دراسة تأثير مختلف أنواع التهجين على أداء المقطر الشمسي في منطقة ورقلة

Abstract

لمعالجة إشكالية ندرة المياه في المناطق الجافة وشبه جافة من خلال دراسة أداء المقطر الشمسي وإمكانية تحسينه باستخدام تقنيات هجينة في منطقة ورقلة كدراسة حالة ذات المناخ الحار والجاف، أُجريت تجربتان ميدانيتان لتحسين أداء المقطر الشمسي باستخدام تقنيات هجينة، إلى جانب توظيف الذكاء الاصطناعي في تحليل النتائج والتنبؤ بالإنتاجية. في التجربة الأولى، أُضيفت لوحة معدنية داخلية عملت كممتص وموزع حراري، مما رفع الإنتاجية اليومية من 2.9 إلى 4.5 لتر/م² وزاد الكفاءة الحرارية من 26.7% إلى 41%. أما التجربة الثانية، فقد قارنت بين ثلاثة نماذج: المقطر التقليدي (TSS)، المقطر المحسّن بالمياه الجوفية (MSS-1)، والمقطر المحسّن بنظام تبريد للغطاء (MSS-2). وأظهرت النتائج تفوق MSS-1 بإنتاجية قصوى بلغت 4.17 لتر/م²، وأفضل أداء اقتصادي (0.0091 دولار/لتر) مع فترة استرداد لا تتجاوز 70.7 يومًا، متفوقًا على MSS-2 وTSS. استنادًا إلى نتائج التجارب، استُخدمت خمسة نماذج من التعلّم الآلي، حيث تميز نموذج Support vector machine في التجربة الأولى بدقة عالية، بينما حقق نموذج Random Forest في التجربة الثانية أفضل أداء (R ≈ 0.997) مع أقل مستويات للخطأ. وتبرز هذه الدراسة أن الجمع بين التحسينات الهندسية، والتكامل الحراري، وتطبيقات الذكاء الاصطناعي يفتح آفاقًا واعدة لتطوير مقطرات شمسية أكثر كفاءة واستدامة في البيئات الحارة والجافة

To address the issue of water scarcity in arid and semi-arid regions, the performance of a solar still and its potential improvement through hybrid techniques were investigated, taking Ouargla (characterized by a hot and dry climate) as a case study. Two field experiments were carried out to enhance the efficiency of the solar still using hybrid approaches, in parallel with the application of artificial intelligence for analyzing the results and predicting productivity. In the first experiment, an internal metallic plate was integrated to act as an absorber and heat distributor, which increased the daily yield from 2.9 to 4.5 L/m² and improved thermal efficiency from 26.7% to 41%. The second experiment compared three configurations: the traditional solar still (TSS), the still enhanced with a geothermal water heat exchanger (MSS-1), and the still improved with a glass cover cooling system (MSS-2). The results demonstrated the superiority of MSS-1, achieving a maximum daily yield of 4.17 L/m² and the best economic performance (0.0091 USD/L) with a payback period not exceeding 70.7 days, outperforming both MSS-2 and TSS. Based on the experimental results, five machine learning models were applied. The Support Vector Machine model exhibited high accuracy in the first experiment, while the Random Forest model achieved the best performance in the second experiment (R ≈ 0.997) with the lowest error metrics. This study highlights that combining engineering improvements, thermal hybridization, and artificial intelligence applications provides a promising pathway for developing more efficient and sustainable solar stills adapted to hot and dry environments