CN103528294B - 一种制冷系统的能效处理方法及系统 - Google Patents

Abstract

本发明公开一种制冷系统的能效处理方法及系统，其中，方法包括步骤：A、通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；B、通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；C、根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整。

Description

一种制冷系统的能效处理方法及系统

技术领域

本发明涉及制冷系统领域，尤其涉及一种制冷系统的能效处理方法及系统。

背景技术

制冷系统由压缩、冷却、冷凝、传输和散热等各个环节组成，其为一个复杂的系统，各个环节的能效是相互关联、相互影响的，每一个环节的变化都会引起其他环节的能效改变。在制冷系统中，整个系统的制冷效率是由能效低的环节决定的，只改变其中一个环节的能效，不一定能提高整体制冷设备的运行效率，只有找到关键的能效低的环节，提升最低能效环节的能效才能真正提高整个制冷系统的能效。

现有技术中，针对制冷系统的各个环节都有节能增效的方法，比如变频水泵，变频风机以及压缩机制冷的无级调幅等手段，但每一环节的调整不能保障调整的幅度和时间精度，不能做到整体能效的最优化配置，甚至造成一个环节能效增加而其他部分能效降低，而整体能效没有增加，不能达到节能的目标。

另外，由于设备老化、磨损以及维护保养不及时等原因，实际使用过程中的能效与设计的能效有很大偏差，依靠设计的能效参数也无法保证高效的使用制冷系统。

因此，现有技术还有待于改进和发展。

发明内容

鉴于上述现有技术的不足，本发明的目的在于提供一种制冷系统的能效处理方法及系统，旨在解决现有技术中制冷系统无法获得最优能效配置的问题。

本发明的技术方案如下：

一种制冷系统的能效处理方法，其中，包括步骤：

A、通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；

B、通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；

C、根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整。

所述的制冷系统的能效处理方法，其中，所述步骤B和C之间还包括：

B1、通过对实时获取的各环节的能效变化规律进行学习，逐步调整制冷系统的数学模型中能效与各参数的变化函数，降低制冷系统的数学模型的偏差。

所述的制冷系统的能效处理方法，其中，所述温度数据包括冷水进口温度和冷水出口温度，所述压力数据包括冷水进口压力和冷水出口压力。

所述的制冷系统的能效处理方法，其中，所述制冷系统各环节包括：压缩机、水泵、风冷式冷凝器、水冷式冷凝器的处理环节。

所述的制冷系统的能效处理方法，其中，所述步骤C具体包括：

C1、通过所述数学模型对时间进行积分，计算未来一段时间的能耗；

C2、对制冷系统产生的制冷量进行微分计算，计算单位制冷量所需能耗；

C3、选取最低的单位制冷量所需能耗的参数，得到最优化的能效时所需的各环节的能效调整幅度和能效调整时间。

一种制冷系统的能效处理系统，其中，包括：

信息采集模块，用于通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；

数据建模模块，用于通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；

能效控制模块，用于根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整。

所述的制冷系统的能效处理系统，其中，还包括：

学习模块，用于通过对实时获取的各环节的能效变化规律进行学习，逐步调整制冷系统的数学模型中能效与各参数的变化函数，降低制冷系统的数学模型的偏差。

所述的制冷系统的能效处理系统，其中，所述能效控制模块包括：

积分单元，用于通过所述数学模型对时间进行积分，计算未来一段时间的能耗；

微粉单元，用于对制冷系统产生的制冷量进行微分计算，计算单位制冷量所需能耗；

计算单元，用于选取最低的单位制冷量所需能耗的参数，得到最优化的能效时所需的各环节的能效调整幅度和能效调整时间。

所述的制冷系统的能效处理系统，其中，所述制冷系统各环节包括：压缩机、水泵、风冷式冷凝器、水冷式冷凝器的处理环节。

有益效果：本发明通过采集温度和压力数据，并建立制冷系统各环节的数学仿真模型，然后通过时间和温度等共同变量将各数学仿真模型关联起来，形成制冷系统的数学模型，再通过记录学习，降低模拟的仿真运行效果和实际运行效果的偏差，最后能够建立的数学模型，计算各环节的能效调整幅度和能效调整时间，并按照计算结果进行调整，从而获得最优的能效配置。

附图说明

图1为本发明制冷系统的能效处理方法较佳实施例的流程图。

图2为本发明中制冷系统的结构示意图。

具体实施方式

本发明提供一种制冷系统的能效处理方法及系统，为使本发明的目的、技术方案及效果更加清楚、明确，以下对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

请参阅图1，图1为本发明一种制冷系统的能效处理方法较佳实施例的流程图，如图所示，其包括步骤：

S101、通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；

S102、通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；

S103、根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整。

请继续参阅图2，图2为本发明中的制冷系统的结构示意图。如图2所示，所述制冷系统中包括：水泵600、蒸发器800、节流阀700、干燥过滤器500、风冷式冷凝器400、水冷式冷凝器300、压缩机200，上述制冷系统的结构及连接关系均为现有技术，详细细节可参考现有的制冷系统，本发明的制冷系统的改进之处在于，增加了能效处理系统100，来采集信息和提高设备能效，利用该能效处理系统100对制冷系统进行能效配置。

下面结合图1和图2对本发明的能效处理方法进行详细说明。

在步骤S101中，先通过温度传感器和压力传感器来采集制冷系统中各环节的温度数据和压力数据，然后可通过网络，例如有线网络或无线网络将采集到的温度数据和压力数据发送到能效处理系统100中。

其中的各环节即各设备的处理环节，例如图2所示的压缩机200、水泵600、风冷式冷凝器400、水冷式冷凝器300的处理环节。

所述的温度数据包括了冷水进口、冷水出口的温度信息，以及室内各楼层的温度信息，所述的压力数据包括冷水进口、冷水出口的压力信息。

在此步骤中，还通过实时获取各环节的能效信息，从而准确掌握各个设备的运行状况和能效，以便获取各个环节能效变化的规律。

在步骤S102中，通过上述获得的各环节的能效信息获取各环节能效变化的规律，从而建立各环节的能效仿真模型，然后根据采集的信息将各环节的能效仿真模型关联起来，形成整个制冷系统的数学模型。

在制冷系统中，每个设备都有自身的理论数据模型，例如风机的风量和电机频率是三次方的关系，风机的热交换效率和温差是一次方关系，降低风机的电机频率会提升热交换效率，但会降低散热量。所以，本实施例中，引入了温度、效率等参数，通过时间片的分析和相关数值，计算各参数相互之间的影响，求解各参数相互之间影响的函数，即形成各环节的能效仿真模型，而实际的变化是非常复杂的，所以求解的数学模型也只能是相似解，但随着这些数值的积累，数学模型的计算求解过程也就越快、越准确。

在步骤S102之后，还包括步骤：通过对实时获取的各环节的能效变化规律进行学习，逐步调整制冷系统的数学模型中能效与各参数的变化函数，降低制冷系统的数学模型的偏差。

本实施例中，通过记录学习，逐步调整数学模型中能效与各个参数的变化函数，使模拟的数学模型中的仿真运行效果和实际运行效果的符合度在1小时内偏差不超过1%，3小时内偏差不超过3%，数学模型自身的调整幅度不超过1%，如此，就有了一个可以模拟和预测即将发生状况的数学模型。通过数学模型，可以推演引入一个虚拟变化将会造成的影响。

在制冷系统中，因为实际的运行过程非常复杂，而且影响的因素非常多，计算出每个细节的变化过于复杂，但可以通过记录的数据作标准，纠正纯粹数值计算的偏差，以去除不确定因素的影响，使计算更快，比如温度的偏差是有一个范围的，室外温度会对系统运行产生影响，但温度变化是有一个范围的，根据上一个小时的温度和最近5天的温度记录，根据这个时段的平均温度，可以把温度变化的范围限定在一定范围内，比如0.5度，那就不需要计算温度超过这个范围的数值，这样可以把计算的效率降低一个级数，依次类推，还有很多其他参数都是可以根据之前的记录进行限定的，这样才能把快速推演变成可能。

在步骤S103中，根据制冷系统的数学模型，对制冷系统的能效进行配置。

具体来说，所述步骤S103可细化为以下步骤：

S201、通过所述数学模型对时间进行积分，计算未来一段时间的能耗；

S202、对制冷系统产生的制冷量进行微分计算，计算单位制冷量所需能耗；

S203、选取最低的单位制冷量所需能耗的参数，得到最优化的能效时所需的各环节的能效调整幅度和能效调整时间。

上述步骤是指：对未来一段时间（例如1小时）的能耗积分，即通过数学模型对时间进行积分，计算整体能耗，然后进行微分，计算能效的函数，再根据能效的函数求解最优化的运行效率的时间分布，在制冷系统的数学模型中计算各个环节的能效调整幅度和能效调整时间，加上约束的边界条件，比如维持室内温度稳定，每个环节的调整的间隔时间等，在数学模型中计算每一个调整后的能效值，通过模拟推演，计算出最优的设备运行路径。

其中，积分即是把求解的运行路径所设定的数值引入数学模型中，然后对时间进行积分，计算未来一段时间的能耗，然后再对产出的制冷量进行微分计算，计算单位制冷量所需能耗。在计算过程中各个数值都有很多种选择，本数学模型计算和比较各种参数的多种可能，最终选取一个能效最高的参数，比如调冷冻水水泵的能效和风机的能效，冷冻水水泵的能效是随着水泵功率的降低而升高的，但功率降低，冷却水水温升高，反而使风机的能效降低，所以需要计算出总体能效的拐点，也就是能效最高的点，但因为硬件本身的约束或者其他设备的影响，最佳能效点未必在合理使用范围内，比如水泵有扬程的限制，不能无限降低，所以可对多种条件进行计算后，得出优化的方案。

在本发明中，能耗=∑∫tFn(t,p,△T,O,M)，

能效=能耗对制冷量的导数。

不同时间下的能效是不同的，能效对时间求导，计算单位时间能效的变化因素，再根据变化的幅度判断能效处理的频率。

下面通过一具体实施例来对本发明的能效处理方法进行说明。

主机功率200KW，冷冻水水泵功率30KW，冷却水水泵功率20KW，风机功率20KW，现设备运行制冷量超过需求制冷量的20%，这可能是由室外温度变化引起或者是压缩机的加载造成的。这种情况下，有很多选择可以实现减少输出制冷、降低能耗的效果，比如减少20%的水泵输出，也可以减低压缩机的负载20%，也可以减少20%的风机输出。其中，减少水泵输出可以节电（1-0.8*0.8*0.8）*30=0.5*30=15KW，但同时冷冻水流速降低也会影响压缩机的能效，相对降低压缩机能效5%，则总体耗又增加200*0.05=10 KW，那么在这种方案下，总体节电为：15-10=5KW，所以实际节电没有预期的那么多，而通过本发明中的数学模型的计算，实际的控制逻辑可以是：减低主机负载10%，降低水泵功率10%，降低风机功率10%，水泵功率降低使流速降低，但是风机功率也降低使得散热降低，冷冻水进、出水温差没有变化，输出减少了10%，所以整体输出减少20%，节电数为200*10%+（1-0.9*0.9*0.9）*（30+20）=10+13.5=23.5KW，这个过程中各个环节能效都没有变化，但实际用电减少了23.5KW，比上一种方案有更好的节电效果，当然，这并不一定最优的运行效率，最优的运行方式是各个环节的调整是动态变化的，压缩机的负载从10%逐步变化到15.7%，而水泵的功率从90%逐步变化到80%再变动到95%，风机的功率从90%逐步变化到85%再变动到100%，而且整个控制流程和规划也要随着室外温度的变化而变化。

在本发明中，能效的处理是一个动态的连续的过程，这是因为设备所处的环境是处于变化之中的，为维持制冷温度的稳定，制冷系统应随时调整，每次计算的数值与实际的偏差超过1%，系统就要自动进行参数更新，对路径进行微调，环境条件作为能效处理系统的一部分也有自身的仿真模型，但由于温度变化具有不确定性，所以应该及时地动态调整算法，通过反馈校验的方式体现在能效处理过程中。

本发明中可采用多接口传输232、485、CAN、无线以及网络接口，当然，也可采用现有技术中的其他传输方式来传输数据。

综上所述，本发明通过采集温度和压力数据，并建立制冷系统各环节的数学仿真模型，然后通过时间和温度等共同变量将各数学仿真模型关联起来，形成制冷系统的数学模型，再通过记录学习，降低模拟的仿真运行效果和实际运行效果的偏差，最后能够建立的数学模型，计算各环节的调整幅度和调整时间，并按照计算结果进行调整，从而获得最优的能效配置。

应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (7)

1.一种制冷系统的能效处理方法，其特征在于，包括步骤：

A、通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；

B、通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；

C、根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整；

所述步骤C具体包括：

C1、通过所述数学模型对时间进行积分，计算未来一段时间的能耗；

C2、对制冷系统产生的制冷量进行微分计算，计算单位制冷量所需能耗；

C3、选取最低的单位制冷量所需能耗的参数，得到最优化的能效时所需的各环节的能效调整幅度和能效调整时间。

2.根据权利要求1所述的制冷系统的能效处理方法，其特征在于，所述步骤B和C之间还包括：

B1、通过对实时获取的各环节的能效变化规律进行学习，逐步调整制冷系统的数学模型中能效与各参数的变化函数，降低制冷系统的数学模型的偏差。

3.根据权利要求1所述的制冷系统的能效处理方法，其特征在于，所述温度数据包括冷水进口温度和冷水出口温度，所述压力数据包括冷水进口压力和冷水出口压力。

4.根据权利要求1所述的制冷系统的能效处理方法，其特征在于，所述制冷系统各环节包括：压缩机、水泵、风冷式冷凝器、水冷式冷凝器的处理环节。

5.一种制冷系统的能效处理系统，其特征在于，包括：

信息采集模块，用于通过温度传感器和压力传感器实时采集制冷系统中各环节的温度数据和压力数据，并实时获取各环节的能效；

数据建模模块，用于通过各环节的能效变化规律建立各环节的能效仿真模型，并通过温度数据和压力数据将各能效仿真模型关联起来，形成制冷系统的数学模型；

能效控制模块，用于根据制冷系统的数学模型，计算获得制冷系统最优化的能效时所需的各环节的能效调整幅度和能效调整时间，并按照计算出的能效调整幅度、能效调整时间对各环节的能效进行调整；

所述能效控制模块包括：

积分单元，用于通过所述数学模型对时间进行积分，计算未来一段时间的能耗；

微分单元，用于对制冷系统产生的制冷量进行微分计算，计算单位制冷量所需能耗；

计算单元，用于选取最低的单位制冷量所需能耗的参数，得到最优化的能效时所需的各环节的能效调整幅度和能效调整时间。

6.根据权利要求5所述的制冷系统的能效处理系统，其特征在于，还包括：

学习模块，用于通过对实时获取的各环节的能效变化规律进行学习，逐步调整制冷系统的数学模型中能效与各参数的变化函数，降低制冷系统的数学模型的偏差。

7.根据权利要求5所述的制冷系统的能效处理系统，其特征在于，所述制冷系统各环节包括：压缩机、水泵、风冷式冷凝器、水冷式冷凝器的处理环节。