Abstract:
งานวิจัยนี้นำเสนอการศึกษาปัจจัยที่มีผลต่อการเก็บเกี่ยวพลังงานที่อาศัยหลักการสั่นสะเทือนอันเนื่องมาจากการเหนี่ยวนำของเวคที่เกิดจากวัตถุต้านน้ำที่ขวางการไหล ในการทดสอบจะทำในอุโมงค์น้ำระบบปิดที่มีค่าความปั่นป่วนต่ำและความเร็วน้ำอยู่ในช่วง 0.1-0.6 m/s โดยปัจจัยที่มีอิทธิพลต่อการผลิตความต่างศักย์ไฟฟ้าของอุปกรณ์เก็บเกี่ยวพลังงานได้แก่ รูปทรงของวัตถุต้านน้ำด้านหน้าและด้านหลัง, วัสดุที่ใช้ทำคาน, มวลของวัตถุต้านน้ำด้านหน้า, อัตราส่วนระยะห่างระหว่างวัตถุต้านน้ำด้านหน้ากับด้านหลังเทียบกับเส้นผ่านศูนย์กลางของวัตถุต้านน้ำ ในแนวทิศการไหล (X/D) และแนวตั้งฉากกับทิศการไหล (Y/D) รวมถึงนำอุปกรณ์เก็บเกี่ยวพลังงานจำนวนหลายตัวมาจัดเรียงในรูปแบบฟาร์ม นอกจากนี้ยังได้นำข้อมูลจากการทดลองที่ได้ มาทำการวิเคราะห์เพื่อหาโมเดลการเรียนรู้ที่สามารถทำนายความต่างศักย์ไฟฟ้าที่ผลิตได้จากอุปกรณ์เก็บเกี่ยวพลังงานได้แม่นยำที่สุด จากผลการศึกษาพบว่าในการติดตั้งอุปกรณ์เก็บเกี่ยวพลังงานในรูปแบบของฟาร์มจำเป็นต้องติดตั้งให้อุปกรณ์เก็บเกี่ยวพลังงานแต่ละตัวห่างกันเป็นระยะ X/D เป็น 1.25 และ Y/D เป็น 4 ซึ่งจะทำให้ได้กำลังไฟฟ้า 5.8 mW และผลจากการวิเคราะห์เพื่อหาโมเดลการเรียนรู้ที่สามารถทำนายความต่างศักย์ไฟฟ้าได้แม่นยำที่สุดพบว่า โมเดลเกรเดียน บูสติ้งสามารถทำนายความต่างศักย์ไฟฟ้าของอุปกรณ์เก็บเกี่ยวพลังงาน 2 ตัวหน้าได้แม่นยำถึง 96.25% และ โมเดลโครงข่ายประสาทเทียมสามารถทำนายความต่างศักย์ไฟฟ้าของอุปกรณ์เก็บเกี่ยวพลังงานตัวหลังได้แม่นยำถึง 93.2 %
This study explores the influence of various factors on energy harvesting from wake-induced vibration caused by bluff body obstructing the flow. Experiments were conducted in a closed loop low turbulence water tunnel, with water velocities ranging from 0.1 to 0.6 m/s. Key factors affecting electricity generation in energy harvester include the shapes of the upstream and downstream bluff bodies, the materials used for cantilever beam, the mass of the upstream bluff bodies, and ratio of distance between upstream and downstream bluff bodies to bluff body diameter in streamwise direction (X/D) and spanwise direction (Y/D). Optimal X/D and Y/D ratios of 1.25 and 4, respectively, were identified for designing energy harvester in a farm-like configuration. The upstream and downstream bluff bodies produced electrical power of 0.5 mW and 4.8 mW, respectively. Analysis of data from 264 experiments yielded precise predictive models for electrical voltage difference. The Gradient Boosting model achieved accuracy of up to 96.25% for both upstream bluff bodies, while the Artificial Neural Network model predicted the downstream bluff bodys output with an accuracy of up to 93.2%