المعهد التقني التكنولوجي

ركزت الدراسة على تحسين الكفاءة الحرارية للأنظمة الحرارية الكهروضوئية ودقتها التنبؤية باستخدام خوارزميات الذكاء الاصطناعي المتقدمة، وتحديدًا الشبكة العصبية الاصطناعية (ANN)، ونظام الاستدلال العصبي الضبابي التكيفي (ANFIS)، وآلة متجهات الصلة (RVM). جُمعت البيانات التجريبية من نظام حراري كهروضوئي باستخدام متغيرات حرجة تشمل الإشعاع الشمسي، ودرجة حرارة المدخل، وسرعة الرياح، ودرجة الحرارة المحيطة. كشف التحليل المقارن أن نموذج الشبكة العصبية الاصطناعية تفوق على الخوارزميات الأخرى، محققًا أعلى دقة تنبؤية كما اظهر نظام الاستدلال العصبي الضبابي التكيفي ونماذج آلة متجهات الصلة قدرات تنبؤية معتدلة تُبرز النتائج التي تم الحصول عليها الإمكانات التحويلية للنماذج المُدارة بالذكاء الاصطناعي، وخاصةً الشبكة العصبية الاصطناعية، في تعزيز كفاءة النظام الحراري الكهروضوئي، وبالتالي دعم أهداف الطاقة المتجددة العالمية من خلال تحسين قدرة النظام على التكيف وإنتاج الطاقة. تُعزز هذه الدراسة تحسين الطاقة المتجددة، مُوضحةً أن خوارزميات الذكاء الاصطناعي يُمكنها إدارة العلاقات المتغيرة المعقدة في الأنظمة الحرارية الكهروضوئية بفعالية.