CN117491054A - 一种自适应的换热器性能监测方法及*** - Google Patents
一种自适应的换热器性能监测方法及*** Download PDFInfo
- Publication number
- CN117491054A CN117491054A CN202311741616.XA CN202311741616A CN117491054A CN 117491054 A CN117491054 A CN 117491054A CN 202311741616 A CN202311741616 A CN 202311741616A CN 117491054 A CN117491054 A CN 117491054A
- Authority
- CN
- China
- Prior art keywords
- value
- flow velocity
- node
- moment
- sequence
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000017525 heat dissipation Effects 0.000 claims abstract description 29
- 238000005259 measurement Methods 0.000 claims abstract description 22
- 238000004458 analytical method Methods 0.000 claims description 27
- 230000003044 adaptive effect Effects 0.000 claims description 25
- 230000006870 function Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000009172 bursting Effects 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 4
- SBSGEUBHXXHNBQ-RWRJDSDZSA-N (2s)-2-[[(2s)-2-[[(2s,3r)-2-[[(2s)-2-aminopropanoyl]amino]-3-hydroxybutanoyl]amino]-3-carboxypropanoyl]amino]-3-methylbutanoic acid Chemical compound CC(C)[C@@H](C(O)=O)NC(=O)[C@H](CC(O)=O)NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](C)N SBSGEUBHXXHNBQ-RWRJDSDZSA-N 0.000 claims description 3
- 238000005507 spraying Methods 0.000 claims 4
- 230000005855 radiation Effects 0.000 abstract 2
- 230000000694 effects Effects 0.000 description 8
- 101100148253 Mus musculus Rttn gene Proteins 0.000 description 4
- 238000009825 accumulation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
- G01M99/005—Testing of complete machines, e.g. washing-machines or mobile phones
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明属于散热控制、智能监测以及新能源汽车技术领域,提出了一种自适应的换热器性能监测方法及***,具体为:从通道散热***中识别各个微通道板,以微通道板作为节点,然后在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值,再将流速值与温差值形成的二元组作为微通道板对应节点的实测数据,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态,最后根据换热均性模态进行性能监测预警。对微通道板的散热性能与当前换热器流速的适应性进行微通道板之间的横向对比,从而对换热器中各个微通道板的散热效率差异进行及时识别,对通道中均匀流动性能不充足的问题及时发现以防形成压降损失带来的效率隐患。
Description
技术领域
本发明属于散热控制、智能监测以及新能源汽车技术领域,具体涉及一种自适应的换热器性能监测方法及***。
背景技术
电动汽车中涉及温度控制的部件中,由于各个部件功能和性能的差异,往往需要对其温度分别进行控制,通过对部件的温度控制,使得各个部件的工作能再适宜的温度下进行工作,从而使得电能损耗减少、电力利用率提升等效果,而由于不同部件可能需要在不同的温度下运行,一般会采用换热器实现这些部件之间的温度均衡,以提高电能利用效率和部件运作的性能。电动汽车的换热器中通常包含微通道散热器,微通道散热器的工作过程中,利用流体发生相变换热等原理,增强吸收的潜热使得微通道热沉具有较好的冷却效果.
然而,微通道散热器中微通道板内流体在细长的通道流动过程中吸收外界热量发生相变的过程中,随着反应剧烈的程度增强,形成的气泡尺寸随之增大,进而降低通道中有效流通截面积,导致极大的压降损失,如果微通道散热器中各个微通道区域或者微通道板块之间散热效率差异不能及时识别和分配,或者通道中均匀流动性能不充足,则会进一步形成压降损失,使得换热器的均温效果或者温度控制效果降低,影响电动汽车的正常运行。
发明内容
本发明的目的在于提出一种自适应的换热器性能监测方法及***,以解决现有技术中所存在的一个或多个技术问题,至少提供一种有益的选择或创造条件。
为了实现上述目的,根据本发明的一方面,提供一种自适应的换热器性能监测方法,所述方法包括以下步骤:
S100,初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点;
S200,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据;
S300,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态;
S400,根据换热均性模态进行性能监测预警。
进一步地,在步骤S100中,所述初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点的方法是:微通道散热***包括若干微通道板,各个微通道板分别布置有对应的流速传感器以及温度传感器,流速传感器与温度传感器进行实时数据测量,其中流速传感器为旋转式传感器或者压差传感器,流速传感器布置于微通道板的入口处;温度传感器为热电偶温度传感器、红外线温度传感器或者电阻式温度传感器,温度传感器布置于微通道板的入口以及出口。
进一步地,在步骤S200中,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据的方法是:将一个微通道板设定为一个节点,通过节点中流速传感器实时测得流速值;通过节点中温度传感器实时测得温度值,并以入口位置的温度值与出口位置的温度值之间的差值作为温差值;以节点在同一个时刻下测得的流速值和温差值构成一个二元组作为节点在该时刻获得的实测数据;设定一个时间段作为测量间隔gp,gp∈[0.5,5]秒;每隔gp记录一次实测数据。
进一步地,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:
对任一时刻下各个节点获得的流速值进行归一化处理,将设定一个时间段Tsg作为测量间隔,Tsg∈[5,15]分钟;将在时间段Tsg内获得的各个时刻的流速值FRV的平均值记作第一流速阈值,以任意时刻与其前一个时刻的流速值之差作为该时刻的流速差值FRD;一个时刻的第二流速阈值设定为第一流速阈值与其前一个时刻的流速差值的差;
如果当前时刻满足FRV>DFRTfr则将当前时刻记为速迸点,将在时间段Tsg内获得的各个时刻的温差值TDV的构建一个序列记为温差值序列;定位与当前时刻距离最近的速迸点,并继续逆时间搜索直到温差值序列内同时存在极大值与极小值的时刻,作为速迸观测点,将当前时刻到速迸观测点之间的时间段作为第一分析时段ht;
将速迸点在温差值序列中逆时间顺序遍历获得首个极大值与首个极小值的比值记为该速迸点的热陡变率HRt,将最近Tsg时段内获得的各个速迸点对应的温差值TDV构建一个序列记为热态序列TDV[.];热态序列中各个元素的平均值和峰位差分别记为ATDV和DVPH,峰位差为序列中的最大值与最小值之差;根据热态序列计算得到的换热均性模态HEHM:
其中j1为累加变量,峰位差为序列中的最大值与最小值之差,ln()为自然常数e为底数的对数函数,T_len代表热态序列中元素的数量,即Tsg时段内速迸点的数量,TDV[j1]代表热态序列中第j1个元素,HRtj1代表第j1个速迸点的热陡变率;DVPHht最近ht时间段内各次形成的热态序列中,选取序列长度最大的热态序列对应的DVPH。
由于上述换热均性模态的计算过于局限在速迸点与温差值,即使速迸点与温差值高度体现了换热均性模态关于速迸点与流速值的数据特征,但这种运算方式无法体现全局特征会导致第二流速阈值数据的灵敏度不足的问题,进而对速迸点与流速值分布识别精度的缺失,使得下一步根据换热均性模态进行性能监测预警出现捕抓不及时和不精确的现象,然而现有技术无法解决换热均性模态的对第二流速阈值敏感度不足的问题,为了使第二流阈值更加可靠,对换热均性模态使用的适用性更广,消除所述第二流速阈值敏感度不足的现象,所以本发明提出了一个更优选的方案如下:
进一步地,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:以一个时间段TZ作为分析时段,TZ∈[5,10]分钟;将节点在分析时段内获得的各个流速值构建一个序列记作流速序列;对任意节点,在流速序列中以一个时刻的流速值与其前、后一个时刻的流速值分别作差,并分别记作流速前差和流速后差,将流速前差与流速后差的比值作为该时刻的拐点比例FRD;取分析时段内拐点比例的平均值记为拐点比例阈值,如果一个时刻的拐点比例大于拐点比例阈值,则将该时刻记作第一拐类时点,
以任一节的作为当前节点,计算当前节点的换热均性模态:把当前节点的各个第一拐类时点下对应的温差值的平均值记为流温稳态值EFTM;以一个第一拐类时点与其前一个第一拐类时点的温差值的差值作为流温模态,流温模态与流温稳态值的比值作为该第一拐类时点的预偏度LPbv,若一个时刻不为第一拐类时点则其对应预偏度设定为空值NULL;分析时段内当前节点各个预偏度的平均值为MLP;若第一拐类时点下存在至少一个其他节点的预偏度不为NULL,则将其定义其为第二拐类时点,将第二拐类时点的元素总量记作N_St,
任意第二拐类时点下,获取各个节点对应的非空值预偏度中的最大值和最小值分别记为的第一预偏值Stv_a和第二预偏值Stv_b,以和/>代表所有第二拐类时点下第一预偏值Stv_a的平均值和第二预偏值Stv_b的平均值,若当前节点任一第二拐类时点对应预偏度在区间/>内,则将该时刻对应温差值写入流温模态序列,其中非空值预偏度代表不为NULL的预偏度;根据流温模态、第一预偏值和第二预偏值计算获得该节点当前时刻的流温异动度FTAM:
其中i1表示累加变量,FTMi1表示第i1个第二拐类时点对应的温差值,HF<>为调和平均数函数,exp()为自然常数e为底数的指数函数;
获取当前节点各个时刻的流温异动度的平均值记作EFTAM,当一个时刻下流温异动度满足LADM≥ELADM,则定义该时刻下发生趋性确定事件,否则定义在当前时刻下发生趋性下摆事件;从任一时刻开始按时间顺序遍历发生趋性确定事件的各个时刻直至到任意发生趋性下摆事件的时刻,该遍历过程中被标记的时刻数量作为该时刻的趋性延伸量,将各个时刻的趋性延伸量的中位数作为延伸区间量GNum,即从当前时刻开始,在第一预偏序列中每隔GNum个时刻形成一个模态分析区间,模态分析区间的个数记为N_LP,模态分析区间的趋性延伸比RtTN为该时段内发生趋性确定事件的时刻的比例;
根据流温模态序列、趋性延伸比和预偏度计算当前节点的换热均性模态HTUM:
其中i2为累加变量,和RtTNi2分别表示第i2个模态分析区间中各个预偏度的平均值以及趋性延伸比,TStlv和BStlv分别为流温模态序列的最大值和最小值。
有益效果:由上可知,换热均性模态是通过微通道板的流速和温差计算获得的,有效将微通道板中新近时段内对流速偏差性较大的温差数据进行归结,从而量化一个微通道板的散热性能与当前流速的适应性,有效鉴别一个微通道板对应散热性能与微通道散热***内其他微通道板之间的换热性能协调属性,对换热器中各个微通道板的散热效率差异进行及时识别,为进一步提升换热器的安全性以及换热性能提供可靠的数据支撑,进而提升电动汽车各个部件的均温效果或者温度控制效果。
进一步地,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:各个节点分别预先设定模态阈值Banner,如果一个节点的换热均性模态超过模态阈值,则该微通道板存在故障,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。
进一步地,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:以同一个时刻下各个节点的换热均性模态的中位值和下四分位值分别记为该时刻对应第一均性模态和第三均性模态;设定一个时间段作为均性监测区间tavz,获取最近tavz时段中将各个节点的换热均性模态并构建成序列记作均性监测序列,以均性监测序列中各个元素的平均值记为第二均性模态,当均性监测区间内任一个时刻的第一均性模态大于等于第二均性模态,则定义该时刻发生均性偏移,最近tavz时段内发生均性偏移的总次数记作偏移总次;若节点在发生均性偏移的时刻中对应换热均性模态超过均性模态,则定义节点在该时刻发生模态溢出,以一个节点最近tavz时段内发生模态溢出的总次数与偏移总次的比值作为该节点的溢次比例;
将各个节点获得的溢次比例构成序列作为溢次监测序列,如果溢次监测序列中的最大值与次最大值的比值大于2,则定义溢次监测序列中最大值对应节点出现故障隐患,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。其中次最大值为序列中仅小于序列中最大值的值。
优选地,其中,本发明中所有未定义的变量,若未有明确定义,均可为人工设置的阈值。
本发明还提供了一种自适应的换热器性能监测***,所述一种自适应的换热器性能监测***包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述一种自适应的换热器性能监测方法中的步骤,所述一种自适应的换热器性能监测***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心等计算设备中,可运行的***可包括,但不仅限于,处理器、存储器、服务器集群,所述处理器执行所述计算机程序运行在以下***的单元中:
初始化单元,用于初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点;
实时测量单元,用于在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据;
均性分析单元,用于通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态;
性能预警单元,用于根据换热均性模态进行性能监测预警。
本发明的有益效果为:本发明提供一种自适应的换热器性能监测方法及***,有效对电动汽车中应用微通道散热***的换热器进行科学预警,有效鉴别一个微通道板对应散热性能与微通道散热***内其他微通道板之间的换热性能协调属性,对微通道板的散热性能与当前换热器流速的适应性进行微通道板之间的横向对比,从而对换热器中各个微通道板的散热效率差异进行及时识别,形成换热器的安全性以及换热性能的数据识别性,进而提升电动汽车各个部件的均温效果或者温度控制效果,对通道中均匀流动性能不充足的问题及时发现以防进一步形成压降损失带来的效率隐患。
附图说明
通过对结合附图所示出的实施方式进行详细说明,本发明的上述以及其他特征将更加明显,本发明附图中相同的参考标号表示相同或相似的元素,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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,在附图中:
图1所示为一种自适应的换热器性能监测方法的流程图;
图2所示为一种自适应的换热器性能监测***结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述,以充分地理解本发明的目的、方案和效果。需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种自适应的换热器性能监测方法的流程图,下面结合图1来阐述根据本发明的实施方式的一种自适应的换热器性能监测方法,所述方法包括以下步骤:
S100,初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点;
S200,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据;
S300,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态;
S400,根据换热均性模态进行性能监测预警。
进一步地,在步骤S100中,所述初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点的方法是:微通道散热***包括若干微通道板,各个微通道板分别布置有对应的流速传感器以及温度传感器,流速传感器与温度传感器进行实时数据测量,其中流速传感器为旋转式传感器或者压差传感器,流速传感器布置于微通道板的入口处;温度传感器为热电偶温度传感器、红外线温度传感器或者电阻式温度传感器,温度传感器布置于微通道板的入口以及出口。
进一步地,在步骤S200中,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据的方法是:将一个微通道板设定为一个节点,通过节点中流速传感器实时测得流速值;通过节点中温度传感器实时测得温度值,并以入口位置的温度值与出口位置的温度值之间的差值作为温差值;以节点在同一个时刻下测得的流速值和温差值构成一个二元组作为节点在该时刻获得的实测数据;设定一个时间段作为测量间隔gp,gp∈[0.5,5]秒;每隔gp记录一次实测数据。
进一步地,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:
对任一时刻下各个节点获得的流速值进行归一化处理,将设定一个时间段Tsg作为测量间隔,Tsg∈[5,15]分钟;将在时间段Tsg内获得的各个时刻的流速值FRV的平均值记作第一流速阈值,以任意时刻与其前一个时刻的流速值之差作为该时刻的流速差值FRD;一个时刻的第二流速阈值设定为第一流速阈值与其前一个时刻的流速差值的差;
或者第二流速阈值的计算方法可以替换为:以fr代表当前时刻的前一个时刻的标记符;根据流速差值和流速值计算第二流速阈值DFRT:
其中DFRTfr、FRDfr和FRVfr分别代表前一个时刻的第二流速阈值、流速差值和流速值,如果当前时刻的前一个时刻fr不存在,则将DFRTfr取值当前时刻的第一流速阈值;
如果当前时刻满足FRV>DFRTfr则将当前时刻记为速迸点,将在时间段Tsg内获得的各个时刻的温差值TDV的构建一个序列记为温差值序列;定位与当前时刻距离最近的速迸点,并继续逆时间搜索直到温差值序列内同时存在极大值与极小值的时刻,作为速迸观测点,将当前时刻到速迸观测点之间的时间段作为第一分析时段ht;
将速迸点在温差值序列中逆时间顺序遍历获得首个极大值与首个极小值的比值记为该速迸点的热陡变率HRt,将最近Tsg时段内获得的各个速迸点对应的温差值TDV构建一个序列记为热态序列TDV[.];热态序列中各个元素的平均值和峰位差分别记为ATDV和DVPH,峰位差为序列中的最大值与最小值之差;根据热态序列计算得到的换热均性模态HEHM:
其中j1为累加变量,峰位差为序列中的最大值与最小值之差,ln()为自然常数e为底数的对数函数,T_len代表热态序列中元素的数量,即Tsg时段内速迸点的数量,TDV[j1]代表热态序列中第j1个元素,HRtj1代表第j1个速迸点的热陡变率;DVPHht最近ht时间段内各次形成的热态序列中,选取序列长度最大的热态序列对应的DVPH。
进一步地,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:以一个时间段TZ作为分析时段,TZ∈[5,10]分钟;将节点在分析时段内获得的各个流速值构建一个序列记作流速序列;对任意节点,在流速序列中以一个时刻的流速值与其前、后一个时刻的流速值分别作差,并分别记作流速前差和流速后差,将流速前差与流速后差的比值作为该时刻的拐点比例FRD;取分析时段内拐点比例的平均值记为拐点比例阈值,如果一个时刻的拐点比例大于拐点比例阈值,则将该时刻记作第一拐类时点,
以任一节的作为当前节点,计算当前节点的换热均性模态:把当前节点的各个第一拐类时点下对应的温差值的平均值记为流温稳态值EFTM;以一个第一拐类时点与其前一个第一拐类时点的温差值的差值作为流温模态,流温模态与流温稳态值的比值作为该第一拐类时点的预偏度LPbv,若一个时刻不为第一拐类时点则其对应预偏度设定为空值NULL;分析时段内当前节点各个预偏度的平均值为MLP;若第一拐类时点下存在至少一个其他节点的预偏度不为NULL,则将其定义其为第二拐类时点,将第二拐类时点的元素总量记作N_St,
任意第二拐类时点下,获取各个节点对应的非空值预偏度中的最大值和最小值分别记为的第一预偏值Stv_a和第二预偏值Stv_b,以和/>代表所有第二拐类时点下第一预偏值Stv_a的平均值和第二预偏值Stv_b的平均值,若当前节点任一第二拐类时点对应预偏度在区间/>内,则将该时刻对应温差值写入流温模态序列,其中非空值预偏度代表不为NULL的预偏度;根据流温模态、第一预偏值和第二预偏值计算获得该节点当前时刻的流温异动度FTAM:
其中i1表示累加变量,FTMi1表示第i1个第二拐类时点对应的温差值,HF<>为调和平均数函数,exp()为自然常数e为底数的指数函数;
获取当前节点各个时刻的流温异动度的平均值记作EFTAM,当一个时刻下流温异动度满足LADM≥ELADM,则定义该时刻下发生趋性确定事件,否则定义在当前时刻下发生趋性下摆事件;从任一时刻开始按时间顺序遍历发生趋性确定事件的各个时刻直至到任意发生趋性下摆事件的时刻,该遍历过程中被标记的时刻数量作为该时刻的趋性延伸量,将各个时刻的趋性延伸量的中位数作为延伸区间量GNum,即从当前时刻开始,在第一预偏序列中每隔GNum个时刻形成一个模态分析区间,模态分析区间的个数记为N_LP,模态分析区间的趋性延伸比RtTN为该时段内发生趋性确定事件的时刻的比例;
根据流温模态序列、趋性延伸比和预偏度计算当前节点的换热均性模态HTUM:
其中i2为累加变量,和RtTNi2分别表示第i2个模态分析区间中各个预偏度的平均值以及趋性延伸比,TStlv和BStlv分别为流温模态序列的最大值和最小值。
进一步地,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:各个节点分别预先设定模态阈值Banner,如果一个节点的换热均性模态超过模态阈值,则该微通道板存在故障,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。
进一步地,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:以同一个时刻下各个节点的换热均性模态的中位值和下四分位值分别记为该时刻对应第一均性模态和第三均性模态;设定一个时间段作为均性监测区间tavz,获取最近tavz时段中将各个节点的换热均性模态并构建成序列记作均性监测序列,以均性监测序列中各个元素的平均值记为第二均性模态,当均性监测区间内任一个时刻的第一均性模态大于等于第二均性模态,则定义该时刻发生均性偏移,最近tavz时段内发生均性偏移的总次数记作偏移总次;若节点在发生均性偏移的时刻中对应换热均性模态超过均性模态,则定义节点在该时刻发生模态溢出,以一个节点最近tavz时段内发生模态溢出的总次数与偏移总次的比值作为该节点的溢次比例;
将各个节点获得的溢次比例构成序列作为溢次监测序列,如果溢次监测序列中的最大值与次最大值的比值大于2,则定义溢次监测序列中最大值对应节点出现故障隐患,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。
本发明的实施例提供的一种自适应的换热器性能监测***,如图2所示为本发明的一种自适应的换热器性能监测***结构图,该实施例的一种自适应的换热器性能监测***包括:处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述一种自适应的换热器性能监测***实施例中的步骤。
所述***包括:存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序运行在以下***的单元中:
初始化单元,用于初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点;
实时测量单元,用于在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据;
均性分析单元,用于通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态;
性能预警单元,用于根据换热均性模态进行性能监测预警。
所述一种自适应的换热器性能监测***可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种自适应的换热器性能监测***,可运行的***可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,所述例子仅仅是一种自适应的换热器性能监测***的示例,并不构成对一种自适应的换热器性能监测***的限定,可以包括比例子更多或更少的部件,或者组合某些部件,或者不同的部件,例如所述一种自适应的换热器性能监测***还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Tsgplication Specific Integrated Circuit,ASIC)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,所述处理器是所述一种自适应的换热器性能监测***运行***的控制中心,利用各种接口和线路连接整个一种自适应的换热器性能监测***可运行***的各个部分。
所述存储器可用于存储所述计算机程序和/或模块,所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现所述一种自适应的换热器性能监测***的各种功能。所述存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述,但其并非旨在局限于任何这些细节或实施例或任何特殊实施例,从而有效地涵盖本发明的预定范围。此外,上文以发明人可预见的实施例对本发明进行描述,其目的是为了提供有用的描述,而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (9)
1.一种自适应的换热器性能监测方法,其特征在于,所述方法包括以下步骤:
S100,初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点;
S200,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据;
S300,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态;
S400,根据换热均性模态进行性能监测预警;
其中通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是,对各个节点获得的流速值进行归一化处理,根据一段时间的流速值获得第一流速阈值,根据第一流速阈值和流速变化计算第二流速阈值,根据二流速阈值定位速迸点时刻,结合速迸点的温差值形成温差值序列,通过速迸点搜索速迸观测点,并划分出第一分析时段;通过温差值序列计算热陡变率,并根据速迸点对应的温差值构建热态序列,根据热态序列计算换热均性模态。
2.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S100中,所述初始化换热器的微通道散热***,从通道散热***中识别各个微通道板,以微通道板作为节点的方法是:微通道散热***包括若干微通道板,各个微通道板分别布置有对应的流速传感器以及温度传感器,流速传感器与温度传感器进行实时数据测量,其中流速传感器为旋转式传感器或者压差传感器,流速传感器布置于微通道板的入口处;温度传感器为热电偶温度传感器、红外线温度传感器或者电阻式温度传感器,温度传感器布置于微通道板的入口以及出口。
3.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S200中,在各个微通道板中布置的流速传感器测得流速值,并通过温度传感器测量温差值;将流速值与温差值形成的二元组作为微通道板对应节点的实测数据的方法是:将一个微通道板设定为一个节点,通过节点中流速传感器实时测得流速值;通过节点中温度传感器实时测得温度值,并以入口位置的温度值与出口位置的温度值之间的差值作为温差值;以节点在同一个时刻下测得的流速值和温差值构成一个二元组作为节点在该时刻获得的实测数据;设定一个时间段作为测量间隔gp,gp∈[0.5,5]秒;每隔gp记录一次实测数据。
4.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:对任一时刻下各个节点获得的流速值进行归一化处理,将设定一个时间段Tsg作为测量间隔,Tsg∈[5,15]分钟;将在时间段Tsg内获得的各个时刻的流速值FRV的平均值记作第一流速阈值,以任意时刻与其前一个时刻的流速值之差作为该时刻的流速差值FRD;一个时刻的第二流速阈值设定为第一流速阈值与其前一个时刻的流速差值的差;
如果当前时刻满足FRV>DFRTfr则将当前时刻记为速迸点,将在时间段Tsg内获得的各个时刻的温差值TDV的构建一个序列记为温差值序列;定位与当前时刻距离最近的速迸点,并继续逆时间搜索直到温差值序列内同时存在极大值与极小值的时刻,作为速迸观测点,将当前时刻到速迸观测点之间的时间段作为第一分析时段ht;
将速迸点在温差值序列中逆时间顺序遍历获得首个极大值与首个极小值的比值记为该速迸点的热陡变率HRt,将最近Tsg时段内获得的各个速迸点对应的温差值TDV构建一个序列记为热态序列TDV[.];热态序列中各个元素的平均值和峰位差分别记为ATDV和DVPH,峰位差为序列中的最大值与最小值之差;计算得到的换热均性模态HEHM:
其中j1为累加变量,峰位差为序列中的最大值与最小值之差,ln()为自然常数e为底数的对数函数,T_len代表热态序列中元素的数量,,TDV[j1]代表热态序列中第j1个元素,HRtj1代表第j1个速迸点的热陡变率;DVPHht最近ht时间段内各次形成的热态序列中,选取序列长度最大的热态序列对应的DVPH。
5.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S300中,通过历史数据中测量获得的流速值和温差值为微通道板计算换热均性模态的方法是:以一个时间段TZ作为分析时段,TZ∈[5,10]分钟;将节点在分析时段内获得的各个流速值构建一个序列记作流速序列;对任意节点,在流速序列中以一个时刻的流速值与其前、后一个时刻的流速值分别作差,并分别记作流速前差和流速后差,将流速前差与流速后差的比值的绝对值作为该时刻的拐点比例FRD;取分析时段内拐点比例的平均值记为拐点比例阈值,如果一个时刻的拐点比例大于拐点比例阈值,则将该时刻记作第一拐类时点;
以任一节的作为当前节点,计算当前节点的换热均性模态:把当前节点的各个第一拐类时点下对应的温差值的平均值记为流温稳态值EFTM;以一个第一拐类时点与其前一个第一拐类时点的温差值的差值作为流温模态,流温模态与流温稳态值的比值作为该第一拐类时点的预偏度LPbv,分析时段内当前节点各个预偏度的平均值为MLP;若第一拐类时点下存在至少一个其他节点的预偏度不为NULL,则将其定义其为第二拐类时点,将第二拐类时点的元素总量记作N_St;根据第二拐类时点计算换热均性模态。
6.根据权利要求5所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S300中,根据第二拐类时点计算换热均性模态的方法是:任意第二拐类时点下,获取各个节点对应的非空值预偏度中的最大值和最小值分别记为的第一预偏值和第二预偏值,以和代表所有第二拐类时点下第一预偏值的平均值和第二预偏值的平均值,若当前节点任一第二拐类时点对应预偏度在区间/>内,则将该时刻对应温差值写入流温模态序列,根据流温模态、第一预偏值和第二预偏值计算获得该节点当前时刻的流温异动度;
获取当前节点各个时刻的流温异动度的平均值记作EFTAM,当一个时刻下流温异动度满足LADM≥ELADM,则定义该时刻下发生趋性确定事件,否则定义在当前时刻下发生趋性下摆事件;从任一时刻开始按时间顺序遍历发生趋性确定事件的各个时刻直至到任意发生趋性下摆事件的时刻,该遍历过程中被标记的时刻数量作为该时刻的趋性延伸量,将各个时刻的趋性延伸量的中位数作为延伸区间量GNum,即从当前时刻开始,在第一预偏序列中每隔GNum个时刻形成一个模态分析区间,模态分析区间的趋性延伸比为该时段内发生趋性确定事件的时刻的比例,根据流温模态序列、趋性延伸比和预偏度计算当前节点的换热均性模态。
7.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:各个节点分别预先设定模态阈值Banner,如果一个节点的换热均性模态超过模态阈值,则该微通道板存在故障,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。
8.根据权利要求1所述的一种自适应的换热器性能监测方法,其特征在于,在步骤S400中,所述根据换热均性模态进行性能监测预警的方法是:以同一个时刻下各个节点的换热均性模态的中位值和下四分位值分别记为该时刻对应第一均性模态和第三均性模态;设定一个时间段作为均性监测区间tavz,获取最近tavz时段中将各个节点的换热均性模态并构建成序列记作均性监测序列,以均性监测序列中各个元素的平均值记为第二均性模态,当均性监测区间内任一个时刻的第一均性模态大于等于第二均性模态,则定义该时刻发生均性偏移,最近tavz时段内发生均性偏移的总次数记作偏移总次;若节点在发生均性偏移的时刻中对应换热均性模态超过均性模态,则定义节点在该时刻发生模态溢出,以一个节点最近tavz时段内发生模态溢出的总次数与偏移总次的比值作为该节点的溢次比例;
将各个节点获得的溢次比例构成序列作为溢次监测序列,如果溢次监测序列中的最大值与次最大值的比值大于2,则定义溢次监测序列中最大值对应节点出现故障隐患,向客户端发出故障预警信息;其中把该节点历史中获得的换热均性模态作为宕机数据,将该节点对应的序号以及宕机数据作为故障预警信息。
9.一种自适应的换热器性能监测***,其特征在于,所述一种自适应的换热器性能监测***包括:处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现权利要求1-8中任一项所述的一种自适应的换热器性能监测方法中的步骤,所述一种自适应的换热器性能监测***运行于桌上型计算机、笔记本电脑、掌上电脑及云端数据中心的计算设备中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311741616.XA CN117491054A (zh) | 2023-12-18 | 2023-12-18 | 一种自适应的换热器性能监测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311741616.XA CN117491054A (zh) | 2023-12-18 | 2023-12-18 | 一种自适应的换热器性能监测方法及*** |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117491054A true CN117491054A (zh) | 2024-02-02 |
Family
ID=89672944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311741616.XA Pending CN117491054A (zh) | 2023-12-18 | 2023-12-18 | 一种自适应的换热器性能监测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117491054A (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080077339A1 (en) * | 2006-09-26 | 2008-03-27 | Samsung Sdi Co., Ltd. | Battery management system and driving method thereof |
JP2011182585A (ja) * | 2010-03-02 | 2011-09-15 | Honda Motor Co Ltd | 充電制御装置および充電制御装置が搭載された車両 |
EP2765019A2 (de) * | 2013-02-07 | 2014-08-13 | MAN Truck & Bus AG | Verfahren und Anordnung zur Optimierung der motorischen Verfügbarkeit einer mittels Kühlkreislauf gekühlten Elektromobilitätskomponente |
CN104149600A (zh) * | 2013-05-15 | 2014-11-19 | 北汽福田汽车股份有限公司 | 电动汽车电机***的冷却***的控制方法及*** |
CN113829953A (zh) * | 2021-11-15 | 2021-12-24 | 合众新能源汽车有限公司 | 电动汽车动力电池冷却控制方法及控制装置 |
CN114628805A (zh) * | 2022-03-28 | 2022-06-14 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池冷却方法、管理***及车载终端 |
CN116087798A (zh) * | 2023-04-03 | 2023-05-09 | 中北润良新能源(济宁)股份有限公司 | 一种动力电池检测方法 |
CN117141295A (zh) * | 2023-10-31 | 2023-12-01 | 深圳市善充充新能源科技有限公司 | 一种新能源汽车的二合一高压充电方法及充电站 |
CN117193503A (zh) * | 2023-11-06 | 2023-12-08 | 惠州市鑫晖源科技有限公司 | 基于物联网的散热主机电源运行监测方法 |
-
2023
- 2023-12-18 CN CN202311741616.XA patent/CN117491054A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080077339A1 (en) * | 2006-09-26 | 2008-03-27 | Samsung Sdi Co., Ltd. | Battery management system and driving method thereof |
JP2011182585A (ja) * | 2010-03-02 | 2011-09-15 | Honda Motor Co Ltd | 充電制御装置および充電制御装置が搭載された車両 |
EP2765019A2 (de) * | 2013-02-07 | 2014-08-13 | MAN Truck & Bus AG | Verfahren und Anordnung zur Optimierung der motorischen Verfügbarkeit einer mittels Kühlkreislauf gekühlten Elektromobilitätskomponente |
CN104149600A (zh) * | 2013-05-15 | 2014-11-19 | 北汽福田汽车股份有限公司 | 电动汽车电机***的冷却***的控制方法及*** |
CN113829953A (zh) * | 2021-11-15 | 2021-12-24 | 合众新能源汽车有限公司 | 电动汽车动力电池冷却控制方法及控制装置 |
CN114628805A (zh) * | 2022-03-28 | 2022-06-14 | 重庆金康赛力斯新能源汽车设计院有限公司 | 一种电池冷却方法、管理***及车载终端 |
CN116087798A (zh) * | 2023-04-03 | 2023-05-09 | 中北润良新能源(济宁)股份有限公司 | 一种动力电池检测方法 |
CN117141295A (zh) * | 2023-10-31 | 2023-12-01 | 深圳市善充充新能源科技有限公司 | 一种新能源汽车的二合一高压充电方法及充电站 |
CN117193503A (zh) * | 2023-11-06 | 2023-12-08 | 惠州市鑫晖源科技有限公司 | 基于物联网的散热主机电源运行监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10031671B2 (en) | Method, apparatus, and system for calculating identification threshold to distinguish cold data and hot data | |
US11238308B2 (en) | Entropic clustering of objects | |
TWI690191B (zh) | 圖結構模型訓練、垃圾帳戶識別方法、裝置以及設備 | |
US10311230B2 (en) | Anomaly detection in distributed ledger systems | |
US10229129B2 (en) | Method and apparatus for managing time series database | |
US7373480B2 (en) | Apparatus and method for determining stack distance of running software for estimating cache miss rates based upon contents of a hash table | |
US7366871B2 (en) | Apparatus and method for determining stack distance including spatial locality of running software for estimating cache miss rates based upon contents of a hash table | |
CN113722520B (zh) | 图数据的查询方法及装置 | |
WO2018113317A1 (zh) | 数据的迁移方法、装置和*** | |
US20120215925A1 (en) | Managing IPMI Sessions | |
Xu et al. | VATE: A trade-off between memory and preserving time for high accurate cardinality estimation under sliding time window | |
CN117172830A (zh) | 一种电商数据分析的预测模型构建方法及*** | |
CN111026603A (zh) | 片上网络温度预测方法及装置、设备、存储介质 | |
CN117491054A (zh) | 一种自适应的换热器性能监测方法及*** | |
US11403273B1 (en) | Optimizing hash table searching using bitmasks and linear probing | |
CN112749035A (zh) | 异常检测方法、装置及计算机可读介质 | |
US20160239589A1 (en) | Automatic calibration of thermal models | |
US9158807B2 (en) | Fast distributed database frequency summarization | |
Lowther et al. | Detecting changes in mixed‐sampling rate data sequences | |
Ozceylan et al. | Improving temperature prediction accuracy using Kalman and particle filtering methods | |
Johnen et al. | A note on multiple roots of a likelihood equation for Weibull sequential order statistics | |
WO2023029931A1 (zh) | 一种存储器的温度检测方法及装置 | |
US10942860B2 (en) | Computing system and method using bit counter | |
Malang et al. | Analyzing community structure based on topology potential over complex network system | |
CN116150438B (zh) | 基于交易图谱的数据处理方法及装置 |
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 |