Performance Prediction Of Vertical Type Ground-Sourca Heat Pump Via Artificial Neural Network For Summer Season In Ankara

Abstract

A vertical type ground-source heat pump having depth of 40 m has been set up to be cooled a space in the present study. Energy analysis of the set up system was determined for cooling season as a function of depth. Coeffient of performances of heat pump (COPHP) and the whole system (COPsystem) were calculated as 3,12 and 2,81 for cooling season, respectively. Coefficent of performances obtained from the experiments have been modelled via artifical neural network by using Levenberg-Marquardt (LM) back propagation learning algorithm and Fermi transfer function. R², RMSE and MAPE values were predicted for cooling season data. It can be concluded that coeffient of performaces of the system will be accurately predicted by this modelling for different cooling conditions.  

Keywords

• Heat pump,refrigation,YSA

Düşey Tip Toprak Kaynaklı Isı Pompasının Yapay Sinir Ağları İle Ankara Şertlarında Yaz Mevsimi İçin Performans Tahmini

Abstract

Bu çalışmada, 40 m sondaj derinliğine sahip düşey tip toprak kaynaklı bir ısı pompası bir mahalin soğutulması için kurulmuştur. Kurulan sisteminin enerji analizi sondaj derinliğinin fonksiyonu olarak soğutma sezonu için belirlenmiştir. Soğutma mevsimi için ısı pompasının performans katsayısı COP_ıp ve sistemin COP_sis değerleri ise sırasıyla 3,12 ve 2,81 olarak hesaplanmıştır. Ayrıca deneylerden elde edilen sistemin performans değerleri Levenberg-Marquardt (LM) geri yayılım öğrenme algoritması ve Fermi transfer fonksiyonu kullanılarak yapay sinir ağları (YSA) ile modellenmiştir. Soğutma mevsimi dataları için R², RMSE ve MAPE değerleri 0.997, 0.000242, 0.008643 olarak bulunmuştur. Böylece, farklı soğutma şartları için bu modelleme ile sistemin performansı başarılı bir şekilde analiz edilebilir.

Keywords

• Isı pompası,soğutma,YSA

References

1. KAYNAKLAR (REFERENCES)
2. [1] Hary, J. and Ronald, H., “ Heat Pups Systems”, John Wiley & Sons, New York,(1983).
3. [2] Calm, J.M., “Heat Pump”, Ashrae Journal, (90): 40-44 (1984).
4. [3] Ataman, H., “Toprak Kaynaklı Bir Isı Pompası Testinin Tasarımı ve Optimizasyonu”, Yüksek Lisans Tezi, İstanbul Teknik Üniversitesi Fen Bilimler Enstitüsü, 1-15 (1991).
5. [4] Ersöz, İ., " Toprak Kaynaklı Isı Pompası ile Bir Hacmin Soğutulması", Yüksek Lisans Tezi, Ege Üniversitesi Fen Bilimleri Enstitüsü, İzmir, 10-11 (2000).
6. [5] Becthler H, Browne MW, Bansal PK, Kecman V “ New approach to dynamic modelling of vapour-compression liquid chillers: artificial neural networks. Applied Thermal Eng 21(9):941–953(2001).
7. [6] Kıncay, O., Temir, G., “Toprak Kaynaklı Isı Pompalı Sistemlerin Ekonomik İncelenmesi”, Tesisat Mühendisliği Dergisi, 31-37 (2002).
8. [7] Swider DJ “A comparison of empirically based steady-state models for vapour-compression liquid chillers.” Applied Thermal Eng 23(5):539–556 (2003)

9. [8] Arcaklıoglu E., “Performance comparison of CFCs with their substitutes using artificial neural network.” Int J Energy Res 28(12):1113–1125 (2004)
10. [9] Ceylan, İ., Aktaş, M., Doğan, H. “ Isı Pompalı Kurutma Odasında Elma Kurutulması”, Isı Bilimi Ve Tekniği Dergisi, (25), 9-14 (2005).
11. [10] Ertunc HM, Hosoz M “ Artificial neural network analysis of a refrigeration system with an evaporative condenser” Applied Thermal Eng 26(5–6):627–635(2006)
12. [11] Özgener, Ö. and Hepbaşlı, A. " A Parametrical Study On The Energetic and Exergetic Assessment of A Solar-Assisted Vertical Ground-Source Heat Pump System Used For Heating A Greenhouse", Building And Environment, 42: 11-24 (2007).
13. [12] Ünlü, K., Çoksun, S. ve Yamankaradeniz, N., “Bursa İli Şartlarında Toprak Kaynaklı Isı Pompası İle Isıtma Uygulaması”, ULIBTK’07 16. Ulusal Isı Bilimi ve Tekniği Kongresi, 30 Mayıs-2 Haziran, Kayseri, 460-68 (2007).
14. [13] Yilmaz S, Atik K “Modeling of a mechanical cooling system with variable cooling capacity by using artificial neural network.” Applied Thermal Eng, 27:2308–2313(2007)[14] Ertunc HM, Hosoz M “Comparative analysis of an evaporative condenser using artificial neural network and adaptive neuro-fuzzy inference system. “Int J Refrig 31:1426–1436 (2008)
15. [15] Benli, H., and Durmuş, A. " Evaluation Of Ground-Source Heat Pump Combined Latent Heat Storage System Performance İn Greenhouse Heating", Energy and Buildings, (41), 220-228 (2009).
16. [16] Acar, Ş.G., “Denizli Havzasındaki Jeolojik Formasyonlarda Sıcaklık Ve Isı Depolama Kapasitesi Değişiminin İncelenmesi ve Isı Pompası Uygulamalarının Araştırılması”, Doktora Tezi, Pamukkale Üniversitesi Fen Bilimleri Enstitüsü, Denizli, 1-15 (2009).
17. [17] Esen H, Ozgen F, Esen M, Sengur A” Artificial neural network and wavelet neural network approaches for modelling of a solar air heater.” Expert System Appl 36:11240–11248 (2009)
18. [18] Elbir A., “Toprak Kaynaklı Isı Pompasının Termodinamik Analizi”, Yüksek Lisans Tezi, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü, Isparta, 1-15 (2010).
19. [19] Sun W, Hu P, Lei F, Zhu N, Jiang Z (2015) Case study of performance evaluation of ground source heat pump system based on ANN and ANFIS models. Applied Thermal Eng 87:586–594
20. [20] Şefik, S., Aktaş, M., ÖZDEMİR, M. B., Doğan, H.,” Modeling of drying behaviors of mushroom in a solar assisted heat pump dryer by using artificial neural network.” Journal of Agricultural Sciences, 20(187-202) (2014)