Thermische Analyse eines Flachplatten-Solarluftheizungssystems mit Strahlungsreflektoren und W-förmiger Rauigkeit: künstliches neuronales Netzwerk & Machine-Learning-Ansatz

Warum heißere Luft aus Sonnenenergie wichtig ist

Die Umwandlung von Sonnenlicht in nutzbare Wärme ist eine der einfachsten Maßnahmen zur Reduktion von Brennstoffverbrauch und Emissionen, dennoch verschwenden viele gebräuchliche Solarluftheizer einen Großteil der eintreffenden Energie. Diese Studie untersucht einen schlaueren Flachplatten-Solarluftheizer, der aus derselben Sonneneinstrahlung mehr Wärme herausholt, indem die Metalloberfläche, die Licht absorbiert, umgestaltet und an den Seiten Spiegel angebracht werden. Die Forschenden prüfen außerdem, ob moderne Datenwerkzeuge – künstliche neuronale Netzwerke und Machine Learning – die Leistungsfähigkeit des Systems zuverlässig vorhersagen können. Das eröffnet die Möglichkeit einer besseren Auslegung ohne endlose Versuchsreihen.

Eine intelligentere Art, bewegte Luft zu erwärmen

Ein Flachplatten-Solarluftheizer ist im Grunde eine flache Kiste: Sonnenlicht fällt durch eine Glasabdeckung und erwärmt eine dunkle Metallplatte, und die darunter hindurchströmende Luft nimmt diese Wärme auf und führt sie ab. Solche Geräte sind attraktiv für Anwendungen wie das Trocknen von Erntegütern oder das Beheizen von Gebäuden, weil sie kostengünstig, leise und wartungsarm sind. Ihr Hauptnachteil ist, dass Wärme nicht effizient vom heißen Blech in die vorbeiströmende Luft übergeht, sodass das Blech sehr heiß wird und Energie an die Umgebung statt an den Luftstrom verliert. Die Autor*innen gehen dieses Problem an, indem sie zwei passive Tricks – Seitenreflektoren und eine strukturierte Metalloberfläche – in einem „Dual-Modus“-Design kombinieren.

Mehr Sonnenlicht auf das Ziel mit Seitenreflektoren

Der erste Trick besteht darin, spiegelähnliche Reflektoren entlang der langen Kanten des Heizers anzubringen. Diese Platten sind so geneigt, dass Sonnenlicht, das normalerweise an der Absorberplatte vorbeigehen würde, zurück auf diese gelenkt wird. Im Freilandversuch wurden die Reflektoren auf etwa 30 Grad eingestellt und in der Länge an den aktiven Heizbereich angepasst. Diese Anordnung erhöht die Plattentemperatur durch gesteigerte solare Einstrahlung und verteilt die Wärme gleichmäßiger über die Oberfläche. Messungen zeigten, dass allein das Hinzufügen von Reflektoren zu einem sonst glatten Heizer die Wärmeübertragungskennzahl Nusselt um etwa 18–27 Prozent steigerte und den Gesamtwirkungsgrad im Vergleich zum einfachen Design ohne Reflektoren um bis zu etwa 43 Prozent verbesserte.

Die Oberfläche formen, um die Luft aufzurühren

Der zweite Trick besteht darin, die Unterseite der Absorberplatte, über die die Luft strömt, umzugestalten. Anstatt sie glatt zu lassen, klebte das Team dünne Kupferdrähte in einem wiederkehrenden W-Muster über die Fläche. Diese Rippen wirken wie winzige Bodenschwellen für die Luft. Wenn die Luft über jede W-förmige Rille strömt, löst sich die Strömung, verwirbelt und setzt sich wieder an – sie stört fortwährend die dünne, ruhende Luftschicht, die normalerweise an einer Oberfläche anhaftet und der Wärmeübertragung entgegenwirkt. Durch sorgfältige Wahl von Abstand, Höhe und Neigung der Rippen wollten die Forschenden dieses Durchmischen verstärken, ohne einen übermäßigen Druckverlust zu verursachen, der mehr Ventilatorleistung erfordern würde.

Was die Experimente und die Datenwerkzeuge zeigten

Das Team baute und testete mehrere Konfigurationen im Freien an klaren Tagen: eine glatte Platte ohne Reflektoren, eine glatte Platte mit Reflektoren und eine W-gerippte Platte mit Reflektoren. Sie überwachten Lufttemperaturen am Ein- und Ausgang, Plattentemperaturen, Sonnenscheinstärke und Luftdurchsatz und berechneten daraus, wie effektiv jede Anordnung Wärme von der Platte in die Luft übertrug. Die Kombination aus W-förmiger Rauigkeit und Reflektoren erzielte die beste Leistung: der Wärmeübertragungsindikator war bis zu 1,63-mal höher als beim einfachen glatten System, und der thermische Wirkungsgrad verbesserte sich um bis zu 1,84-mal. Um künftigen experimentellen Aufwand zu verringern, trainierten die Autor*innen zudem Machine-Learning-Modelle und ein neuronales Netzwerk mit Hunderten von Datenpunkten. Diese Modelle konnten das Wärmeübertragungsverhalten und die Strömungsbedingungen sehr genau vorhersagen und stimmten eng mit den experimentellen Trends überein.

Von besseren Versuchsständen zu besseren Solartrocknern

Für Nichtfachleute ist die Kernaussage einfach: Durch das Hinzufügen einfacher Seitenspiegel und sorgfältig angeordneter Metallrippen kann ein flacher Solarluftheizer aus derselben Sonneneinstrahlung deutlich mehr nutzbare Wärme liefern. Das bedeutet, dass Gewächshäuser, Dörranlagen, Heizungssysteme für Gebäude und ähnliche Anwendungen deutlich kompakter oder leistungsfähiger werden könnten, ohne bewegliche Teile oder zusätzlichen Brennstoff zu benötigen. Der erfolgreiche Einsatz von neuronalen Netzwerken und Machine Learning in dieser Studie zeigt außerdem, dass Planer zunehmend auf datengetriebene Modelle zur Feineinstellung solcher Systeme vor dem Bau vertrauen können, was den Übergang zu saubererer, effizienterer solarer Beheizung in Haushalten, auf Höfen und in der Industrie beschleunigt.

Zitation: Jain, P.K., Kurrey, K.L., Pandey, V. et al. Thermal analysis of flat plate solar air heater system with radiation reflectors and W-shaped roughness: artificial neural network & machine learning approach. Sci Rep 16, 11779 (2026). https://doi.org/10.1038/s41598-026-41922-4

Schlüsselwörter: Solarluftheizer, Abwärmereduzierung, solares Trocknen, Machine-Learning-Modellierung, thermischer Wirkungsgrad