos nuestros estudios recientes y proponemos un marco general para el diseño de CSA mediante un método de cribado de alto rendimiento (HTS) basado en el aprendizaje automático. El diseño de un calentador de agua solar de tubo de vacío con agua en vidrio (WGET-SWH) se selecciona como caso de estudio para mostrar el potencial de aplicación del HTS basado en aprendizaje automático al diseño y optimización de sistemas de energía solar.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Control en cascada de sistemas fotovoltaicos conectados a la red mediante PID de orden fraccionario basado en TLBO
Video:
NGS 2013 - Durabilidad a largo plazo y predicción de desempeño de módulos fotovoltaicos - Dr. Geoffrey Kinsey
Artículo:
Rendimiento óptico anual de un fotorreactor solar CPC con múltiples configuraciones de soporte de catalizador mediante un modelo multiescala
Artículo:
Investigación electroquímica del dióxido de titanio dopado
Artículo:
Preparación de nanotubos de NiO/TiO2 de unión p-n mejorada para la fotocatálisis de luz impulsada por energía solar
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala