Ημερολόγιο Εκδηλώσεων

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ

ΣΧΟΛΗ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ

Ονοματεπώνυμο:   Παπανικόλας Αλέξανδρος

Αριθμός Μητρώου: 2013010046

Θέμα

Τίτλος στα Ελληνικά:            Θερμική Μοντελοποίηση και Προσομοίωση Ηλιακού Συλλέκτη

Τίτλος στα Αγγλικά:            Thermal modeling and simulation of solar collector

Επιτροπή:

Επιβλέπων: Γεώργιος Αραμπατζής, Επίκ. Καθηγητής

Πρώτο Μέλος: Σπύρος Παπαευθυμίου, Αναπλ. Καθηγητής

Δεύτερο Μέλος: Μιχαήλ Κονσολάκης, Αναπλ. Καθηγητής

Περίληψη της εργασίας στα Ελληνικά:          

Οι ηλιακοί συλλέκτες μπορούν να δώσουν μία χρήσιμη και εύκολη λύση στις θερμικές απαιτήσεις των κτιρίων, όπως η θέρμανση οικιακού νερού. Εκτός από εφαρμογές στη θέρμανση, υπάρχει επίσης ανάγκη να ικανοποιηθεί η αυξανόμενη κατανάλωση ενέργειας λόγω του κλιματισμού κατά τους καλοκαιρινούς μήνες. Οι συλλέκτες έρχονται να καλύψουν αυτή την ανάγκη, εκμεταλλευόμενοι την πράσινη ενέργεια της ηλιακής ακτινοβολίας.

Κύριος άξονας της παρούσας διπλωματικής εργασίας αποτελεί η μαθηματική και υπολογιστική μοντελοποίηση και προσομοίωση ενός επίπεδου ηλιακού συλλέκτη με στόχο την παραμετρική ανάλυση του καθώς και την ανάλυση ρίσκου σχετικά με τις αβέβαιες καιρικές μεταβλητές.

Ξεκινώντας με το 1ο Κεφάλαιο γίνεται εισαγωγή των δύο κατηγοριών ηλιακού συλλέκτη, των συγκεντρωτικών και των μη συγκεντρωτικών. Αναλυτικότερα, αναφέρονται οι πέντε κατηγορίες συγκεντρωτικών με μια σύντομη περιγραφή τους και στη συνέχεια γίνεται εκτενέστερη αναφορά στα δύο είδη μη συγκεντρωτικών, τους επίπεδους συλλέκτες και τους συλλέκτες κενού. Τέλος παρουσιάζονται τα είδη μοντέλων επεξηγώντας την χρησιμότητα της κάθε μοντελοποίησης.

Στη συνέχεια στο Κεφάλαιο 2ο παρατίθεται η μαθηματική μοντελοποίηση του ηλιακού συλλέκτη. Πιο συγκεκριμένα παρουσιάζονται οι μαθηματικές εξισώσεις και διαδικασίες εύρεσης, του συντελεστή ολικών θερμικών απωλειών, των παραγόντων απόδοσης, θερμικής απολαβής και ροής καθώς και τον βαθμό απόδοσης του συλλέκτη.

Στο 3ο Κεφάλαιο παρουσιάζεται και επεξηγείται ο υπολογιστικός κώδικας που προγραμματίστηκε στο πρόγραμμα Matlab. Ο κώδικας δέχεται σαν είσοδο δεδομένα (χαρακτηριστικά του συλλέκτη και καιρικές μεταβλητές) και επιστρέφει σαν αποτελέσματα μεταβλητές που αναφέρθηκαν στο προηγούμενο κεφάλαιο με πιο σημαντικό τον βαθμό απόδοσης του συλλέκτη. Επιπρόσθετα στο παρόν κεφάλαιο παρουσιάζεται ο έλεγχος εγκυρότητας του προγράμματος. Με απλά λόγια για την επιβεβαίωση της σωστής λειτουργίας του προγράμματος χρησιμοποιούνται δεδομένα και αποτελέσματα έγκυρης πηγής, όπου τα δεδομένα εισάγονται στο πρόγραμμα της διπλωματικής και τα αποτελέσματα που επιστρέφονται συγκρίνονται με αυτά της πηγής.

Στο προτελευταίο, κεφάλαιο 4ο, γίνεται εστίαση στην βελτιστοποίηση παραμέτρων του συλλέκτη. Αρχικά παρουσιάζονται διαγράμματα συμπεριφοράς των παραμέτρων που μας ενδιαφέρουν σε σχέση με τον βαθμό απόδοσης. Στη συνέχεια διεξάγεται ανάλυση παλινδρόμησης με σκοπό να παρουσιαστεί αριθμητικά η σειρά κατάταξης των παραμέτρων ως προς την μεταβολή που προκαλούν στον βαθμό απόδοσης . Στο τέλος του κεφαλαίου γίνεται ανάλυση ρίσκου στις αβέβαιες καιρικές μεταβλητές με εφαρμογή της μεθόδου Monte Carlo. Αυτό επιτυγχάνεται εισάγοντας γεννήτριες τυχαίων μεταβλητών που ακολουθούν κατανομές σχετικές με την κάθε μεταβλητή και επαναλαμβάνοντας τον κώδικα πολλές φορές. Τα αποτελέσματα συλλέγονται, εξετάζονται και ομαδοποιούνται σε συστάδες, στη συνέχεια υπολογίζεται η μέση τιμή τους, η κατανομή τους καθώς και η πιθανότητα της κάθε συστάδας. Τέλος παρουσιάζεται διάγραμμα σύγκλισης για την εξακρίβωση της σύγκλισης της τιμής ανάλογα με τον αριθμό των επαναλήψεων του κώδικα.

Εν κατακλείδι  στο 5ο Κεφάλαιο, με βάση τα αποτελέσματα που παρουσιάστηκαν στις παραπάνω ενότητες  συνοψίζονται εδώ οι σημαντικότερες παρατηρήσεις και συμπεράσματα  που εξήχθησαν από αυτές.

Περίληψη της εργασίας στα Αγγλικά:          

Solar panels can provide a useful and easy solution to the thermal requirements of a building, such as home water heating. In addition to heating applications, there is also a need to satisfy the increasing energy consumption due to air conditioning during the summer months. Collectors fulfill this need, taking advantage of the green energy of solar radiation.

The main focus of this thesis is the mathematical and computational modeling and simulation of a flat plate solar collector for the purpose of parametric analysis as well as risk analysis of uncertain weather variables.

Starting with Chapter 1, the two categories of solar collectors are introduced (concentrated and non-concentrated solar collectors). In detail, the five categories of concentrated solar collectors are listed with a brief description of them, and then a more extensive reference is made to the two types of non-concentrated solar collectors, the flat collectors and the vacuum collectors. Finally, the different types of models are presented illustrating the utility of each modeling.

Then, in Chapter 2, the mathematical modeling of the solar collector is presented. More specifically, the mathematical equations and procedures of finding, the coefficient of total heat loss, the factors of efficiency, heat gain and flow, as well as the efficiency of the collector are presented.

Chapter 3 presents and explains the computational code programmed in the program Matlab. The program code accepts data as input (collector characteristics and weather variables) and returns as variables the results mentioned in the previous chapter, most importantly the efficiency of the collector. In addition to this chapter, the program validity check is presented. In order to verify that the program is working properly, valid source data and results are used, where the data is entered into the thesis program and the returned results are compared with the results from the source.

The penultimate chapter 4 focuses on collector parameter optimization. Initially diagrams of behavior of the parameters we are interested in regarding the degree of performance are presented. A regression analysis is then carried out in order to give a numerical order of the parameters causing change in the efficiency. At the end of the chapter, risk analysis is performed on uncertain weather variables using the Monte Carlo method. This is achieved by introducing random variable generators that follow distributions related to each variable and repeating the code multiple times. The results are collected, examined and grouped into clusters, then their average value, distribution and probability of each cluster are calculated. Finally, a convergence diagram is presented to determine the convergence of the value according to the number of code repeats.

In conclusion in Chapter 5, are summarized the most important observations and conclusions drawn from the results presented in the sections above.

​​​​​​​Ημερομηνία Εξέτασης

Ημέρα/Μήνας/Έτος: 29/11/2019

 Ώρα: 12:00

​​​​​​​Χώρος Εξέτασης

Αίθουσα: Δ3.005, Αίθουσα Πολλαπλών Χρήσεων Σχολής ΜΠΔ

Κτίριο: Δ3 (Κτίριο ΜΠΔ)