基于人工神经网络的混合纳米流体集成太阳能水泵热性能建模与优化研究

本研究针对太阳能水泵系统热性能优化问题，开发了一种基于人工神经网络(ANN)的计算框架，通过Levenberg–Marquardt反向传播算法精确预测抛物槽式太阳能集热器(PTSC)中二硫化钼(MoS2)和氧化锌(ZnO)混合纳米流体的热工水力特性。研究建立了包含多孔介质效应、热辐射、粘性耗散和纳米颗粒形状因子的耦合双相流模型，采用MATLAB bvp4c求解器进行数值求解。结果表明该ANN框架为太阳能水泵系统提供了高效的预测和优化工具，推动了可持续高效可再生能源技术的发展。

　　

近年来，随着全球对清洁能源需求的不断增长，太阳能热利用技术受到了广泛关注。特别是在太阳能水泵领域，如何提高系统的热效率成为了研究人员面临的重要挑战。传统的太阳能热收集器通过固体表面吸收太阳能，然后通过传导将热量传递给工作流体，但在这个过程中，大量热量会损失到周围环境中。为了解决这一问题，直接吸收式纳米流体应运而生——通过将纳米颗粒分散到工作流体中，实现太阳能的体积吸收，从而增强热捕获并最小化损失。

在这一背景下，混合纳米流体作为一种新型先进传热流体崭露头角，与传统单颗粒纳米流体相比，它们具有更优异的热物性。其中，Prandtl–Eyring流体因其非牛顿行为和有效捕捉剪切稀化效应的能力而备受关注。当与二硫化钼(MoS₂)和氧化锌(ZnO)等混合纳米颗粒结合时，形成的Prandtl–Eyring混合纳米流体在导热性和能量传输特性方面表现出显著改善。

然而，现有的研究大多集中在单相流分析上，对于考虑不同纳米颗粒形状因子的Prandtl–Eyring混合纳米流体双相分析尚未见报道。此外，含尘流体（由携带悬浮固体颗粒的基础流体组成）在许多工程和环境应用中具有重要意义，其独特的双相性质会影响动量和热量传递。将含尘流体与混合纳米流体相结合，为太阳能水泵和抛物槽式太阳能集热器等先进能源系统中增强热性能提供了一种有前景的方法。

为了应对这些挑战，来自巴基斯坦费萨拉巴德政府学院大学数学系的研究团队开展了一项创新性研究，开发了一种基于人工神经网络(ANN)的计算框架，用于优化混合纳米流体驱动的太阳能水泵系统的热性能。该研究成果发表在《Journal of Radiation Research and Applied Sciences》上。

研究人员采用了几项关键技术方法：首先建立了包含多孔介质效应、热辐射、粘性耗散和纳米颗粒形状因子的耦合双相流数学模型；其次使用相似变换将控制非线性偏微分方程简化为常微分方程；然后采用射击法结合MATLAB bvp4c求解器进行数值求解，生成ANN的训练和测试数据集；最后利用Levenberg–Marquardt反向传播算法训练和验证ANN模型，实现对不同操作条件下热力和流动特性的精确预测。研究还考虑了四种不同形状的纳米颗粒（球形、叶片形、砖形和圆柱形）对流体热物性的影响。

数学模型建立与简化

研究人员建立了Prandtl–Eyring含尘混合纳米流体的二维电磁辐射层流模型，考虑了热源/汇的影响。流动是由于水平旋转板通过不均匀膨胀的非均匀速度产生的，分离温度由壁面温度、环境温度和热变化率决定。通过引入适当的相似变换，将控制方程转化为无量纲形式，大大简化了求解过程。

纳米颗粒形状效应分析

研究详细分析了不同形状纳米颗粒（球形、叶片形、砖形和圆柱形）对混合纳米流体动态粘度和导热性的影响。结果表明，随着颗粒浓度的增加，混合基纳米流体的动态粘度增强。实际上，具有球形颗粒的混合纳米流体表现出最大的动态粘度，其次是叶片形、砖形和圆柱形颗粒。同时，混合纳米流体和单纳米流体的导热性都随着纳米颗粒体积分数的增加而增强。

参数影响研究

通过系统的参数研究，研究人员发现了多个重要规律：增加孔隙率会降低两相中的速度，而较高的流体参数值会增强速度梯度但降低粉尘相温度；更强的流体-颗粒热相互作用会降低流体相温度同时增加粉尘相温度。具体来说，多孔渗透性参数的增大会导致流动阻力增加，从而降低混合纳米流体和粉尘相的流速；流体参数的增大意味着流体有效粘度的相对降低，从而促进更大的流体运动；粉尘颗粒质量浓度的增加会增加额外的惯性和流动阻力。

ANN模型性能验证

研究开发的LMT-ABPNN（Levenberg-Marquardt技术-自适应反向传播神经网络） solver在不同情况下都表现出优异的性能。对于多孔渗透性参数案例，最佳网络性能在91个epoch时达到，MSE为6.59274×10^-7；对于质量浓度参数案例，在68个epoch时MSE达到1.35678×10^-9；对于体积分数参数案例，在202个epoch时MSE为1.08851×10^-10；对于热辐射参数案例，在79个epoch时MSE为3.66889×10^-11。所有这些值都表明误差很小，模型准确性很高。

热性能优化结果

研究结果显示，热Biot数的增加显著改善了混合纳米流体的温度分布，同时提高了Nusselt数（表征对流换热性能的无量纲数）。热源参数和热辐射参数的增大都导致两相温度分布的显著上升，这是由于增加了可用于传导和对流的能量。特别值得注意的是，纳米颗粒体积分数的增加通过悬浮纳米颗粒提供的优异热导率改善了散热效果。

本研究成功开发并验证了一种基于ANN的优化框架，用于提高混合纳米流体集成太阳能水泵系统的热性能。研究的创新之处在于首次对考虑不同纳米颗粒形状因子的Prandtl–Eyring混合纳米流体进行了双相分析，建立了完整的数学模型并通过ANN实现了精确预测。

研究结果表明，通过合理选择操作参数和纳米颗粒特性，可以显著提高太阳能水泵系统的热效率。特别是，增加纳米颗粒浓度、优化颗粒形状设计、调整流体-颗粒相互作用参数等措施都能有效改善系统性能。开发的ANN模型为太阳能热系统的设计和优化提供了强大工具，能够准确预测不同条件下的热工水力特性。

这项研究的重要意义在于为可再生能源技术的高效化发展提供了新思路和方法。不仅为解决太阳能水泵系统的热性能优化问题提供了具体方案，而且建立的数学模型和ANN框架可推广到其他能源系统的优化设计中。特别是在离网和偏远地区的水资源管理方面，这种智能、节能和可持续的解决方案具有重要的应用价值。

此外，研究中对纳米颗粒形状效应的详细分析为纳米流体的设计提供了重要指导，而对双相流相互作用的深入理解也为相关多相流系统的研究奠定了基础。这些研究成果将推动太阳能热利用技术的进一步发展，促进清洁能源的更广泛应用，为实现碳中和目标提供技术支持。