Exploración en el dimensionamiento de sistemas de energía solar térmica para acs usando redes neuronales artificiales.

• Luisa Fernanda Sánchez ^[1] ; Luis Octavio González Salcedo ^[1]
  1. [1] Universidad Nacional de Colombia

     Universidad Nacional de Colombia

     Colombia

     
• Localización: Ciencia y Tecnología: Revista de la Universidad de Costa Rica, ISSN 0378-052X, Vol. 37, Nº. 1, 2021, págs. 1-8
• Idioma: español
• Títulos paralelos:
  • Exploration in the dimensioning of solar thermal energy systems for acs using artificial neuronal networks
• Enlaces
  • Texto completo
• Resumen
  • español

    Para el calentamiento de agua con energía solar, se usan sistemas térmicos que incluyen el uso de colectores solares siendo los más comunes para este tipo de aplicación, los colectores de placa plana. El proceso de diseño del sistema térmico involucra entre otros aspectos, el dimensionamiento del área de la superficie colectora, la cual se determina a partir de las condiciones ambientales, condiciones de energía solar disponible, ubicación geográfica, condiciones de colocación del colector, demanda de agua, y características de fabricación del colector; y protocolos de diseño que están estandarizados. En el presente trabajo se explora el uso de redes neuronales artificiales como herramienta tecnológica en el dimensionamiento del área colectora. Para evaluar la confiabilidad en la estimación se usó como indicador de desempeño, el factor de correlación lineal R. Los resultados muestran que la estimación usando la técnica elaborada es confiable y puede ser usada de manera generalizada

  • Multiple

    Thermal systems that include the use of solar collectors are used for heating water with solar energy. The most common collector for this type of applicationisthe flat plate collector. The thermal system design process involves, among other aspects, the dimensioning of the collector surface area, which is determined from environmental conditions, available solar energy conditions, geographical location, collector placement conditions, thewater demand, and manufacturing characteristics of the collector; as well asdesign protocols that are standardized. In the present work the use of artificial neural networks as a technological tool in the dimensioning of the collecting area is explored. To evaluate the reliability of the estimation, the linear correlation factor R was used as a performance indicator. The results show that the estimation using the elaborated technique is reliable and can be used in a generalized way