Resumen

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.

• Materias:Energía solar Fotoquímica Fotocatálisis Nanoestructuras Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Nanostructures Photoelectric effect
• Palabras claves:calentador de agua solar, aprendizaje automático, modelos de aprendizaje automático, método de predicción preciso, sistemas de energía solar, hts, swh, diseño de swh, rendimiento de swh, estudio de caso
• Keywords:solar water heater, machine learning, machine learning models, precise prediction method, solar energy systems, hts, swh, swh design, swh performance, case study