Bu
çalışmada güneş enerjisi destekli bir kurutma sistemi tasarlanarak elma
kurutulmuştur. Kurutma deney verilerinden kuru baz nem içeriği (MCd),
ayrılabilir nem oranı (MR),kurutma hızı (DR) ve konvektif ısı transfer katsayısı
(hc) değerleri hesaplanmıştır. Açık havada
güneş altında kurutma ile güneş enerjisi destekli kurutma sisteminde
yapılan elma kurutma işleminin kurutma performansları karşılaştırılmıştır. Sistem
ile kurutulan elmanın normal şartlarda güneş altında kurutmaya göre daha
avantajlı olduğu sonucuna ulaşılmıştır. Kurutma deneylerinde güneş
enerjisi destekli kurutma sisteminde elmanın hc değerleri 15.5 – 13.5 (W/m² °C)
arasında hesaplanmıştır. Güneş enerjisi destekli kurutma sisteminde yapılan deney
çalışmalarından elde edilen hc değerleri için yapay sinir ağı (YSA)
kullanılarak tahminsel bir model oluşturulmuştur. Uygulanan YSA ile tahminsel
hc değerleri gösterilmiştir. Elde edilen tahminsel modelin geçerliliğini
belirlemek için, ortalama kareli hata (MSE), kök ortalama karesel hata (RMSE)
ve bağıl mutlak hata (RAE) analizleri yapılmıştır. Sonuç olarak hc değerleri
için tahminsel bir model elde edilmiştir ve güneş enerjisi destekli kurutma
sistemi daha verimli bir kurutma gerçekleştirmiştir.
In this study, a solar energy assisted drying system was designed and the apples were dried. Dry base moisture content (MCd), removable moisture content (MR), drying rate (DR) and convective heat transfer coefficient (hc) values were calculated from the drying experiments. The drying performances of the apple drying process in the open air under the sun and the solar energy assisted drying system were compared. It has been achieved that the system-dried hand is more advantageous than under the sun in normal conditions. In the drying experiments, the hc values of the hands were calculated between 15.5 - 13.5 (W / m² ° C) in the solar energy assisted drying system. For the hc values obtained from the experiment works done in the solar energy supported drying system, an predictive model was created by using artificial neural network (YSA). Estimated hC values are shown with the applied YSA. Mean squared error (MSE), root mean square error (RMSE) and relative absolute error (RAE) analyzes were performed to determine the validity of the predicted model obtained. As a result, a predictive model for hC values has been obtained and the solar energy assisted drying system has resulted in more efficient drying.
Solar Energy Drying Artificial Neural Network Collective Heat Transfer Coefficient Solar Collector
Primary Language | Turkish |
---|---|
Subjects | Engineering |
Journal Section | Articles |
Authors | |
Publication Date | June 27, 2018 |
Submission Date | May 21, 2018 |
Published in Issue | Year 2018 Volume: 2 Issue: 1 |