CN104933322B - 一种前置式防、融霜方法 - Google Patents
一种前置式防、融霜方法 Download PDFInfo
- Publication number
- CN104933322B CN104933322B CN201510404701.6A CN201510404701A CN104933322B CN 104933322 B CN104933322 B CN 104933322B CN 201510404701 A CN201510404701 A CN 201510404701A CN 104933322 B CN104933322 B CN 104933322B
- Authority
- CN
- China
- Prior art keywords
- frosting degree
- network
- evaporator
- frosting
- defrosting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Air Conditioning Control Device (AREA)
- Defrosting Systems (AREA)
Abstract
本发明公开了一种前置式防、融霜方法。本发明的目的在于提供一种前置式防、融霜方法。本发明的特征在于以下步骤:A.预测结霜量,建立结霜量预测网络的样本训练数据库;B.样本训练数据库的预处理,对数据库的样本进行训练,包括归一化、初始值设定、误差计算;C.建立结霜量的预测网络,选择一种误差最小的网络训练算法,设置学习率从0‑1自动进行学习,得出最佳学习率,建立起预测结霜量网络;D.测试结霜量预测网络,给定环境变量、蒸发器结构参数,计算结霜量大小,与真实值进行比较;E.补热量的调节,根据步骤A‑D得到的结霜量预测值,对热泵蒸发器补热量进行调节,从而实现有效的防、融霜。本发明主要用于热泵***的蒸发器表面防、融霜。
Description
技术领域
本发明涉及一种防、融霜方法,尤其涉及一种前置式防、融霜方法。
背景技术
热泵空调***在空调行业被广泛的推广应用。但是在冬季,随着室外环境温度的降低,空调***的蒸发器表面会凝结出霜晶,随时间推移,生长成的霜层导致换热过程恶化,使得机组的蒸发温度降低,同时,由于热泵蒸发器大多由多排工质管组成,且传热不均匀易出现结霜不均匀的现象。传统的除霜方法有逆除霜和热气旁通除霜,当外界条件恶劣时,***从环境中吸热困难,使得此两种方法难以实现。而电辅热融霜能较好地从外界给予***能量使其能运行,但没有可靠的结霜量来对其所加辅热大小进行定量,目前大部分装置上均采用过大甚至数倍的电辅热进行补热,不仅不能因地制宜地对蒸发器融霜起到改善,还会造成大量的能源浪费,且现有的融霜方法在融霜过程中会导致热泵输出热量显著降低,影响使用效果。
发明内容
本发明的目的在于提供一种前置式防、融霜方法,通过结霜量的预测计算出蒸发器在结霜工况下所需能量,从而提供较准确的辅热量使其在湿工况下工作,确保换热效率得到显著提高。
本发明的技术解决方案是:一种前置式防、融霜方法,其特征在于以下步骤:
A.预测结霜量:搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态,记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况,一同输入控制***,得出结霜量预测值作为输出参数,建立结霜量预测网络的样本训练数据库;
B.样本训练数据库的预处理:对数据库的样本进行训练,包括归一化、初始值设定、误差计算,如果误差满足设定值,则进行下一步,否则,继续返回初始值设定进行循环;
C.建立结霜量的预测网络:选择一种误差最小的网络训练算法,设置学习率从0-1自动进行学习,得出最佳学习率,建立起预测结霜量网络;
D.测试结霜量预测网络:给定环境变量、蒸发器结构参数,计算结霜量大小,与真实值进行比较,如果误差在给定范围内,则网络可靠,如果误差较大,则返回步骤C继续选择不同的算法和学习率;
E.补热量的调节:根据步骤A-D得到的结霜量预测值,对热泵蒸发器补热量进行调节,从而实现有效的防、融霜。
本发明的有益效果是:通过结霜量大小的通用关联式预测出结霜量大小,使蒸发器能实现自适应调节补热量和前置式防、融霜的控制,确保蒸发器能够在湿工况下工作(此时换热效果最好)。
附图说明
图1是本发明的前置式防、融霜控制***结构示意图。
图中:1-控制器,2-蒸发器,3-工质分配管,4-蒸发器翅片,5-传感器,6-导线,7-基本补热器,8-分配管补热器。
具体实施方式
下面结合附图对本发明及其具体实施方式作进一步详细说明。
参见图1,本发明的特征在于以下步骤:
A.预测结霜量:搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态,记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况,一同输入控制***,得出结霜量预测值作为输出参数,建立结霜量预测网络的样本训练数据库;
B.样本训练数据库的预处理:对数据库的样本进行训练,包括归一化、初始值设定、误差计算,如果误差满足设定值,则进行下一步,否则,继续返回初始值设定进行循环;
C.建立结霜量的预测网络:选择一种误差最小的网络训练算法,设置学习率从0-1自动进行学习,得出最佳学习率,建立起预测结霜量网络;
D.测试结霜量预测网络:给定环境变量、蒸发器结构参数,计算结霜量大小,与真实值进行比较,如果误差在给定范围内,则网络可靠,如果误差较大,则返回步骤C继续选择不同的算法和学习率;
E.补热量的调节:根据步骤A-D得到的结霜量预测值,对热泵蒸发器补热量进行调节,从而实现有效的防、融霜。
将基本补热器7和分配管补热器8置于蒸发器2的前面,此谓前置式(补热,安装方便)。
参见图1,通过传感器5搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态,记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况,一同输入控制***,得出结霜量预测值作为输出参数,建立结霜量预测网络的样本训练数据库。
按B、C、D三个步骤,计算出结霜量的大小,其基本计算公式(预测公式)如下(该公式所涉及的基本计算参数ujp、b1j、wij见表1,经计算,预测公式的均方误差可控制在7.55%的范围内):
......式(1)
X1=ta/ts,X2=L/De,X3=wτ/De,X4=ma
公式中:mf是蒸发器沿水平单位管长的结霜量(kg/m);ta是外掠蒸发器盘管的空气干球温度(K);ts是蒸发器管壁外表面温度(K);w是沿气流方向蒸发器盘管的迎面风速(m/s);L是沿气流方向翅片的长度(m);Φ是换热管内表面的热流密度(w/m2);ma是外掠蒸发器盘管的空气含湿量(kg/kg干空气);τ是运行时间(小时h);De是空气流通断面的当量直径(m)。
u为输入层和隐含层之间的权重;w为隐含层和输出层之间的权重;b为各层的偏置值;j为隐含层数据个数;p为输入层数据个数;i为输出层数据个数;X1,X2,X3,X4为四个无量纲表达式,是根据无量纲理论,以迎面风速w,大气干球温度ta,换热器管壁外表面温度ts,热流密度Φ,换热器空气流通面的当量直径De,沿气流方向翅片的长度L,空气含湿量ma为重复变量,长度,质量,时间和温度为基本变量推导得出。
表1为以表2的数据为依据,根据所提出的算法,利用编程,各层之间通过公式连接,其中输入层和中间隐含层通过公式(2)连接,隐含层和输出层通过公式(3)连接。计算出的结霜量预测网络各层的权重和偏置。表2中详细列出了公式中输入参数的来源,以及各制冷剂数据用于训练网络的获得以及测试网络所用数据的分配。计算出连接各网络各层的权重和偏置。
........式(2)
.......式(3)
其中,g(x)被称作激励函数,常见的激励函数形式有线性、log-sigmoid和tan-sigmoid形式等。下面为这常见的三种形式的数学表达式:
gline(x)=x glog(x)=1/1+e-x gtan(x)=2/(1+e-2x)-1
表1 结霜量预测网络各层的权重和偏置(网络共三层,组成4-6-1型的网络)
表2 单位管长结霜量的数据来源
根据步骤A-D得到的结霜量预测值,对热泵蒸发器2进行补热控制,其方法是:调节基本补热器7和分配管补热器8的补热量大小,可使蒸发器2处于湿工况状态下运行,并防止不同位置的蒸发器翅片结霜不均匀的现象发生。
控制步骤如下:
第一步:预测结霜量,搜集多种制冷剂在不同蒸发器、不同地区运行结霜的情况,记录当地环境的温湿度,蒸发器结构参数,蒸发器运行中制冷剂运行情况,一同作为输入,结霜量大小作为输出,建立结霜量预测网络的样本训练数据库;
第二步:样本训练数据库的预处理,对数据库的样本进行训练,包括归一化,初始值设置,误差计算。如果误差满足设定值,则进行下一步,否则,继续返回初始值设定进行循环。
第三步:建立结霜量的预测网络,选择几种不同的网络训练算法,并进行计算,算出误差最小的一个作为训练算法,并设置学习率为自动调节的模式,即设定学习率从0-1,自动进行学习,与前面挑选的网络训练算法进行优化匹配,得出最佳学习率,这样,在一个大样本范围内的用于预测结霜量的网络就基本建立起来;
第四步:测试结霜量预测网络,同样给定环境变量,蒸发器结构参数等输入,计算结霜量大小,与真实值进行比较,如果误差在给定范围内,则证明所建立的网络可靠,如果误差较大,则返回第三步继续选择不同的算法和学习率;
第五步:补热量的调节,根据以上四步对结霜量的预测,调节补热量的大小,使热泵在结霜工况下能根据结霜情况进行防融霜的控制。
值得指出的是,上述第五步是根据前四步控制算法的具体实施过程,由于热泵***运行过程中各部件与制冷剂、环境的相互作用,***匹配过程复杂,不可避免地会造成结霜量在蒸发器上的不均匀性。因此在防、融霜过程中,如何补热也变得重要,我们设计了如图1所示的前置式补热法,即基本补热器7与分配管补热器8相结合。
图1整个图示分为2个部分:分别是控制部分和可能结霜部分,在控制部分,前置式补热可分为2个部分,分别为基本补热器7和分配管补热器8,这两个部分可交替工作(一个工作,一个不工作),也可同时工作,以解决结霜不均匀问题;如图1所示,3是蒸发器的工质管(工质分配管),4为蒸发器的翅片,5为采集周围环境空气温湿度的传感器,6为导线,7为基本补热器,8为分配管补热器。
本发明可包含多种制冷剂(包括R12,R22,R134a,R407C,R410A及R600a等),并考虑了周围环境温湿度、蒸发器结构尺寸,可自适应调节的一种通用的前置式防、融霜控制方法。经计算,所建立的公式在结霜量预测方面的均方误差可控制在7.55%的范围内。
本发明的优点是:根据该公式确定的结霜量大小,配合自适应前置式防融霜控制,可灵活控制补热量的位置和补热量的大小,具有灵活多变,安装方便,及时可靠等优点,即开即化(融霜)或提前开启(防霜),使蒸发器在湿工况下工作,实现有效的防、融霜控制。
以下给出本发明的实验例。
现以一台制冷剂为R410A、额定制热量为8000W+2100W的热泵(其中,内置电辅热为2100W)为例进行对比说明。一组为原购置的热泵机器(其中的内置电辅热为原机组为解决结霜所采取的方式);另一组为去掉该内置电辅热,根据公式(1)-(3)预测结霜量(表3中),运用焓差法测算出预加电辅热(辅热量亦见表3,计算公式见式4),并将电辅热加在蒸发器前。实验中调节焓差室使其在相同的环境工况:干球温度/相对湿度为3℃/92%,实际测算预加在蒸发器前的前辅热约为400W(此时可能会出现熔融状态)。经试验测得,两组热泵分别在相同环境工况,不同防融霜辅热试验工况的条件下,采用防融霜技术后其COP可提高0.4左右。
由此可见,在加了前辅热的热泵装置的性能系数COP具有较大的改善,其中基本补热器和分配管补热器可依现场灵活启闭。
表3 辅热量计算的各参数值
其中,冰的潜热rice=333.6kJ/kg,冰的比热cice=2.05kJ/kg℃。因为经研究发现,霜在形成初期是以小冰晶出现的。因此我们所预测的辅热量是以防霜为主,即在霜形成初期,预防小冰晶出现需要额外提供多少热量,也即为辅热的计算方法。其中计算的辅热量公式为:
Q=mf(cice(Td-Ts)-rice)......式(4)
其中,mf为根据以上经验公式(1)统计计算得到的预测值(计算方法为代入大量所有由已知量表征的无量纲表达式X1-X4,经过以上步骤A-D,代入工具软件如MATLAB等求得各无量纲关系式和结霜量mf之间关系的系数权重以及偏置,从而得到结霜量的通用预测计算公式)。Td为空气露点温度,Ts为壁面温度。
Claims (1)
1.一种前置式防、融霜方法,其特征在于以下步骤:
A.预测结霜量:搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态,记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况,一同输入控制***,得出结霜量预测值作为输出参数,建立结霜量预测网络的样本训练数据库,所述蒸发器的前面设有基本补热器和分配管补热器;
B.样本训练数据库的预处理:对数据库的样本进行训练,包括归一化、初始值设定、误差计算,如果误差满足设定值,则进行下一步,否则,继续返回初始值设定进行循环;
C.建立结霜量的预测网络:选择一种误差最小的网络训练算法,设置学习率从0-1自动进行学习,得出最佳学习率,建立起预测结霜量网络;
D.测试结霜量预测网络:给定环境变量、蒸发器结构参数,计算结霜量大小,与真实值进行比较,如果误差在给定范围内,则网络可靠,如果误差较大,则返回步骤C继续选择不同的算法和学习率;
E.补热量的调节:根据步骤A-D得到的结霜量预测值,对热泵蒸发器补热量进行调节,从而实现有效的防、融霜,结霜量预测值计算公式:
X1=ta/ts,X2=L/De,X3=wτ/De,X4=ma,
公式中:mf是蒸发器沿水平单位管长的结霜量,单位为kg/m;ta是外掠蒸发器盘管的空气干球温度,单位为K;ts是蒸发器管壁外表面温度,单位为K;w是沿气流方向蒸发器盘管的迎面风速,单位为m/s;L是沿气流方向翅片的长度,单位为m;Φ是换热管内表面的热流密度,单位为w/m2;ma是外掠蒸发器盘管的空气含湿量,τ是运行时间,单位为s;De是空气流通断面的当量直径,单位为m;
u为输入层和隐含层之间的权重;w1,j为隐含层和输出层之间的权重;j为隐含层数据个数;p为输入层数据个数;X1,X2,X3,X4为四个无量纲表达式,是根据无量纲理论,沿气流方向蒸发器盘管的迎面风速w,外掠蒸发器盘管的空气干球温度ta,蒸发器管壁外表面温度ts,热流密度Φ,换热器空气流通面的当量直径De,沿气流方向翅片的长度L,空气含湿量ma为重复变量,长度,质量,时间和温度为基本变量推导得出。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510404701.6A CN104933322B (zh) | 2015-07-11 | 2015-07-11 | 一种前置式防、融霜方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510404701.6A CN104933322B (zh) | 2015-07-11 | 2015-07-11 | 一种前置式防、融霜方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104933322A CN104933322A (zh) | 2015-09-23 |
CN104933322B true CN104933322B (zh) | 2017-10-27 |
Family
ID=54120487
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510404701.6A Active CN104933322B (zh) | 2015-07-11 | 2015-07-11 | 一种前置式防、融霜方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104933322B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE112020007604T5 (de) * | 2020-09-14 | 2023-06-22 | Mitsubishi Electric Corporation | Folgerungsgerät und Lerngerät |
CN113435593B (zh) * | 2021-06-29 | 2022-11-04 | 广州博通信息技术有限公司 | 基于传感器时序数据分析的制冷设备结霜预测方法 |
JP7339570B1 (ja) * | 2022-05-20 | 2023-09-06 | ダイキン工業株式会社 | 予測装置、冷凍システム、予測方法及び予測プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002064A (zh) * | 2004-07-22 | 2007-07-18 | 惠而浦有限公司 | 控制制冷装置的方法 |
CN102759237A (zh) * | 2011-04-25 | 2012-10-31 | 珠海格力电器股份有限公司 | 热泵型空调机及其除霜控制方法和装置 |
CN102779217A (zh) * | 2012-08-06 | 2012-11-14 | 大连三洋压缩机有限公司 | 一种结霜工况下的制冷***计算机仿真性能计算方法 |
CN104239597A (zh) * | 2014-07-02 | 2014-12-24 | 新菱空调(佛冈)有限公司 | 基于rbf神经网络的冷却塔建模方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5061661B2 (ja) * | 2007-03-08 | 2012-10-31 | ダイキン工業株式会社 | 冷凍装置 |
-
2015
- 2015-07-11 CN CN201510404701.6A patent/CN104933322B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002064A (zh) * | 2004-07-22 | 2007-07-18 | 惠而浦有限公司 | 控制制冷装置的方法 |
CN102759237A (zh) * | 2011-04-25 | 2012-10-31 | 珠海格力电器股份有限公司 | 热泵型空调机及其除霜控制方法和装置 |
CN102779217A (zh) * | 2012-08-06 | 2012-11-14 | 大连三洋压缩机有限公司 | 一种结霜工况下的制冷***计算机仿真性能计算方法 |
CN104239597A (zh) * | 2014-07-02 | 2014-12-24 | 新菱空调(佛冈)有限公司 | 基于rbf神经网络的冷却塔建模方法 |
Non-Patent Citations (2)
Title |
---|
制冷***中蒸发器模型的建立和数值分析;杨宾;《制冷》;20060930;第25卷(第3期);第51-55页 * |
空气源热泵结霜问题的研究现状及进展(II);郭宪民;《制冷与空调》;20090630;第9卷(第3期);第8-14页 * |
Also Published As
Publication number | Publication date |
---|---|
CN104933322A (zh) | 2015-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chung et al. | Prediction of the frost growth and performance change of air source heat pump system under various frosting conditions | |
Wan et al. | A review of recent advancements of variable refrigerant flow air-conditioning systems | |
Zhu et al. | Developing a new frosting map to guide defrosting control for air-source heat pump units | |
Vocale et al. | Influence of outdoor air conditions on the air source heat pumps performance | |
Zhang et al. | An experimental study of frost distribution and growth on finned tube heat exchangers used in air source heat pump units | |
Esen et al. | Modelling of a vertical ground coupled heat pump system by using artificial neural networks | |
CN104933322B (zh) | 一种前置式防、融霜方法 | |
Su et al. | Simulation analysis of a novel no-frost air-source heat pump with integrated liquid desiccant dehumidification and compression-assisted regeneration | |
Zhao et al. | Effect of corrosion on performance of fin-and-tube heat exchangers with different fin materials | |
Yoo et al. | Determination of defrosting start time in an air-to-air heat pump system by frost volume calculation method | |
CN106765931B (zh) | 多联机空调的控制方法 | |
Han et al. | Refrigerant migration during startup of a split air conditioner in heating mode | |
Song et al. | Dynamic performance characteristics of R410A heat pump with consideration of energy efficiency and thermal comfort at various compressor frequencies and outdoor fan speeds | |
Mauro et al. | Performance degradation of air source heat pumps under faulty conditions | |
CN109470733B (zh) | 一种可实现蒸汽管内与管外冷凝可视化的实验装置 | |
Liu et al. | A modeling study on developing the condensing-frosting performance maps for a variable speed air source heat pump | |
Klingebiel et al. | Efficiency comparison between defrosting methods: A laboratory study on reverse-cycle defrosting, electric heating defrosting, and warm brine defrosting | |
Suerdem et al. | Performance of refrigerants employed in rooftop air-conditioners | |
Ge et al. | Air-cooled condensers in retail systems using R22 and R404A refrigerants | |
Xu et al. | A control-oriented hybrid model for a direct expansion air conditioning system | |
Tang et al. | A novel self-adaptive control strategy of frost prevention and retardation for air source heat pumps in winter conditions | |
Ribeiro et al. | Numerical analysis of R-290/POE ISO 22 condensers based on the second law and SEER rating | |
Popescu et al. | Modelling and simulation of a variable speed air-conditioning system | |
Cheng et al. | Nonlinear observer design and experimental verification for heat exchangers during the start-up process | |
Dechesne et al. | Experimental investigation and dynamic modeling of an air-to-water residential heat pump with vapor injection and variable speed scroll compressor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |