Análisis numérico y optimización de segunda ley de un sistema solar térmico-fotovoltaico no estacionario utilizando nanofluidos y algoritmo genético

Abstract

En el presente estudio se realizó la optimización del rendimiento de un sistema solar híbrido térmico-fotovoltaico (PVT) considerando en el análisis los efectos de parámetros geométricos, propiedades físicas de materiales y condiciones del flujo del refrigerante utilizado sobre la transferencia de calor y las eficiencias de primera y segunda ley de la termodinámica. En los análisis de energía y exergía se utilizaron nanopartículas sólidas de CuO, TiO2 y Al2O3 en agua como refrigerantes considerando diversas formas de estas nanopartículas (esférica, cuchilla, ladrillo, cilíndrica y plaqueta). Se desarrolló un modelo transitorio detallado y se resolvió numéricamente con el método de Runge-Kutta-Fehlberg de orden 4-5 en MATLAB. El estudio se dividió en tres etapas: (1) modelado del comportamiento térmico del sistema fotovoltaico refrigerado bajo condiciones transitorias en base a balances de energía; (2) realización del análisis energético y exergético del sistema solar térmico-fotovoltaico considerando el efecto de diferentes nanofluidos y formas de nanopartículas; y (3) optimización del sistema híbrido mediante algoritmos genéticos para lograr una configuración óptima de parámetros geométricos, propiedades físicas de materiales y condiciones de flujo del refrigerante con el mayor rendimiento. Los resultados numéricos calculados fueron validados con datos experimentales previos, logrando una adecuada concordancia. Los resultados indicaron que el CuO/H₂O mostró el mejor desempeño con una temperatura de salida del refrigerante de 52°C, ganancia de potencia de 451W, eficiencia térmica del 62.14% y eficiencia exergética total del 17%. Además, se evidenció que las nanopartículas en forma de cuchilla proporcionan un mejor rendimiento térmico debido a su mayor área de contacto en el nanofluido, lo que mejora el transporte de calor. Se logró una reducción de irreversibilidades y un incremento del 27% de la eficiencia exergética global al realizar la optimización con algoritmo genético. In the present study, the performance of a hybrid solar thermal-photovoltaic (PVT) system was optimized by considering in the analysis the effects of geometric parameters, physical properties of materials and coolant flow conditions on heat transfer, as well as on energy and exergy efficiencies. Energy and exergy analyses were conducted using CuO, TiO2, and Al2O3 in water as coolants, considering different nanoparticle shapes (spherical, blade, brick, cylindrical, and platelet). A detailed transient model was developed and numerically solved using the fourth-fifth order Runge-Kutta-Fehlberg method in MATLAB. The study was divided into three stages: (1) modeling the thermal behavior of the cooled photovoltaic system under transient conditions based on energy balances; (2) energy and exergy analysis of the solar thermal-photovoltaic system using different nanofluids and nanoparticle shapes; and (3) optimization of the hybrid system using genetic algorithms to obtain the optimal configuration of geometric parameters, physical properties and coolant flow conditions of system with maximum performance. The numerical results were validated with previous experimental data, and adequate agreement was achieved. The results indicated that CuO/water exhibited the best performance with a coolant outlet temperature of 52°C, power gain of 451W, thermal efficiency of 62.14%, and overall exergy efficiency of 17%. Moreover, blade-shaped nanoparticles provided better thermal performance due to their larger contact area within the nanofluid, which improved heat transport. When genetic algorithm optimization was applied, a 27% increase in overall exergy efficiency was achieved.