Sabit ve hareketli tip güneş kolektörlerinin performanslarının makine öğrenmesi algoritmalarıyla modellenmesi

Bu tez çalışmasında programlanabilir kontrol sistemi ile hareket özelliği kazandırılan havalı güneş kollektörü (HGK) ile aynı özellikte azimut açısına göre sabit HGK'nin ısıl performanslarını belirlemek için, (0.0232, 0.0322, 0.0386 kg/s) kütlesel debi değerlerinde Elazığ ili iklim şartlarında deneysel olarak test edilmiştir. Deneylerde ölçülen parametreler güneş ışınımı (I), kollektör çıkış hava hızı, kollektör çıkış, giriş, cam ve taban sıcaklıklarıdır. Deneysel veriler kullanılarak termodinamiğin I. ve II. kanunlarına göre enerji ve ekserji verim değerleri hesaplanmıştır. Hareketli HGK sisteminde (0.0232, 0.0322, 0.0386 kg/s) kütlesel debileri için ortalama enerji ve ekserji verimleri sırasıyla (%50.3, %64.5, %78.1), (%1.9, %2.28, %2.68) olarak hesaplanmıştır. Sabit HGK sisteminde (0.0232, 0.0322, 0.0386 kg/s) için ortalama enerji ve ekserji verimleri sırasıyla (%32.8, %43.43, %53.03), (%0.8, %0.96, %1.1) olarak hesaplanmıştır. Güneş ışınımının sürekli dik olarak gelmesi hareketli HGK sisteminin verimini arttırmıştır. Debi arttıkça enerji ve ekserji verimlerinin arttığı belirlenmiştir. Sabit HGK sisteminin hesaplanan ekserji verim sonuçlarını tahmin edebilmek için Yapay Sinir Ağı (YSA) ve Karar Ağacı (KA) makine öğrenmesi algoritmalarından faydalanılmıştır. Tahminsel modellerin geçerliliği için mutlak hata (MAE), kök ortalama kare hatası (RMSE), göreceli mutlak hata (RAE) ve kök göreceli mutlak hata (RRAE) istatiksel hata analizleri kullanılmıştır. Elde edilen tahminsel modellerin sonucunun, deneysel sonuçlara benzer olduğu gözlemlenmiştir. En az hata ile (RMSE 0.0564) tahminsel model oluşturan yöntem YSA algoritmasıdır.