Optimizing the Performance of Liquid-Based Medium-Temperature Volumetric Solar Thermal Receivers Using Genetic Algorithms
Notice bibliographique
Résumé
Abstract Liquid-based volumetric solar thermal receivers are a promising alternative to the traditional tubular receivers. By absorbing solar energy directly in a semi-transparent medium, volumetric receivers achieve higher capture efficiency and more uniform temperatures, overcoming the low capture efficiency issues faced by tubular receivers at high temperatures. However, accurately predicting the thermofluid behavior of volumetric receivers under various operating conditions is challenging due to the complex interactions between radiation, convection, conduction, and volumetric heating. A mechanistic model validated under a 6.5 kW solar simulator was developed, and demonstrated short-term (up to 7min) accuracy of predicting such behavior, yet the optimization of key parameters which can increase system efficiency and avoid the development of hot spots inside the receiver remains unexplored. This study addresses this parameter exploration and optimization using an evolutionary algorithm, specifically a genetic algorithm (GA), focusing on five critical parameters: attenuation coefficient, solar flux, receiver depth, top surface emissivity, and heating time. By using MATLAB’s multi-objective genetic algorithm solver, we identified multiple solutions representing trade-offs between efficiency and temperature uniformity inside the receiver. This evolutionary computation method constructs the Pareto front—a set of solutions that represent the best trade-offs between competing objectives—by iteratively selecting, recombining, and mutating candidate solutions while maintaining population diversity. The ability to produce multiple optimal solutions is highly valuable, as it provides a range of possible outcomes that can be adjusted to different operational conditions, ultimately improving the performance of volumetric receiver systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».