CN106482409A - 一种确定冷水机组冷凝器污垢积累程度的方法及装置 - Google Patents

Abstract

本发明提供一种确定冷水机组冷凝器污垢积累程度的方法及装置，所述方法包括如下步骤：获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_ew、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值。

Description

一种确定冷水机组冷凝器污垢积累程度的方法及装置

技术领域

本发明涉及暖通设备检测领域，具体涉及一种确定冷水机组冷凝器污垢积累程度的方法及装置。

背景技术

冷水机组的冷凝器会在使用过程中产生污垢，由于污垢随运行时间而不断增长，使得冷水机组冷凝器的传热性能逐渐下降，因此，需要对冷凝器周期性地进行清洗。对冷水机组冷凝器清洗的方法主要包括人工机械清洁法和胶球在线清洗方法，无论采用何种清洗方法，均需要首先确定清洗周期，清洗周期过长或过短均会增加运行成本，因此如何确定清洗周期是一个重要的问题。

目前，对于人工机械清洁法而言，是以能源消耗值为依据确定清洗时机的，例如当能源消耗到额定值的120％时，维护人员才会停机打开冷凝器清洁管内壁进行人工清洗。该方式依赖于人工主观认识，并未考虑污垢对冷水机组的性能影响情况；对于胶球在线清洗方法而言，是按照设定的清洗周期，定期自动进行清洗。清洗时间设为常数，这样就忽略了一个重要事实，即污垢成分不同或季节不同，同一清洗设备取得同样清洗效果的清洗时间是不一样的。因此，当冷凝器长期运行时，必然导致较大的误差。

由此可见，目前的清洗周期都是按照主观意识来设定的，并未考虑冷凝器内积累污垢的实际情况，而本领域技术人员可以理解，冷凝器内积累污垢的实际情况是无法测量的，所以才导致清洗周期设置不合理，最终会增加冷水机组的运行成本或清洗成本。

发明内容

因此，本发明要解决的技术问题在于克服现有技术中的无法得知冷水机组冷凝器的污垢积累程度的缺陷。

有鉴于此，本发明提供一种确定冷水机组冷凝器污垢积累程度的方法，包括如下步骤：

获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值

优选地，所述获取冷水机组性能数据包括：连续N日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N；选取其中一组冷水机组性能数据a_L，将a_L与a_L-n和a_L+n进行比对；如果a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，则获取a_L。

优选地，所述利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值包括：利用下列公式计算

其中，

优选地，在所述利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值还包括：将与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值；若1＜L≤n，则根据和确定警示程度值。

相应地，本发明还提供一种确定冷水机组冷凝器污垢积累程度的装置，包括：获取单元，用于获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；计算单元，用于利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值

优选地，所述获取单元包括：记录单元，用于连续N日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N；选取单元，用于选取其中一组冷水机组性能数据a_L，将a_L与a_L-n和a_L+n进行比对；子获取单元，用于当a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，获取a_L。

优选地，所述计算单元包括：子计算单元，用于利用下列公式计算

其中，

优选地，所述装置还包括：确定单元，用于将与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值；当时，1＜L≤n，根据和确定警示程度值。

本发明提供的确定冷水机组冷凝器污垢积累程度的方法及装置通过获取受污垢积累情况影响的冷树机组性能数据，来计算污垢积累程度值，从而量化了冷凝器的污垢积累程度，检测人员可以将计算出的污垢积累程度值作为设定清洗周期的依据，进而可以提高冷水机组污垢现场检测工作的效率，还使积累的污垢可以及时被发现、及时被清理，提升冷水机组的工作效率。

附图说明

为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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。

图1为本发明提供的确定冷水机组冷凝器污垢积累程度的方法的流程图；

图2为本发明提供的确定冷水机组冷凝器污垢积累程度的装置的框架图。

具体实施方式

下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。

实施例1

本发明实施例提供一种确定冷水机组冷凝器污垢积累程度的方法，包括如下步骤：

S1，获取冷水机组性能数据，冷凝器内污垢的积累程度将会影响到上述性能数据的数值，上述冷水机组性能数据具体可以包括：冷水机组负荷率γ(冷水机组实际电压/冷水机组名义电压)、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m(即冷水机组冷凝器内部温度，可由冷水机组控制面板读出)、冷却水平均温度(即冷水机组的冷却水进水和出水温度的平均值，可在冷水机组冷却水进出口测得)、污垢状态下负荷率对应的冷水机组性能系数COP_Ψ(具体为冷水机组当前制冷功率/当前输入电功率)、冷却水流量V_cw(使用流量传感器在冷水机组冷却水进口或出口测得)、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd(即制冷剂的冷凝温度和冷却水出口温度之差)、冷却水比热c_p(取4.2kJ/(kg·K))、冷却水密度ρ_水(取1.0×10³kg/m³)，上述COP、COP_n、R_r、A₀是所使用的冷水机组的预定性能数据，为固定值，可以由冷水机组生产方提供；

S2，利用获取到的γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值本领域技术人员可以理解，获取到的性能数据均与污垢积累程度有关，即上述性能数据与污垢积累程度具有一定的对应关系，而计算的方法有多种，例如可以利用具有非线性逼近能力的算法，以上述所有性能数据为输入值，计算出一个污垢积累程度，具体地，例如利用神经网络模型、支持向量机等机器学习模型均可以用于计算上述污垢积累程度值。

上述方案通过获取受污垢积累情况影响的冷树机组性能数据，来计算污垢积累程度值，从而量化了冷凝器的污垢积累程度，检测人员可以将计算出的污垢积累程度值作为设定清洗周期的依据，进而可以提高冷水机组污垢现场检测工作的效率，还使积累的污垢可以及时被发现、及时被清理，提升冷水机组的工作效率。

作为一个优选的方案，上述步骤S1可以包括如下步骤：

S11，连续多日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N，假设连续记录10日则有10组性能数据，以这10组数据作为备用数据。

S12，选取10组数据中一组a_L，将a_L与a_L-n和a_L+n进行比对，即选取某一日记录的数据分别与其前若干日和后若干日记录的数据进行比较，假设选取的是第5日记录的数据a₅，则分别将a₅与a₄进行比对、将a₅与a₆进行比对计算差异度。

由于冷凝器的污垢积累是一个缓慢渐进过程，所以相邻几日的冷水机组性能数据不应当有很大的差异，所以按照上述方案计算出的差异度应当较小才是正常现象，那么当a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，则获取a_L，后续则按照此组数据计算污垢积累程度值；否则认为a_L为异常数据，可以将其剔除。

上述优选的方案首先连续记录多个冷水机组性能数据，然后选取其中一组数据，并对选取的数据进行初步判断，只有当选取的数据与前后若干日所记录的数据的差异度小于预设差异度时，才利用选取的数据进行后续计算，由此可以提高计算出的污垢积累程度值的可靠性。

如上所述，在步骤S2中虽然可以使用多种机器学习模型计算积累程度值，但是使用机器模型计算之前，需要使用大量的样本数据对模型进行训练，直至误差缩小到可接受的范围后，模型才可以用于实际计算。由此可见，这类计算方法将增大计算成本，且容易受到样本数据的影响。为此，本实施例提供一个优选的计算污垢积累程度值的方式，即上述步骤S2可以为利用下列公式计算

其中，

上式中，c_p取4.2kJ/(kg·K)、ρ_水取1.0×10³kg/m³。

上述方案使用固定的公式计算污垢积累程度值，计算出的越大则表示污垢积累程度越严重，该计算方式不需要使用样本数据训练计算模型，每一次均使用固定的公式进行计算，该方式具有更高的效率。

作为一个优选的实施方式，在上述步骤S2之后，还可以包括：

S3，将计算出的与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值。对于不同制冷类型、不同制冷量的冷水机组，所设置的预设阈值可以是不同的，如表1所示：

表1冷水机组制冷量衰减幅度报警等级表

表1示出了多种不同制冷类型、多种额定制冷量的冷水机组的预设污垢积累程度阈值，以及预设污垢积累程度阈值对应的预警程度。本实施例中使用的计算方法计算出的越大，表示垢积累越严重，预警程度为红色报警最严重。

假设本实施例的冷水机组的制冷类型是水冷式，额定制冷量小于528kW，根据表1可选定4个阈值，分别为如果计算得到的满足则确定对应的预警程度为蓝色报警。

上述优选方案根据预设污垢积累程度阈值对计算出的污垢积累程度阈值进行判断，从而确定出一个报警程度，可以使相关工作人员直观地了解冷水机组当前的污垢积累情况，由此可以进一步提高冷水机组污垢现场检测工作的效率。

实施例2

本发明实施例提供一种确定冷水机组冷凝器污垢积累程度的装置，如图2所示，包括：

获取单元21，用于获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；

计算单元22，用于利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值

上述方案通过获取受污垢积累情况影响的冷树机组性能数据，来计算污垢积累程度值，从而量化了冷凝器的污垢积累程度，检测人员可以将计算出的污垢积累程度值作为设定清洗周期的依据，进而可以提高冷水机组污垢现场检测工作的效率，还使积累的污垢可以及时被发现、及时被清理，提升冷水机组的工作效率。

优选地，上述装置还包括：

确定单元23，用于将与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值；当时，1＜L≤n，根据和确定警示程度值。

上述优选方案根据预设污垢积累程度阈值对计算出的污垢积累程度阈值进行判断，从而确定出一个报警程度，可以使相关工作人员直观地了解冷水机组当前的污垢积累情况，由此可以进一步提高冷水机组污垢现场检测工作的效率。

优选地，所述获取单元21包括：

记录单元，用于连续N日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N；

选取单元，用于选取其中一组冷水机组性能数据a_L，将a_L与a_L-n和a_L+n进行比对；

子获取单元，用于当a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，获取a_L。

上述优选的方案首先连续记录多个冷水机组性能数据，然后选取其中一组数据，并对选取的数据进行初步判断，只有当选取的数据与前后若干日所记录的数据的差异度小于预设差异度时，才利用选取的数据进行后续计算，由此可以提高计算出的污垢积累程度值的可靠性。

优选地，所述计算单元22包括：

子计算单元，用于利用下列公式计算

其中，

上式中，c_p为冷却水比热，取4.2kJ/(kg·K)、ρ_水为冷却水密度，取1.0×10³kg/m³。

上述方案使用固定的公式计算污垢积累程度值，计算出的越大则表示污垢积累程度越严重，该计算方式不需要使用样本数据训练计算模型，每一次均使用固定的公式进行计算，该方式具有更高的效率。

显然，上述实施例仅仅是为清楚地说明所作的举例，而并非对实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变化或变动仍处于本发明创造的保护范围之中。

Claims (8)

1.一种确定冷水机组冷凝器污垢积累程度的方法，其特征在于，包括如下步骤：

获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；

利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值

2.根据权利要求1所述的方法，其特征在于，所述获取冷水机组性能数据包括：

连续N日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N；

选取其中一组冷水机组性能数据a_L，将a_L与a_L-n和a_L+n进行比对；

如果a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，则获取a_L。

3.根据权利要求1所述的方法，其特征在于，所述利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值包括：

利用下列公式计算

其中， ${\mathrm{\Δt}}_{mc}=t_m-\stackrel{\‾}{t},K_c={\left(R_r\right({\left(\mathrm{\γ}\·\frac{COP+1}{{\mathrm{COP}}_n+1}\right)}^{-0.66}+1\left)\right)}^{-1}.$

4.根据权利要求1-3中任一项所述的方法，其特征在于，在所述利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值还包括：

将与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值；

若1<L≤n，则根据和确定警示程度值。

5.一种确定冷水机组冷凝器污垢积累程度的装置，其特征在于，包括：

获取单元，用于获取冷水机组性能数据，所述冷水机组性能数据包括：冷水机组负荷率γ、清洁状态下冷水机组性能系数COP、冷水机组额定工况下性能系数COP_n、额定工况下制冷剂侧换热热阻R_r、冷凝温度t_m、冷却水平均温度污垢状态下负荷率对应的冷水机组性能系数COP_Ψ、冷却水流量V_cw、冷水机组换热管外表面积A₀、冷却水进出口段差Δt_wtd、冷却水比热c_p、冷却水密度ρ_水；

计算单元，用于利用γ、COP、COP_n、R_r、t_m、COP_Ψ、V_cw、A₀、Δt_wtd、c_p、ρ_水计算污垢积累程度值

6.根据权利要求5所述的装置，其特征在于，所述获取单元包括：

记录单元，用于连续N日每日记录一组冷水机组性能数据得到N组冷水机组性能数据a₁……a_N；

选取单元，用于选取其中一组冷水机组性能数据a_L，将a_L与a_L-n和a_L+n进行比对；

子获取单元，用于当a_L与a_L-n的差异度和a_L与a_L+n的差异度均小于预设差异度，获取a_L。

7.根据权利要求5所述的装置，其特征在于，所述计算单元包括：

子计算单元，用于利用下列公式计算

其中， ${\mathrm{\&Delta;t}}_{mc}=t_m-\stackrel{\&OverBar;}{t},K_c={\left(R_r\right({\left(\mathrm{\&gamma;}\&CenterDot;\frac{COP+1}{{\mathrm{COP}}_n+1}\right)}^{-0.66}+1\left)\right)}^{-1}.$

8.根据权利要求5-7中任一项所述的装置，其特征在于，还包括：

确定单元，用于将与n个预设污垢积累程度阈值进行比对，其中且相邻的两个预设污垢积累程度阈值对应一个警示程度值；当时，1<L≤n，根据和确定警示程度值。