بحث مميز ينشر في المجلة البريطانية الأولى في مجال الطاقة لدار النشر العالمية Elsevier لتدريسي في كلية هندسة النفط والغاز

Date: 16 July, 2022

بحث مميز ينشر في المجلة البريطانية الأولى في مجال الطاقة لدار النشر العالمية Elsevier لتدريسي في كلية هندسة النفط والغاز
---------------------------------------------------------------------------
تراس التدريسي في كلية هندسة النفط والغاز الاستاذ الدكتور رعد زعلان حمود فريق بحثي علمي اشترك فيه نخبة من الباحثين المتميزين لجامعات عراقية وامريكية واسترالية وماليزية وتايوان والكويت للتوصل الى فكرة علمية مبتكرة للتغلب على معرفة كمية الطاقة الحقيقية في المبادلات الحرارية وذلك لمعرفة كفاءتها ليتم تطويرها وقد تم نشرهذه الفكرة بعد تطبيقها بنجاح في مجلة بريطانية مرموقة وهي Renewable and Sustainable Energy Reviews حيث ان السايت سكور (CiteScore) لها 28.5 وعامل التأثير (Impact factor) لها 14.982 وهي من المجلات الاولى في مجال الطاقة المتجددة.
وتابع رئيس الفريق ان البحث الذي من اجله تم أستدعاء هذا الفريق المتخصص هو لتنفيذ طريقة جديدة وهي لأول مرة يتم فيها استخدام عملية تهجين للذكاء الصناعي (Artificial intelligence) والتعنقد (Clustering) لبناء مودل يتمكن من حساب رقم رينولد (Reynolds number) لكل انواع الموائع (الغازية والسوائل) ولمختلف انواع الجريان طباقي انتقالي مظطرب (laminar, transient and turbulent) ويكون ذلك للمائع البارد والساخن بشكل عام او بالخصوص للجريان الداخلي والخارجي في أنابيب المبادلات الحرارية وتحت مختلف ظروف الأسطح الرطبة والجافة (wet and dry surfaces) وبدقة عالية ومنة يقوم بحساب رقم نسلت (Nusselt number) لكي يستطيع حساب معامل انتقال الحرارة (heat transfer coefficient) للمائعين البارد والساخن ومنه يحسب معامل انتقال الحرارة الأجمالي (Overall heat-transfer coefficient) مع الأخذ بنظر الأعتبار الحاجز بين المائعين ومنه يقوم بحساب الطاقة المنتقلة بين المائعين في المبادلات الحرارية وبهذا يتم اختصار وتجاوز الجهد الكبير والأخطاء المتوقعة في الكثير من العمليات الحسابية المعقدة في هذا المجال واحيانا بعض العمليالت الحسابية التقليدية تعجز عن التوصل للحلول المطلوبة لعدم وجود قوانين فيزيائية او تجريبية لظروف معينة.
وقال رئيس الفريق ان تهجين المودل تم عن طريق اضافة معاملات فيزيائية (physical parameters) الى الخلايا العصبية بالأضافة الى اوزانها (weights) وهذا ساعد المودل بان يتعلم بسرعة وبدقة عالية جدا حيث تم جمع اكثر من 20 معادلة رئسية وفرعية فيزيائية وتجريبية والبعض منها معقد جدا ومن مختلف الدراسات حول المبادلات الحرارية لأستخدامها في تعليم المودل الهجين وقد اظهرت النتائج دقة عالية بعد تعليم المودل حيث تم إثبات ذلك والتأكد من دقة هذه النتائج من خلال مجموعة من البراهين والوقائع العلمية الموضحة في البحث ويعود السبب في تبني تقنية الخلايا العصبية الهجينة لكونها تعطي مرونة اكثر في تمثيل اعداد كبيرة من البيانات المتداخلة و قد كشفت النتائج ان استخدام هذا المودل في اجهزة التكييف والتبريد يساعد المسيطر (Controller) على استرشاد الطاقة الكهربائية لأكثر من 40% في المبانى.
ولتفاصيل أكثر يمكن الأطلاع على البحث مجانا ولفترة محدودة عبر الرابط المرفق في ادناه.
https://authors.elsevier.com/a/1fE3S4s9Hw62Yi