CN114266190A - 制冷设备的预警方法、制冷设备及存储介质 - Google Patents
制冷设备的预警方法、制冷设备及存储介质 Download PDFInfo
- Publication number
- CN114266190A CN114266190A CN202111396794.4A CN202111396794A CN114266190A CN 114266190 A CN114266190 A CN 114266190A CN 202111396794 A CN202111396794 A CN 202111396794A CN 114266190 A CN114266190 A CN 114266190A
- Authority
- CN
- China
- Prior art keywords
- data
- supercooling degree
- early warning
- current
- refrigeration equipment
- 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.)
- Pending
Links
Images
Landscapes
- Air Conditioning Control Device (AREA)
Abstract
本申请公开制冷设备的预警方法、制冷设备及存储介质。其中,预警方法包括:获取制冷设备的多组过冷度数据以及相应的负荷数据;基于多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型;根据关系模型设定过冷度不足的预警条件;基于预警条件进行预警。本申请的预警方法以制冷设备运行负荷率和过冷度的关系模型为制冷设备制冷剂泄露与否的标志,准确反映整机制冷剂状况,检测准确率高,可自动发现制冷设备发生制冷剂泄露的故障,从而避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
Description
技术领域
本申请属于智能家电技术领域,具体涉及制冷设备的预警方法、制冷设备及存储介质。
背景技术
当制冷设备(如空调机组)的制冷剂出现小比例泄漏时,容易造成压缩机回油不足,长期运行容易对压缩机造成机械损坏;当制冷设备的制冷剂出现大比例泄漏时,空调***的压缩机由于超出安全范围运行,容易引发压缩机烧毁。
现有方案仅根据空调***的局部参数,如压力值或储液罐液位或长配管内容积等判断空调整机***的制冷剂泄漏,不能准确反映整机制冷剂状况,存在检测不准确的问题,在空调机组实际运行工况中的大多数情况下无法预警空调***制冷剂是否泄露。
发明内容
本申请提供制冷设备的预警方法、制冷设备及存储介质,以解决制冷设备的制冷剂泄漏检测预警不准确的技术问题。
为解决上述技术问题,本申请采用的一个技术方案是:一种制冷设备的预警方法,所述预警方法包括:获取所述制冷设备的多组过冷度数据以及相应的负荷数据;基于所述多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型;根据所述关系模型设定过冷度不足的预警条件;基于所述预警条件进行预警。
根据本申请一实施方式,所述关系模型为所述过冷度数据和所述负荷数据的拟合函数,所述根据所述关系模型设定过冷度不足的预警条件,包括:根据所述拟合函数设定预警函数,在所述负荷数据相同时,所述预警函数的预警过冷度数据比所述拟合函数的过冷度数据低预设过冷值。
根据本申请一实施方式,所述基于所述预警条件进行预警,包括:获取所述制冷设备的当前过冷度数据和当前负荷数据;确定所述当前过冷度数据和当前负荷数据满足预警条件,则进行预警。
根据本申请一实施方式,所述基于所述预警条件进行预警,包括:连续获取所述制冷设备的多组当前过冷度数据和当前负荷数据;确定连续多组或累计多组所述当前过冷度数据和当前负荷数据满足预警条件,则进行预警。
根据本申请一实施方式,所述预警方法还包括:确定所述当前过冷度数据和当前负荷数据不满足预警条件,则将所述当前过冷度数据和当前负荷数据用于更新所述关系模型。
根据本申请一实施方式,所述关系模型为拟合函数,所述预警条件为预警函数,所述确定所述当前过冷度数据和当前负荷数据满足预警条件,包括:确定所述当前负荷数据在所述预警函数中对应的预警过冷度数据大于所述当前过冷度数据,则满足预警条件。
根据本申请一实施方式,所述过冷度数据包括所述制冷设备的冷凝器出口过冷度;获取所述过冷度数据包括:采集所述制冷设备的冷凝饱和温度或冷凝压力,以及所述冷凝器出口的制冷剂温度,计算所述冷凝器出口的过冷度。
根据本申请一实施方式,所述负荷数据包括所述制冷设备的负荷率,获取所述负荷数据包括:采集所述制冷设备的压机转速、阀门开度、蒸发压力、吸气温度、排气温度或风扇转速中的至少一个数据,计算所述负荷率。
为解决上述技术问题,本申请采用的又一个技术方案是:一种制冷设备,包括制冷组件、预警装置和数据处理装置,所述数据处理装置与所述制冷组件和所述预警装置耦接,以实现上述的方法。
为解决上述技术问题,本申请采用的又一个技术方案是:一种计算机可读存储介质,其上存储有程序数据,所述程序数据被处理器执行时实现上述的方法。
本申请的有益效果是:本申请的预警方法以制冷设备运行负荷率和过冷度的关系模型为制冷设备制冷剂泄露与否的标志,准确反映整机制冷剂状况,检测准确率高。并且,本申请的预警方法提出的方法经过获取数据进行学习,形成关系模型,具有自适应不同制冷设备的能力,在制冷设备实际运行工况中的大多数情况下均可以预警制冷剂是否泄露。本申请实施例可自动发现制冷设备发生制冷剂泄露的故障,从而避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,其中:
图1是本申请的制冷设备的预警方法一实施例的流程示意图;
图2是本申请的制冷设备的预警方法一实施例中建立关系模型的示意图;
图3是本申请的制冷设备的预警方法一实施例中关系模型和预警条件的示意图;
图4是本申请的制冷设备的预警方法一实施例的子流程示意图;
图5是本申请的制冷设备一实施例的框架示意图;
图6是本申请计算机可读存储介质一实施例的框架示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请的一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
请参阅图1至图4,图1是本申请的制冷设备的预警方法一实施例的流程示意图;图2是本申请的制冷设备的预警方法一实施例中建立关系模型的示意图;图3是本申请的制冷设备的预警方法一实施例中关系模型和预警条件的示意图;图4是本申请的制冷设备的预警方法一实施例的子流程示意图。
本申请一实施例提供一种制冷设备的预警方法,包括如下步骤:
S11:获取制冷设备的多组过冷度数据以及相应的负荷数据。
在一些实施例中,获取制冷设备的多组过冷度数据以及相应的负荷数据可以进行现场获取,即在需要首次实施本方法时,持续获取预定时间内制冷设备的多组过冷度数据以及相应的负荷数据。获取每组过冷度数据以及相应的负荷数据之间可以间隔预设间隔。过冷度数据以及相应的负荷数据的总组数以足够用于后续建立关系模型为准。从而获取的过冷度数据以及相应的负荷数据更具时效性,反应目前制冷设备的运行状态。
当然,在其他实施例中,获取制冷设备的多组过冷度数据以及相应的负荷数据还可以为获取历史数据,即获取制冷设备在历史预定时间内的多组过冷度数据以及相应的负荷数据。获取每组过冷度数据以及相应的负荷数据之间可以间隔预设间隔。过冷度数据以及相应的负荷数据的总组数以足够用于后续建立关系模型为准。通过获取的历史过冷度数据以及相应的历史负荷数据,用于后续建立关系模型并进行预警,可以快速建立关系模型,并提高预警效率。
需要说明的是,获取的多组过冷度数据以及相应的负荷数据优选为制冷设备在正常运行状态下的多组过冷度数据以及相应的负荷数据。多组过冷度数据以及相应的负荷数据中存在少量个异常数据时,也不会对本申请实施例中关系模型的建立和正常趋势造成影响。
其中,过冷度数据包括制冷设备的冷凝器出口过冷度。获取制冷设备的过冷度数据包括:采集制冷设备的冷凝饱和温度或冷凝压力以及冷凝器出口的制冷剂温度,冷凝压力和冷凝饱和温度在物理上一一对应,从而利用制冷设备的冷凝饱和温度与冷凝器出口的制冷剂温度进行相减计算,进而获得冷凝器出口的过冷度。当然,还可以采集制冷设备的排气压力以计算出冷凝饱和温度,或者采用其他方式计算制冷设备的冷凝器出口过冷度,此处不作限制。
其中,负荷数据包括制冷设备的负荷率。获取制冷设备的过冷度数据相应的负荷数据包括:采集制冷设备相应的压机转速、阀门开度、蒸发压力、吸气温度、排气温度或风扇转速中的一个或多个数据,利用获取的数据计算负荷数据。具体地,负荷率可以是压缩机转速,或压缩机转速百分比,或根据压缩机运行曲线计算出的压机制冷剂流量或流量比,或根据采集的数据进行机器学习得到如神经网络模型等进行测算,可采用任一可实现的方法利用采集上述数据计算负荷率,此处不作限制。
S12:基于多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型。
基于获取的多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型。在一些实施例中,如图2所示,关系模型为拟合函数。具体地,利用模型学习获取的多组过冷度数据和负荷数据,形成拟合曲线函数。
在一些具体实施方式中,如图2所示,采用“过冷度”和“1-负荷率”建立拟合函数,“过冷度”和“1-负荷率”呈负相关,拟合函数呈下降趋势。当然,在其他具体实施方式中,还可以“过冷度”和“负荷率”建立拟合函数,“过冷度”和“负荷率”呈正相关,拟合函数呈上升趋势。
除此之外,拟合函数可以为呈直线型的线性函数、呈曲线型的幂函数等,直观且方便地检测并预警制冷设备的制冷剂泄漏状态。当然,拟合函数还可以为分段的非线性函数,在负荷率的不同区段值时,负荷率与过冷度之间的关系采用不同的函数,以灵敏检测并预警制冷设备的制冷剂泄漏状态。
当然,在其他实施例中,还可以采用其他关系模型表示过冷度和负荷的映射关系。
S13:根据关系模型设定过冷度不足的预警条件。
可以理解的是,过冷度和负荷的关系模型为正常状态下过冷度数据和负荷数据的分布关系。当关系模型为过冷度数据和负荷数据的拟合函数A时,在制冷设备正常运行状态下,当前过冷度数据可能略高于或者略低于、当前负荷数据在拟合函数上对应的拟合过冷度数据。所以并不代表当前过冷度数据低于当前负荷数据在拟合函数上对应的拟合过冷度数据的值,就代表当前过冷度不足。所以,本申请中还需要根据关系模型设定过冷度不足的预警条件,具体如下:
在一些实施例中,如图3所示,关系模型为过冷度数据和负荷数据的拟合函数A,预警条件为预警函数A1,根据关系模型设定过冷度不足的预警条件包括:根据拟合函数设定过冷度不足的预警函数;在负荷数据相同时,预警函数的预警过冷度数据比拟合函数的过冷度数据低预设过冷值。即,通常将拟合函数下移获得预警函数。预警函数的预警过冷度数据比拟合函数的过冷度数据低的预设过冷值为制冷设备的制冷度的正常波动范围,在当前过冷度数据低于或低于等于当前负荷数据在预警函数上对应的预警过冷度数据时,可能代表制冷设备的运行负荷已经无法达到正常的制冷状态,存在过冷度不足的情况,此时可能存在制冷剂泄漏等异常情况。
具体地,预设过冷值为0-5℃,例如0℃、1℃、3℃或者5℃等,预警过冷度数据通常低于拟合函数的过冷度数据,即给予过冷度数据一段合理波动的范围,从而当达到一负荷数据时,实际过冷度数据略低于拟合函数的过冷度数据,但符合正常波动范围时(未低于预警过冷度数据),不进行制冷剂泄露预警,提高制冷剂泄露检测和预警的准确率,避免过度预警,提高维护人员的工作效率。
当然,在其他实施例中,为了提高检测和预警的灵敏度,还可以将预设过冷值设定为0℃,此时提高检测和预警的灵敏度,但是可能存在一些正常运行状态下的预警情况。
在其他实施例中,还可以设置多个预警条件。在负荷数据相同时,不同预警条件的预警过冷度数据比拟合函数的过冷度数据低的预设过冷值呈递增状态,从而进行阶梯级预警,在不同级别的预警条件下,选择不同的预警方式,以便于维修人员进行观察维护或紧急维修等不同的处理方式。
本申请实施例以制冷设备运行负荷率和过冷度的关系模型为制冷设备制冷剂泄露与否的标志,准确反映整机制冷剂状况,检测准确率高。并且,本申请实施例提出的方法经过对一段时间的历史数据或获取数据进行学习,形成关系模型,具有自适应不同制冷设备的能力,在制冷设备实际运行工况中的大多数情况下均可以预警制冷剂是否泄露。
S14:基于预警条件进行预警。
本申请实施例可自动发现制冷设备发生制冷剂泄露的故障,从而避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
在一些实施例中,基于预警条件进行预警包括:
S141:获取制冷设备的当前过冷度数据和当前负荷数据。
在一些实施例中,可以获取一组制冷设备的当前过冷度数据和当前负荷数据,根据一组制冷设备的当前过冷度数据和当前负荷数据的关系,对制冷设备的运行状态进行判断和预警。
当然,在其他实施例中,还可以连续获取制冷设备的多组当前过冷度数据和当前负荷数据。获取每组当前过冷度数据和当前负荷数据之间可以间隔预设间隔。当前过冷度数据以及相应的当前负荷数据的总组数可以根据实际情况进行调整。
同样地,当前过冷度数据包括制冷设备的当前的冷凝器出口过冷度。获取制冷设备的当前过冷度数据包括:采集制冷设备的冷凝饱和温度或冷凝压力以及冷凝器出口的制冷剂温度,冷凝压力和冷凝饱和温度在物理上一一对应,从而利用制冷设备的冷凝饱和温度与冷凝器出口的制冷剂温度进行相减计算,进而获得当前冷凝器出口的过冷度。当然,还可以采集制冷设备的排气压力以计算出冷凝饱和温度,或者采用其他方式计算制冷设备的当前冷凝器出口过冷度,此处不作限制。
当前负荷数据包括制冷设备的当前负荷率。获取制冷设备的当前过冷度数据相应的当前负荷数据包括:采集制冷设备相应的压机转速、阀门开度、蒸发压力、吸气温度、排气温度或风扇转速中的一个或多个数据,利用获取的数据计算当前负荷数据。具体地,可采用任一可实现的方法利用采集上述数据计算当前负荷率,此处不作限制。
S142:确定当前过冷度数据和当前负荷数据满足预警条件,则进行预警。
其中,当关系模型为拟合函数,预警条件为预警函数,确定当前过冷度数据和当前负荷数据满足预警条件包括:
确定当前负荷数据在预警函数中对应的预警过冷度数据大于当前过冷度数据(例如图3中的B1点),满足预警条件。此时,表示在当前负荷数据下,当前过冷度数据未达到应达到的正常状态的过冷度数据,存在制冷剂泄漏的可能性,所以需要进行预警。
在一些实施例中,若获取一组制冷设备的当前过冷度数据和当前负荷数据,确定该组当前过冷度数据和当前负荷数据满足预警条件,则进行预警,避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
在其他实施例中,若连续获取制冷设备的多组当前过冷度数据和当前负荷数据,可以确定连续第一预定数量组当前过冷度数据和当前负荷数据满足预警条件,则进行预警。其中,第一预定数量根据实际情况调整确定。通过确定连续第一预定数量组当前过冷度数据和当前负荷数据满足预警条件,可以确定制冷设备存在连续的运行异常,极有可能存在制冷剂泄露的故障,从而进行预警,一方面避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题,另一方面提高预警的准确率,避免正常运行状态下的单次错误预警影响制冷设备的正常运行。
当然,在其他实施例中,若连续获取制冷设备的多组当前过冷度数据和当前负荷数据,还可以确定累计第二预定数量组当前过冷度数据和当前负荷数据满足预警条件,则进行预警。其中,第二预定数量根据实际情况调整确定。通过确定连续累计第二预定数量组当前过冷度数据和当前负荷数据满足预警条件,可以确定制冷设备存在连续的运行异常,极有可能存在制冷剂泄露的故障,从而进行预警,一方面避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题,另一方面提高预警的准确率,避免正常运行状态下的单次错误预警影响制冷设备的正常运行。
在其他实施例中,预警函数可以具有多条,从而进行阶梯级预警,在不同级别的预警条件下,选择不同的预警方式,以便于维修人员进行观察维护或紧急维修等不同的处理方式。具体地,预警函数具有两条,在一个当前负荷数据下,两条预警函数分别对应两个预警过冷度数据,分别为第一预警过冷度数据和第二预警过冷度数据,第二预警过冷度数据低于第一预警过冷度数据。在当前过冷度数据低于第一预警过冷度数据,高于第二预警过冷度数据时,表示当前过冷度数据略低于拟合过冷度数据,可能存在异常,可以通知维修人员检查。在当前过冷度数据低于第二预警过冷度数据时,表示当前过冷度数据存在较严重的异常,需要停止运行制冷设备,并尽快通知维修人员检查和维修。
“阶梯级预警方法”可以与“确定连续多组或累计多组当前过冷度数据和当前负荷数据满足预警条件,则进行预警的方法”结合,从而更全面准确地对制冷设备的运行状态进行预警。
进一步地,本申请实施例的预警方法还包括:
S143:确定当前过冷度数据和当前负荷数据不满足预警条件,则将当前过冷度数据和当前负荷数据用于更新关系模型。
在一些实施例中,确定当前过冷度数据和当前负荷数据不满足预警条件(例如图3中的B点),则表明当前过冷度数据和当前负荷数据未处于制冷剂泄漏的非正常状态,无需预警。但可以利用当前过冷度数据和当前负荷数据对关系模型进行更新,以适应制冷设备的***,便于及时发现制冷剂泄漏的情况。例如,当维修人员对制冷设备进行添加制冷剂等维护工作,此时当前负荷数据对应的当前过冷度数据,显然高于当前负荷数据在预警函数中对应的预警过冷度数据,现有的关系模型和预警条件已经无法对制冷设备的过冷度不足作出灵敏准确的判断,所以需要及时对关系模型进行更新。
当然,可以在确定一段时间或者一定次数的当前过冷度数据和当前负荷数据不满足预警条件后,再将该段时间内的当前过冷度数据和当前负荷数据用于更新关系模型。也可以每确定一次当前过冷度数据和当前负荷数据不满足预警条件,即用于更新关系模型,以实时更新并逐步调整对关系模型进。
综上所述,本申请实施例的空调的预警方法具体至少如下优点:
本申请实施例以制冷设备运行负荷率和过冷度的关系模型为制冷设备制冷剂泄露与否的标志,准确反映整机制冷剂状况,检测准确率高。并且,本申请实施例提出的方法经过对一段时间的历史数据或获取数据进行学习,形成关系模型,具有自适应不同制冷设备的能力,在制冷设备实际运行工况中的大多数情况下均可以预警制冷剂是否泄露。本申请实施例可自动发现制冷设备发生制冷剂泄露的故障,从而避免制冷设备带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
请参阅图5,图5是本申请的制冷设备一实施例的框架示意图。
本申请又一实施例包括一种制冷设备20,制冷设备20包括制冷组件21、预警装置22和数据处理装置23,数据处理装置23与制冷组件21和预警装置22耦接,以实现上述实施例中任一所述的预警方法。数据处理装置23包括数据采集单元和数据处理单元。具体地,数据处理装置23获取制冷组件21的多组过冷度数据以及相应的负荷数据,基于多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型;根据关系模型设定过冷度不足的预警条件;基于预警条件控制预警装置22进行预警。
在一些实施例中,数据处理装置23的数据采集单元获取制冷组件21的多组过冷度数据以及相应的负荷数据包括进行现场获取,即在需要首次实施预警时,持续获取预定时间内制冷组件21的多组过冷度数据以及相应的负荷数据。获取每组过冷度数据以及相应的负荷数据之间可以间隔预设间隔。过冷度数据以及相应的负荷数据的总组数以足够用于后续建立关系模型为准。从而获取的过冷度数据以及相应的负荷数据更具时效性,反应目前制冷组件21的运行状态。
当然,在其他实施例中,数据处理装置23的数据采集单元获取制冷组件21的多组过冷度数据以及相应的负荷数据还可以为获取历史数据,即获取制冷组件21在历史预定时间内的多组过冷度数据以及相应的负荷数据。获取每组过冷度数据以及相应的负荷数据之间可以间隔预设间隔。过冷度数据以及相应的负荷数据的总组数以足够用于后续建立关系模型为准。通过获取的历史过冷度数据以及相应的历史负荷数据,用于后续建立关系模型并进行预警,可以快速建立关系模型,并提高预警效率。
进一步地,数据处理装置23的数据处理单元基于获取的多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型。在一些实施例中,如图2所示,关系模型为拟合函数。具体地,利用模型学习获取的多组过冷度数据和负荷数据,形成拟合曲线函数。
进一步地,关系模型可以为过冷度数据和负荷数据的拟合函数A,预警条件为预警函数A1,数据处理单元根据关系模型设定过冷度不足的预警条件包括:根据拟合函数设定过冷度不足的预警函数;在负荷数据相同时,预警函数的预警过冷度数据比拟合函数的过冷度数据低预设过冷值。即,通常将拟合函数下移获得预警函数。预警函数的预警过冷度数据比拟合函数的过冷度数据低的预设过冷值为制冷设备的制冷度的正常波动范围,在当前过冷度数据低于或低于等于当前负荷数据在预警函数上对应的预警过冷度数据时,可能代表制冷组件21的运行负荷已经无法达到正常的制冷状态,存在过冷度不足的情况,此时可能存在制冷剂泄漏等异常情况。
进一步地,数据采集单元可以连续获取制冷组件21的多组当前过冷度数据和当前负荷数据。获取每组当前过冷度数据和当前负荷数据之间可以间隔预设间隔。当前过冷度数据以及相应的当前负荷数据的总组数可以根据实际情况进行调整。数据处理单元确定连续第一预定数量组当前负荷数据在预警函数中对应的预警过冷度数据大于当前过冷度数据,或者数据处理单元确定累计第二预定数量组当前负荷数据在预警函数中对应的预警过冷度数据大于当前过冷度数据,则满足预警条件,数据处理装置23控制预警装置22进行预警。此时,表示在当前负荷数据下,当前过冷度数据未达到应达到的正常状态的过冷度数据,制冷组件21存在制冷剂泄漏的可能性,所以需要进行预警,通知维修人员检测和维修。通过采用累计或者连续多次预警过冷度数据大于当前过冷度数据,才控制预警装置22进行预警,一方面可以避免制冷组件21带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题,另一方面提高预警装置22预警的准确率,避免正常运行状态下的单次错误预警影响制冷设备的正常运行。
综上所述,本申请实施例的制冷设备20具体至少如下优点:
本申请实施例以制冷设备20运行负荷率和过冷度的关系模型为制冷设备20制冷剂泄露与否的标志,准确反映整机制冷剂状况,检测准确率高。并且,本申请实施例经过对一段时间的历史数据或获取数据进行学习,形成关系模型,具有自适应不同制冷设备的能力,在制冷设备20实际运行工况中的大多数情况下均可以预警制冷剂是否泄露。本申请实施例可自动发现制冷设备20发生制冷剂泄露的故障,从而避免制冷设备20带故障运行而导致的高能耗问题以及制冷剂泄露带来的安全风险和环保等问题。
请参阅图6,图6是本申请计算机可读存储介质一实施例的框架示意图。
本申请又一实施例提供了一种计算机可读存储介质30,其上存储有程序数据31,程序数据31被处理器执行时实现上述任一实施例的制冷设备的预警方法。
在本申请所提供的几个实施例中,应该理解到,所揭露的方法和装置,可以通过其它的方式实现。例如,以上所描述的装置实施方式仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性、机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质30中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质30中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本申请各个实施方式方法的全部或部分步骤。而前述的存储介质30包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种制冷设备的预警方法,其特征在于,所述预警方法包括:
获取所述制冷设备的多组过冷度数据以及相应的负荷数据;
基于所述多组过冷度数据和负荷数据,建立过冷度和负荷的关系模型;
根据所述关系模型设定过冷度不足的预警条件;
基于所述预警条件进行预警。
2.根据权利要求1所述的预警方法,其特征在于,所述关系模型为所述过冷度数据和所述负荷数据的拟合函数,所述根据所述关系模型设定过冷度不足的预警条件,包括:
根据所述拟合函数设定预警函数,在所述负荷数据相同时,所述预警函数的预警过冷度数据比所述拟合函数的过冷度数据低预设过冷值。
3.根据权利要求1所述的预警方法,其特征在于,所述基于所述预警条件进行预警,包括:
获取所述制冷设备的当前过冷度数据和当前负荷数据;
确定所述当前过冷度数据和当前负荷数据满足预警条件,则进行预警。
4.根据权利要求3所述的预警方法,其特征在于,所述基于所述预警条件进行预警,包括:
连续获取所述制冷设备的多组当前过冷度数据和当前负荷数据;
确定连续多组或累计多组所述当前过冷度数据和当前负荷数据满足预警条件,则进行预警。
5.根据权利要求3所述的预警方法,其特征在于,所述预警方法还包括:
确定所述当前过冷度数据和当前负荷数据不满足预警条件,则将所述当前过冷度数据和当前负荷数据用于更新所述关系模型。
6.根据权利要求3所述的预警方法,其特征在于,所述关系模型为拟合函数,所述预警条件为预警函数,所述确定所述当前过冷度数据和当前负荷数据满足预警条件,包括:
确定所述当前负荷数据在所述预警函数中对应的预警过冷度数据大于所述当前过冷度数据,则满足预警条件。
7.根据权利要求1所述的预警方法,其特征在于,所述过冷度数据包括所述制冷设备的冷凝器出口过冷度;获取所述过冷度数据包括:采集所述制冷设备的冷凝饱和温度或冷凝压力,以及所述冷凝器出口的制冷剂温度,计算所述冷凝器出口的过冷度。
8.根据权利要求1所述的预警方法,其特征在于,所述负荷数据包括所述制冷设备的负荷率,获取所述负荷数据包括:采集所述制冷设备的压机转速、阀门开度、蒸发压力、吸气温度、排气温度或风扇转速中的至少一个数据,计算所述负荷率。
9.一种制冷设备,其特征在于,包括制冷组件、预警装置和数据处理装置,所述数据处理装置与所述制冷组件和所述预警装置耦接,以实现权利要求1-8中任一项所述的方法。
10.一种计算机可读存储介质,其上存储有程序数据,其特征在于,所述程序数据被处理器执行时实现权利要求1至8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111396794.4A CN114266190A (zh) | 2021-11-23 | 2021-11-23 | 制冷设备的预警方法、制冷设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111396794.4A CN114266190A (zh) | 2021-11-23 | 2021-11-23 | 制冷设备的预警方法、制冷设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114266190A true CN114266190A (zh) | 2022-04-01 |
Family
ID=80825518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111396794.4A Pending CN114266190A (zh) | 2021-11-23 | 2021-11-23 | 制冷设备的预警方法、制冷设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114266190A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096359A (zh) * | 2022-06-17 | 2022-09-23 | 北京航空航天大学 | 一种金属屋面健康监测***及方法 |
-
2021
- 2021-11-23 CN CN202111396794.4A patent/CN114266190A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115096359A (zh) * | 2022-06-17 | 2022-09-23 | 北京航空航天大学 | 一种金属屋面健康监测***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113266973B (zh) | 用于制冷或供热通风与空气调节***的控制***和方法 | |
US7933724B2 (en) | Method of tracking the performance of an industrial appliance | |
US10648605B2 (en) | Water hammer prevention system using operation state analysis algorithm | |
US11079300B2 (en) | Air cooling heat pump system, refrigerant leakage detection method and detection system air cooling heat pump system thereof | |
CN111006355B (zh) | 空调机组及其运行状态监测方法、装置 | |
CN108361915B (zh) | 故障检测方法、装置、空调器和计算机可读存储介质 | |
DE102013108193A1 (de) | Systeme und Verfahren zur Überwachung von Pumpenkavitation | |
CN109580216A (zh) | 齿轮箱润滑冷却***的智能故障预警***及其方法和机组 | |
CN109028456B (zh) | 一种制冷剂的泄漏检测方法和装置 | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和*** | |
EP3584657A1 (en) | Risk assessment device, risk assessment method, and risk assessment program | |
CN109344983A (zh) | 故障检测方法、装置及计算机可读存储介质 | |
CN112178868B (zh) | 空调故障检测方法及装置 | |
CN114266190A (zh) | 制冷设备的预警方法、制冷设备及存储介质 | |
CN115493248A (zh) | 一种中央空调***全生命周期的智能诊断方法和*** | |
Liniger et al. | Reliable fluid power pitch systems: A review of state of the art for design and reliability evaluation of fluid power systems | |
CN115017214A (zh) | 水电站辅助设备运行状态分析预警方法、装置及存储介质 | |
CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其*** | |
CN202483646U (zh) | 汽轮机智能润滑*** | |
CN113934191A (zh) | 一种冷水机组故障诊断*** | |
CN115371205B (zh) | 空调***循环的异常检测方法、装置、电子设备及介质 | |
CN116068304A (zh) | 能效评估方法、装置、***、设备及存储介质 | |
CN102736588B (zh) | 监控方法及*** | |
CN116464691A (zh) | 适用于液压漏油的监测方法和***、设备、介质 | |
CN103712749A (zh) | 列车空调制冷剂泄漏量的检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |