DOI: https://doi.org/10.1038/s41598-025-34564-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41571786
تاريخ النشر: 2026-01-22
المؤلف: Roba Tarek AbdelFatah وآخرون
الموضوع الرئيسي: أنظمة الطاقة الشمسية الحرارية والفوتوفولطية
نظرة عامة
تتركز هذه البحث على تطوير وتحسين جامع الأنابيب المقعرة متعدد المراحل (MPTC) لأنظمة تسخين المياه بالطاقة الشمسية، بهدف تحسين الكفاءة الحرارية والقدرة على التكيف مع الظروف البيئية المتغيرة. تنقسم الدراسة إلى ثلاث مراحل رئيسية: أولاً، يتم إنشاء نموذج رياضي يعتمد على الزمن لتحليل السلوك الحراري والديناميكي للنظام، مع الأخذ في الاعتبار عوامل مثل امتصاص الحرارة وفقدان الطاقة. ثانياً، يتم تصميم وحدة تحكم متناسبة-تكاملية-مشتقة (PID) محسّنة باستخدام خوارزمية جينية (GA) وتقنيات تحسين سرب الجسيمات (PSO)، والتي تتفوق على الطرق التقليدية في إدارة غير الخطيات والاضطرابات في العالم الحقيقي. أخيراً، يتم تصنيع واختبار نموذج أولي لـ MPTC، مما يؤدي إلى كفاءة حرارية تبلغ 16.2% وخطأ في درجة الحرارة في الحالة المستقرة يبلغ 1.111%، مما يثبت دقة النموذج مقابل مخرجات المحاكاة.
تشير النتائج إلى أن وحدة التحكم المعتمدة على GA تحقق خطأ في الحالة المستقرة أقل يبلغ 0.0000425% ووقت استقرار أسرع يبلغ 13 دقيقة مقارنة بـ PSO، الذي لديه وقت استقرار يبلغ 14 دقيقة وفعالية أكبر قليلاً في تطبيقات التخزين الحراري. تظهر كلا الوحدتين تحكمًا مشابهًا، لكن GA تظهر استجابة محسّنة للظروف الديناميكية. تبرز الدراسة الحاجة إلى دمج نمذجة الرياح القوية وعوامل بيئية أخرى في المحاكاة المستقبلية لتعزيز دقة نماذج الأداء الحراري. بشكل عام، يوفر هذا البحث إطارًا شاملاً لتحسين أنظمة تسخين المياه بالطاقة الشمسية، مقترحًا أن تركز الأعمال المستقبلية على تحسين الإعدادات التجريبية لعزل التأثيرات البيئية بشكل أفضل وتحسين أداء النظام.
طرق
تم تصميم الإعداد التجريبي لاختبار نموذج MPTC بدقة لتقييم أداء وقدرات التحكم في سخان الشمس. تشمل المكونات الرئيسية للنظام جامع (عاكس)، وامتصاص (أنبوب استقبال)، وخزان تخزين حراري، ومضخة تعمل بناءً على قراءات حساسات الحرارة. يتم تفصيل هذه المكونات في الجدول 1. يتم تمثيل التكوين التجريبي بصريًا في الشكل 9، بينما يوضح الشكل 10 التنفيذ الفعلي للإعداد.
أُجريت التجارب في جامعة النيل في الشيخ زايد، الجيزة، مصر، بين ديسمبر 2024 ويناير 2025. يتيح هذا الإطار الزمني تقييمًا شاملاً لكفاءة سخان الشمس والتحكم التشغيلي تحت ظروف بيئية متغيرة.
نتائج
تقارن نتائج الدراسة أداء خوارزمية جينية (GA) وتحسين سرب الجسيمات (PSO) في ضبط معلمات وحدة التحكم PID لنظامين: MPTC وخزان MPTC. أسفر الضبط اليدوي لوحدات التحكم PID عن أوقات استقرار سريعة ولكن نتج عنه تجاوز كبير، حيث وصلت القيم إلى 58.3% لـ MPTC و45.45% لخزان MPTC. بالمقابل، أنتج PSO وحدة تحكم أكثر عدوانية مع زيادة أكبر في الكسب النسبي ($K_p$)، مما أدى إلى استجابات أسرع، بينما حققت GA دقة متفوقة مع خطأ في الحالة المستقرة يبلغ $0.0000425\%$ لـ MPTC، مما يترجم إلى انحراف في درجة الحرارة أقل من $0.01 \, °C$. بالنسبة لخزان MPTC، أسفرت كلا طريقتي التحسين عن أداء مشابه، على الرغم من أن وقت استقرار PSO كان أسرع، مما يجعله أكثر ملاءمة للتطبيقات التي تتطلب تعديلات حرارية سريعة.
سلطت النتائج التجريبية الضوء على تأثير الظروف البيئية على كفاءة النظام، خاصة خلال أشهر الشتاء عندما كانت درجات الحرارة المحيطة المنخفضة (15-18 °C) تقيد الأداء. زادت سرعة الرياح، التي تتراوح بين 6 و10 م/ث، من فقدان الحرارة الحملية بنسبة 15-22%، مما أدى إلى درجات حرارة ملحوظة أقل من تلك التي توقعها نموذج Simulink. تؤكد هذه الفجوة على ضرورة دمج العوامل البيئية في جهود النمذجة لتعزيز دقة التوقعات وتحسين استراتيجيات التسخين الشمسي. بشكل عام، بينما أظهرت كل من GA وPSO أداءً قابلاً للمقارنة، يجب أن يكون اختيار الخوارزمية موجهًا حسب المتطلبات المحددة للدقة مقابل الاستجابة في تطبيقات إدارة الحرارة.
مناقشة
في قسم المناقشة من ورقة البحث، يتم تحليل تكوينات مختلفة من أنظمة تسخين المياه بالطاقة الشمسية (SWHs)، مع تسليط الضوء على مزاياها وعيوبها. تشمل التكوينات التغذية المباشرة، والتخزين في الخزان، والأنظمة المعتمدة على المبادلات الحرارية، حيث تقدم كل منها مقايضات فريدة من حيث استقرار درجة الحرارة، وفقدان الحرارة، وتعقيد استراتيجيات التحكم. يوفر النظام المخزن في الخزان، على سبيل المثال، درجة حرارة خرج ثابتة من خلال تخزين الطاقة الحرارية الزائدة، بينما تسهل الأنظمة المعتمدة على المبادلات الحرارية نقل الطاقة بكفاءة ولكنها تتطلب آليات تحكم أكثر تعقيدًا.
تؤكد مراجعة الأدبيات على تطور استراتيجيات التحكم لأنظمة SWHs، مع التركيز على التقنيات الديناميكية مثل التحكم النسبي-التكاملي (PI)، والتحكم النسبي-التكاملي-المشتق (PID)، وطرق متقدمة مثل التحكم التنبؤي والتحكم الأمامي. يتم تصنيف التقدم الأخير في استراتيجيات التحكم إلى تحسينات خوارزمية، وابتكارات في الأجهزة، وطرق هجينة، مع دراسات تظهر فعالية هذه الطرق في تعزيز أداء النظام وكفاءة الطاقة. من الجدير بالذكر أن دمج الذكاء الاصطناعي وخوارزميات التحسين قد أظهر وعدًا في التكيف الفوري للنظام مع الظروف البيئية المتغيرة، مما يبرز أهمية حلول التحكم المصممة خصيصًا للتطبيقات المتنوعة.
تقدم الورقة أيضًا جامع الأنابيب المقعرة متعدد المراحل (MPTC) المعياري الجديد المصمم لتحسين الأداء الحراري للتطبيقات السكنية. يتميز هذا التصميم المبتكر بعدة مقاطع مقعرة تعزز من التقاط الطاقة دون زيادة مساحة النظام. يتم تطوير نموذج رياضي شامل لتحليل الديناميات الحرارية للنظام، ويتم تحسين استراتيجيات التحكم PID المتقدمة باستخدام الخوارزميات الجينية (GA) وتحسين سرب الجسيمات (PSO). تُظهر التحقق التجريبي من نموذج MPTC الأولي تحسينات كبيرة في الكفاءة الحرارية ودرجة حرارة الخرج مقارنة بالأنظمة التقليدية، مما يثبت إطارًا قويًا لتحسين الأداء الحراري الشمسي من خلال تصميم متكامل واستراتيجيات التحكم.
DOI: https://doi.org/10.1038/s41598-025-34564-5
PMID: https://pubmed.ncbi.nlm.nih.gov/41571786
Publication Date: 2026-01-22
Author(s): Roba Tarek AbdelFatah et al.
Primary Topic: Solar Thermal and Photovoltaic Systems
Overview
This research focuses on the development and optimization of a Multi-Stage Parabolic Trough Collector (MPTC) for solar water heating systems, aiming to improve thermal efficiency and adaptability to varying environmental conditions. The study is divided into three main stages: first, a time-dependent mathematical model is created to analyze the system’s thermal and dynamic behavior, considering factors such as heat absorption and energy losses. Second, an optimized proportional-integral-derivative (PID) controller is designed using Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) techniques, which outperform traditional methods in managing non-linearities and real-world disturbances. Finally, a prototype MPTC is fabricated and tested, yielding a thermal efficiency of 16.2% and a steady-state temperature error of 1.111%, validating the model’s accuracy against simulation outputs.
The findings indicate that the GA-based controller achieves a lower steady-state error of 0.0000425% and a faster settling time of 13 minutes compared to PSO, which has a settling time of 14 minutes and slightly greater effectiveness in thermal storage applications. Both controllers exhibit similar control gains, but GA demonstrates improved responsiveness to dynamic conditions. The study highlights the need for incorporating robust wind modeling and other environmental factors in future simulations to enhance the accuracy of thermal performance models. Overall, this research provides a comprehensive framework for optimizing solar water heating systems, suggesting that future work should focus on refining experimental setups to better isolate environmental effects and improve system performance.
Methods
The experimental setup for testing the MPTC model is meticulously designed to evaluate the performance and control capabilities of a solar heater. Key components of the system include a collector (reflector), an absorber (receiver tube), a thermal storage tank, and a pump, which operates based on temperature sensor readings. These components are detailed in Table 1. The experimental configuration is visually represented in Figure 9, while Figure 10 depicts the actual implementation of the setup.
Conducted at Nile University in Sheikh Zayed, Giza, Egypt, the experiments took place between December 2024 and January 2025. This timeframe allows for a comprehensive assessment of the solar heater’s efficiency and operational control under varying environmental conditions.
Results
The results of the study compare the performance of Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) in tuning PID controller parameters for two systems: MPTC and MPTC Tank. Manual tuning of PID controllers yielded rapid settling times but resulted in significant overshoot, with values reaching 58.3% for MPTC and 45.45% for MPTC Tank. In contrast, PSO produced a more aggressive controller with a higher proportional gain ($K_p$), leading to faster responses, while GA achieved superior precision with a steady-state error of $0.0000425\%$ for MPTC, translating to a temperature deviation of less than $0.01 \, °C$. For MPTC Tank, both optimization methods yielded similar performance, although PSO’s settling time was faster, making it more suitable for applications requiring rapid thermal adjustments.
The experimental results highlighted the impact of environmental conditions on system efficiency, particularly during winter months when lower ambient temperatures (15-18 °C) constrained performance. Wind velocity, fluctuating between 6 and 10 m/s, exacerbated convective heat losses by 15-22%, leading to lower observed temperatures than those predicted by a Simulink model. This discrepancy underscores the necessity of incorporating environmental factors into modeling efforts to enhance the accuracy of predictions and optimize solar heating strategies. Overall, while both GA and PSO demonstrated comparable performance, the choice of algorithm should be guided by the specific requirements of precision versus responsiveness in thermal management applications.
Discussion
In the discussion section of the research paper, various configurations of solar water heating systems (SWHs) are analyzed, highlighting their respective advantages and disadvantages. The configurations include direct feed, tank-buffered, and heat exchanger-based systems, each offering unique trade-offs in terms of temperature stability, thermal losses, and complexity of control strategies. The tank-buffered system, for instance, provides a consistent output temperature by storing excess thermal energy, while the heat exchanger-based systems facilitate efficient energy transfer but require more sophisticated control mechanisms.
The literature review emphasizes the evolution of control strategies for SWHs, focusing on dynamic techniques such as Proportional-Integral (PI), Proportional-Integral-Derivative (PID), and advanced methods like predictive and feedforward controls. Recent advancements in control strategies are categorized into algorithmic optimizations, hardware innovations, and hybrid approaches, with studies demonstrating the effectiveness of these methods in enhancing system performance and energy efficiency. Notably, the integration of artificial intelligence and optimization algorithms has shown promise in real-time system adaptation to varying environmental conditions, underscoring the importance of tailored control solutions for diverse applications.
The paper also introduces a novel modular Multi-Stage Parabolic Trough Collector (MPTC) designed to improve thermal performance for residential applications. This innovative design features multiple parabolic segments that enhance energy capture without increasing the system’s footprint. A comprehensive mathematical model is developed to analyze the system’s thermal dynamics, and advanced PID control strategies are optimized using Genetic Algorithms (GA) and Particle Swarm Optimization (PSO). Experimental validation of the MPTC prototype demonstrates significant improvements in thermal efficiency and output temperature compared to conventional systems, establishing a robust framework for optimizing solar thermal performance through integrated design and control methodologies.