CN110177980A - 空调机的性能诊断装置以及性能诊断方法 - Google Patents

空调机的性能诊断装置以及性能诊断方法 Download PDF

Info

Publication number
CN110177980A
CN110177980A CN201780083310.6A CN201780083310A CN110177980A CN 110177980 A CN110177980 A CN 110177980A CN 201780083310 A CN201780083310 A CN 201780083310A CN 110177980 A CN110177980 A CN 110177980A
Authority
CN
China
Prior art keywords
mentioned
data
air conditioner
performance
evaluation
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.)
Granted
Application number
CN201780083310.6A
Other languages
English (en)
Other versions
CN110177980B (zh
Inventor
国眼阳子
楠本宽
藤居达郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN110177980A publication Critical patent/CN110177980A/zh
Application granted granted Critical
Publication of CN110177980B publication Critical patent/CN110177980B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B23/00—Testing or monitoring of control systems or parts thereof
    • G05B23/02—Electric testing or monitoring
    • G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
    • G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
    • G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G06F11/3075—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved in order to maintain consistency among the monitored data, e.g. ensuring that the monitored data belong to the same timeframe, to the same system or component
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
    • G06F11/3072—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting
    • G06F11/3079—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data filtering, e.g. pattern matching, time or event triggered, adaptive or policy-based reporting the data filtering being achieved by reporting only the changes of the monitored data
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F2140/00—Control inputs relating to system states
    • F24F2140/50—Load
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B2219/00—Program-control systems
    • G05B2219/20—Pc systems
    • G05B2219/26—Pc applications
    • G05B2219/2614—HVAC, heating, ventillation, climate control

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Mathematical Physics (AREA)
  • Automation & Control Theory (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Fuzzy Systems (AREA)
  • Air Conditioning Control Device (AREA)
  • Other Air-Conditioning Systems (AREA)

Abstract

本发明的空调机的性能诊断装置具备：数据收集部，其收集并记录空调机的运转数据；设备特性数据库，其是收罗满足空调机的规格的运转条件的数据群，还具备：基准数据制作部，其使用数据收集部所具有的运转数据和设备特性数据库，计算个别特性曲面数据；以及性能评价部，其对数据收集部所具有的运转数据的一部分和个别特性曲面数据进行比较，进行空调机的性能的评价，个别特性曲面数据是以与数据收集部所具有的运转数据对应的方式来对设备特性数据库进行修正而得到的数据。由此，能够无论空调负荷的大小如何，都能够检测空调机的性能劣化，可以明确是否需要空调机的维护作业。

Description

空调机的性能诊断装置以及性能诊断方法
技术领域
本发明涉及空调机的性能诊断装置以及性能诊断方法。
背景技术
作为用于对各种工厂、大楼等较大规模的空间进行制冷的装置，使用了热驱动式的冷冻机、电气式的冷冻机。冷冻机的一次能量的消耗量占建筑物整体的二成到三成左右，因此近年来特别要求发展节能。
一般地，冷冻机根据所要求的制冷负荷而控制制冷输出，在7、8月的盛夏期输出大，在5、10月等的中间期输出变小等，复杂地变化。
另外，冷冻机的前提是长期持续使用，因此为了节能，不只是在设置时选择高效的设备，经年累月地维持系统性能也是重要的。上述的冷冻机具备从冷冻机向被冷却空间输送冷热的水回路、用于对进入冷冻机的热或被冷却空间的热进行散热的冷却水回路，因此由于经年累月而在配管内附着水垢等，产生设备自身的劣化。为了维持预定的系统性能，必须通过定期的维护作业，消除性能劣化。
在专利文献1中，公开了以下的冷冻机劣化诊断装置和冷冻机劣化诊断方法，其目的在于，作为应该对冷冻机的性能劣化实施的维护内容而准确地划分管道清理和大修，根据评价运转状况数据，计算表示评价运转状况下的实际性能的评价实际COP和评价实际LTD，计算表示该评价实际COP与评价基准COP的差分的COP变化量、表示该评价实际LTD与评价基准LTD的差分的LTD变化量，根据评价时刻的COP变化量与LTD变化量的变化量比R是否为一定的判定区域Q内来进行情况划分。在此，LTD是表示冷冻机的冷却效率的指标之一的Leaving Temperature Difference(离开温差)的简称。在专利文献1中，还记载了在三维空间内表示为带状的曲面的、表示基准COP推定模型的说明图(图6)。
现有技术文献
专利文献
专利文献1：日本特开2016-205640号公报
发明内容
发明要解决的问题
如果在制冷负荷大的盛夏期或供暖负荷大的严冬期，进行伴随着空调机的运转停止的维护作业，则会显著损害作为制冷和供暖(空调)的对象的建筑物内的舒适性，因此优选的是预先预测出现性能劣化的时期，在空调负荷小的春秋期进行。当然在不进行供暖运转而只进行制冷运转的情况下，也可以在冬期等无负荷时进行。
在专利文献1中，关于在冷冻机的劣化诊断时使用的基准COP推定模型的制作，概括地记载了也可以利用在评价时刻以前得到的冷冻机的运转状况数据。然而，在专利文献1中，并没有公开从在制冷负荷小的时期检测出性能劣化的观点出发而使用冷冻机的运转状况数据的思考方式。
对于即使是相同的机种根据设置位置、运转状况所发挥的性能而不同的冷冻机(空调机)，特别在制冷负荷小的时期，难以判别根据在实际运转时取得的运转数据计算出的评价参数与说明书数据(评价参数)的偏差是由于劣化还是由于测定误差。
本发明的目的在于：与空调负荷的大小无关地，检测空调机的性能劣化，明确是否需要空调机的维护作业。
解决问题的方案
本发明的空调机的性能诊断装置具备：数据收集部，其收集并记录空调机的运转数据；设备特性数据库，其是收罗满足空调机的规格的运转条件的数据群，其特征在于，还具备：基准数据制作部，其使用数据收集部所具有的运转数据和设备特性数据库，计算个别特性曲面数据；性能评价部，其对数据收集部所具有的运转数据的一部分和个别特性曲面数据进行比较，进行空调机的性能的评价，个别特性曲面数据是以与数据收集部所具有的运转数据对应的方式来对设备特性数据库进行修正而得到的数据。
发明效果
根据本发明，能够与空调负荷的大小无关地，检测空调机的性能劣化，能够明确是否需要空调机的维护作业。
附图说明
图1是表示实施例的性能评价服务器的结构的框图。
图2是表示实施例的冷冻机的构造和测量传感器的配置的示意结构图。
图3是表示实施例的设备特性数据库的一个例子的表。
图4是表示普通的导热管污垢的时序变化的图表。
图5是表示实施例的基准数据制作部的处理工序的流程图。
图6是表示实施例的个别特性曲面的一个例子的三维图表。
图7是表示实施例的评价参数的结构的一个例子的表。
图8是表示实施例的系统性能评价部的处理工序的流程图。
图9是表示输出为实施例的作为性能评价的结果的画面的一个例子的图表。
具体实施方式
本发明的空调机的性能诊断装置和性能诊断方法适合作为从远程监视空调机的技术。
在以下的说明中，主要说明冷冻机的制冷运转，但不只是制冷运转，在还能够进行供暖运转的热泵的情况下，需要考虑组合了制冷运转和供暖运转的空调负荷。在本说明书中，公开了无论是只在制冷运转的情况下、还是在进行制冷运转和供暖运转的双方的情况下都能够应用的技术。将冷冻机、热泵等统称为“空调机”。后述的空调负荷率表示进行制冷运转和供暖运转中的至少一方的空调机的负荷率。
空调机可以是电气式和热驱动式中的任意一个。
电气式的空调机具备电动式的压缩机。另一方面，作为热驱动式的空调机，可以列举吸收式冷冻机、吸收式热泵、吸附式冷冻机、吸附式热泵等。热驱动式的空调机的热源是燃气、石油等的燃烧热、工厂排热等。
以下，参照附图详细说明本发明的实施例的空调机(冷冻机)的性能诊断装置和性能诊断方法。
实施例
图1是表示本实施例的性能评价服务器的结构的框图。图2表示作为性能评价对象的冷冻机的结构的一个例子。
首先，说明图1的性能评价服务器的结构。
冷冻机3的性能评价服务器1(性能诊断装置)经由作为发送机的运转数据监视器2与冷冻机3连接。通过运转数据监视器2取得的运转数据包含来自设置在冷冻机3的传感器的信号，并且包含从实际正在运转的冷冻机3得到的原始数据。在本实施例中，将涡轮冷冻机设想为冷冻机3，将在后面使用图2说明该结构的详细。
性能评价服务器1设置有主存储装置10(第一存储单元)、副存储装置11(第二存储单元)、接口12、CPU13(中央处理单元)、输入装置14(输入单元)、以及输出装置15(输出单元)，对冷冻机3的性能变化进行诊断。主存储装置10由数据收集部10A、基准数据制作部10B、系统性能评价部10C(性能评价部)、输出部10D构成。此外，可以将第一存储单元和第二存储单元简单地统称为“存储单元”。
数据收集部10A具备经由设置在冷冻机3的传感器测量与希望的评价参数对应的数据的功能、和将测量出的时序数据记录为历史记录数据的功能。
在副存储装置11中存储有设备特性数据库。
图2是表示冷冻机3的构造、应用了性能评价服务器的情况下的测量传感器的配置的一个例子的结构图。本实施例表示冷冻机3是涡轮冷冻机的情况。
就涡轮冷冻机而言，主要通过用制冷剂配管依次将从电动机20得到动力的涡轮压缩机21、冷凝器22、膨胀机构23、蒸发器24连接起来，由此构成制冷剂回路。
作为测量传感器，在各处设置有冷水入口温度传感器24b、冷水出口温度传感器24c、冷却水入口温度传感器22b、冷却水出口温度传感器22c、冷水流量计24a、以及冷却水流量计22a。
通过蒸发器24生成冷水，使得通过冷水出口温度传感器24c测定出的温度成为预定的值。该冷水通过水循环泵28的动力被输送到被冷却空间27(建筑物的室内等)，从被冷却空间27吸热。吸热而温度上升了的冷水与蒸发器24的制冷剂进行热交换而被冷却。然后，蒸发器24的制冷剂经由制冷剂配管被运送到冷凝器22，向冷却水散热。冷却水通过水循环泵25被输送到冷却塔26。在冷却塔26中，控制冷却塔风扇26a使得通过冷却水入口温度传感器22b测定出的温度成为预定的值，冷却水的热向大气进行散热。
图2所示的冷冻机3的设备结构和动作只不过是一个例子，本实施例的冷冻机的性能评价服务器1并不限定作为评价对象的冷冻机的工作原理、配置等。
图1的基准数据制作部10B具有使用存储在副存储装置11中的设备特性数据库、存储在数据收集部10A中的数据的一部分，而在设想的全部运转范围内制作冷冻机3不产生劣化的状态下的系统性能的数据的功能。
图3表示设备特性数据库所包含的数据的一个例子。
设备特性数据库是收罗了满足冷冻机的规格的运转条件的数据群。设备特性数据库可以是利用冷冻机的设计值、为了在冷冻机制造商发行的说明书等中公布而在出厂前使用试验机测定出的质量确认试验的结果等而总结而成的结构。相当于冷冻机的系统性能的COP(Coefficient of Performance：绩效系数)根据空调负荷率、冷却水入口温度、冷水出口温度等而变化，但在本图中，将冷却水出口温度固定，将空调负荷率(以下也简称为“负荷率”)、COP、以及冷却水入口温度设为评价参数，并根据X轴、Y轴、以及Z轴的3个轴整理而得到。
如本图所示，如果在负荷率相等的情况下进行比较，则在冷却水入口温度低的条件(春、秋、冬)下，COP变高。另一方面，在冷却水入口温度高的条件(夏)下，COP变低。
此外，本实施例的评价对象是水冷式的冷冻机，但在不需要冷却水的空气冷却式的冷冻机中，也可以代替冷却水入口温度，而将冷凝器的周围空气温度作为评价参数。
在此，空调负荷率是将室内机的处理热量除以空调的额定能力所得的值，是在制冷运转中通过蒸发器冷却冷水并向室内机供给的情况下，将实际运转中的冷冻机的冷水出口温度与冷水入口温度的差除以设定为冷冻机的设计值的冷水出口温度与冷水入口温度的差所得的值。具体地说，在图2中，分别使用通过冷水入口温度传感器24b、冷水出口温度传感器24c测定出的值作为通过蒸发器24冷却的冷水的入口温度和出口温度来进行计算。
一般在压缩式的冷冻机(热泵)的情况下，也使用通过冷凝器产生的热进行供暖运转。在该情况下，空调负荷率在通过冷凝器加热温水并向室内机供给的情况下，是将实际正在运转的热泵的温水出口温度与温水入口温度的差除以设定为热泵的设计值的温水出口温度与温水入口温度的差所得的值。此外，在使用空气作为在室内机和冷凝器中循环的热介质而进行压缩式的冷冻机(热泵)的供暖运转的情况下，测定冷凝器的上游侧和下游侧的空气的温度，分别作为入口温度和出口温度，通过与温水的情况同样的计算，计算空调负荷率。
在吸收式热泵的供暖运转的情况下，通过冷凝器和吸收器中的至少一方产生的热对温水进行加热，并将该温水送到室内机，由此进行供暖，因此空调负荷率是针对从室内机返回来的温水将实际正在运转的吸收式热泵的温水出口温度与温水入口温度的差的平均值除以设定为吸收式热泵的设计值的温水出口温度与温水入口温度的差所得的值。
但是，一般来说，即使在设置初期的系统性能没有劣化的状态下，由于设置状况等的影响，实际的冷冻机的系统性能也比设备特性数据低。在本实施例中，为了准确地掌握每个设备没有劣化的状态下的系统性能，使用存储在数据收集部10A中的数据的一部分，修正设备特性数据，制作个别特性曲面。
图4是表示普通的导热管污垢的时序变化的图表。
冷冻机的系统性能的大部分劣化原因是在冷却水或冷水的导热管内部附着水垢等而产生的。在导热管内，由于循环水的加热、蒸发，水中的矿物质等结晶并堆积成为水垢。
根据图4可知，虽然由于循环水的流速、温度而污垢(水垢)的附着速度不同，但存在在导热管的内部不附着污垢的一定期间td。该期间根据设备的结构、设置环境、运转状况等而变化，但在本实施例所示的冷冻机中，在设置后的一年间，具有几乎没有因水垢的附着造成系统性能劣化的倾向。另外，根据本图可知，如果开始附着污垢，则污垢系数急剧增加。
因此，在图1所示的基准数据制作部10B中，使用存储在数据收集部10A中的运转数据中的例如初期的一年间的数据(以下称为“正常数据”)，修正设备特性数据，制作设想的全部运转范围内的冷冻机3的没有劣化的状态下的系统性能的数据来作为个别特性曲面。此外，正常数据也可以不一定是一年间的数据，可以比它短比它长，只要能够收集到对于制作个别特性曲面来说充分的数据即可。
由此，在系统性能评价部10C中，通过对在取得正常数据后测定的运转数据(与正常数据不同的时期的运转数据)、个别特性曲面的数据进行比较，由此能够进行空调机的性能的评价。此外，比较对象的运转数据也可以包含正常数据的一部分。
这样根据对每个机种取得的实际的运转数据，得到修正后的个别特性曲面数据，因此能够检测到冷冻机3的微小的性能劣化。
图5是表示图1的基准数据制作部10B的数据处理的流程图。以下，使用图5说明上述基准数据制作部10B的个别特性曲面的制作方法。此外，在以下的说明中，也附加在图1和图2中使用的附图标记。
首先，在S100中，取得从输入装置14输入的评价参数，并且从数据收集部10A取得正常数据。在本实施例中，评价参数是负荷率、COP、以及以及冷却水入口温度。
在此，负荷率是实际运转数据的冷水入口温度传感器24b与冷水出口温度传感器24c的差分相对于在设备特性数据中最大的冷水入口温度与冷水出口温度的差分的比例。COP是将通过冷水出口温度传感器24c和冷水入口温度传感器24b得到的温度的差分乘以冷水流量计24a的测定值所得的结果，除以从通过冷却水入口温度传感器22b和冷却水出口温度传感器22c得到的温度的差分乘以冷却水流量计22a的测定值所得的结果减去通过冷水出口温度传感器24c和冷水入口温度传感器24b得到的温度的差分并乘以冷水流量计24a的测定值后的结果而得的值。另外，冷却水入口温度是冷却水入口温度传感器22b的测定值。
接着，在S101中，为了评价系统性能，将评价参数中的相当于冷冻机3的系统性能的COP以外的负荷率和冷却水入口温度作为运转条件，按照每个运转条件对正常数据进行分类。
然后，在S102中，从副存储装置11取得设备特性数据库。然后，在S103中，按照每个运转条件计算使正常数据和设备特性数据一致的修正系数。根据冷冻机3的运转条件，进行没有正常数据但运转条件一致的部分的修正系数的内插或外插，在设备特性数据库中的全部运转范围内，计算修正系数。通过这样计算修正系数，即使在从设置状况分别不同的冷冻机(实际设置的冷冻机)得到的正常数据少的情况下，也能够计算出与正常数据对应的全部运转范围内的修正系数。
最后，在S104中，按照每个运转条件将设备特性数据库中的各个数据乘以对应的修正系数，制作实际设置的冷冻机3的没有劣化的系统性能的个别特性曲面数据。该数据不只是与设备特性数据库同样的数据群，而作为将评价参数即负荷率、COP、冷却水入口温度分别设为X轴、Y轴、Z轴的3个轴的三维的图表，从主存储装置10的输出部10D输出，经由输出装置15显示到运转数据监视器2。
图6表示显示到运转数据监视器2的个别特性曲面的一个例子。
如本图所示，在冷却水入口温度低而负荷率高的情况下，COP变高。另一方面，在冷却水入口温度高而负荷率低的情况下，COP变低。
此外，评价参数由冷冻机的性能和相当于运转条件的项目构成即可，可以根据设置在评价对象的冷冻机的测量传感器，适当地变更。
这样，可以使用根据设备特性数据库和设置在实际进行空调的建筑物中的与试验用的冷冻机不同的冷冻机的正常数据得到的个别特性曲面数据，来作为在全部运转范围内成为基准的准确的冷冻机的近似数据。该个别特性曲面数据是考虑到还包含冷冻机的配管的配置、装置的倾斜等的设置状态、对每个装置都有若干不同的测量传感器等的设置状态等的全部运转范围内的基准数据。此外，在设备特性数据库中，完整包括所需要的负荷率的全部区域中的数据群、根据该数据群计算出的评价参数。该数据群也可以还包含负荷率低的运转条件下的数据，且是在出厂前使用冷冻机的设计值、试验用的冷冻机(试验机)准确地测定出的数据等。
图7表示与所设置的测量传感器对应的评价参数的结构的一个例子。
事例1与图6对应。另一方面，事例2和3是变形例子。
图7所示的评价参数X、Z与图6的X轴、Z轴对应，是影响空调机(冷冻机)的性能的外在因素。另一方面，图7所示的评价参数Y与图6的Y轴对应，是成为性能评价的指标的参数。换言之，根据与评价参数X和Z的关系调整评价参数Y。由此，将评价参数X、Y、以及Z汇总为数据群。
此外，成为对空调机的性能产生影响的外在因素的评价参数也可以是3个以上。
总之，个别特性曲面数据包含成为对空调机的性能产生影响的外在因素的2个以上的评价参数(运转条件)，根据与另外一个评价参数(性能评价的指标)的关系调整该2个以上的评价参数。
此外，在吸收式冷冻机的情况下，作为成为对空调机的性能产生影响的外在因素的评价参数，也可以是除去通过吸收器和冷凝器中的至少任意一方产生的热的冷却水或冷却用空气的入口温度。作为成为性能评价的指标的评价参数，也可以是向再生器的投入热量。
另外，作为成为对空调机的性能产生影响的外在因素的评价参数，也可以是与空调负荷率关联的函数。
接着，说明本实施例的系统性能的评价方法。
图8是表示本实施例的系统性能评价部10C的处理工序的流程图。
首先，在S110中，从数据收集部10A取得评价对象数据。评价对象数据是指定的期间的冷冻机3(图1)的运转数据。作为期间的指定方法，可以设为通过图1的输入装置14输入任意的评价期间、或按照一定期间自动地实施评价的设定。换言之，评价对象数据是数据收集部10A具有的运转数据的一部分。
接着，在S111中，对按照运转条件来对评价对象数据进行分类。该运转条件与个别特性曲面的运转条件的评价参数一致，在本实施例中，是冷却水入口温度。然后，在S112中，提取分类后的评价对象数据中的出现频率最高的运转条件(最频运转条件)。在此，在本实施例中，最频运转条件是出现频率最高的负荷率。另外，在将在S111中对评价对象数据进行分类的运转条件作为负荷率的情况下，最频运转条件是出现频率最高的冷却水入口温度。
进而，在S113中，根据按照冷却水入口温度条件所提取的出现频率高的负荷率下的评价对象数据来导出COP，并将其设为代表评价数据。此外，作为代表评价数据，也可以使用在图7的事例2和3中使用的消耗电力来代替COP。在COP降低的情况下，判定为性能劣化。另一方面，在消耗电力上升的情况下，判定为性能劣化。由此，代表评价数据是成为性能评价的指标的参数在该区域中的平均值。
另一方面，在S114中，取得由基准数据制作部10B制作出的个别特性曲面数据。
然后，在S115中，提取个别特性曲面数据中的与代表评价数据的运转条件一致的数据，将其设定为基准值。由此，基准值是与代表评价数据的值对应的运转条件下的个别特性曲面数据的值(在图6的情况下，是Y轴(COP)的值)。
在S116中，对S113的代表评价数据和S115的基准值进行比较。具体地说，计算评价对象数据相对于正常数据的偏差。其结果是在每次进行评价时积蓄在系统性能评价部10C中，并根据与经过时间对应的系统性能的变化来评价劣化程度。换言之，数据收集部10A具有积蓄通过系统性能评价部10C对在多个不同时期收集到的运转数据和个别特性曲面数据进行比较所得的结果的功能，使用这些结果来判定空调机的性能的变化。
最后，在S117中，从主存储装置10的输出部10D输出，经由输出装置15显示到运转数据监视器2。
此外，根据所指定的期间内的窄范围的评价对象数据来计算上述偏差，但为了针对个别特性曲面数据的全部区域得到与正常数据对应的修正系数，在不进行维护作业而使冷冻机持续运转的情况下，可以估算年消耗电力如何变大、运行成本如何变高等。由此，能够向用户提供针对维护作业的必要性有说服力的数据。
具体地说，由于可以使用在空调负荷率低的运转条件的春秋冬等中取得的运转数据，根据修正系数推算包含空调负荷率高的运转条件在内的全部运转条件的范围内的评价参数，因此，能够考虑到年消耗电力、运行成本等地判断现状的性能劣化的程度。
更具体地说，也可以将空调负荷率高的时期(在冷冻机的情况下，一般为盛夏期)中的空调负荷率的最大值作为基准，使用在空调负荷率相对于该最大值的比例为例如50％以下的时期(在冷冻机的情况下，为春秋冬等)中收集到的数据，计算该比例超过50％的区域中的运转数据的推算值，对该推算值和个别特性曲面数据进行比较。另外，也可以使用该推算值，计算年消耗电力、运行成本等。能够考虑到年消耗电力、运行成本等来判断现状的性能劣化的程度。也可以使用在上述比例为30％以下的时期中收集到的数据进行上述判断。
图9表示显示在运转数据监视器2的评价结果的一个例子。
图9所示的评价结果是与数据的收集时期对应的系统性能的评价结果。成为基准值的数据对于每个评价都不同，因此，评价结果以分数显示出COP降低率(偏差)。
在本图中，按月取得COP降低率的数据。到2005年11月为止，COP降低率缓慢上升，成为不满10分，但2005年12月和2006年1月上升了15分以上。通过得到这样的数据，能够得到用于采取例如在COP降低率连续2次成为高的值的情况下进行维护作业这样的对策的研究材料。
换言之，也可以在与空调机的性能变化对应的值即COP降低率多次超过预定的值的情况下，通知为空调机的性能劣化。
此外，在本图中，示出了每个月的数据，但本发明并不限于此，例如也可以取得每周的数据，也可以使用该数据判断维护作业的必要性。
由此，能够高频率且准确地取得个别冷冻机的小的变化，在较早的阶段判定劣化。
另外，大多将空调负荷率高的时期(在冷冻机的情况下，一般为盛夏期)中的空调负荷率的最大值作为基准，在冷冻机的情况下，一般在春秋冬的时期，空调负荷率相对于该最大值的比例大多成为50％以下(一半以下)。在这样的时期中，使用在该时期中收集到的运转数据进行性能的评价，由此能够不显著地损害建筑物内的舒适性而根据需要来进行伴随着空调机的运转停止的维护作业。更优选的是上述比例是30％以下。
根据本实施例的性能评价服务器，起到以下的效果。
首先，对于即使是同一机种初期的系统性能也根据设置地点、运转状况而不同的空调机，通过制作个别特性曲面，在所设想的全部运转范围内得到没有劣化的状态的系统性能，因此能够将与评价对象数据的运转条件相同的条件下的没有劣化的状态的系统性能作为基准值，判断劣化程度，能够短时间地检测到空调机的系统性能的劣化。换言之，能够更早地检测出空调机的性能劣化。
另外，虽然这样高精度地进行劣化检测，但测量传感器的个数少，从而能够抑制导入成本。
另外，无论与空调机的运转条件如何，都能够与评价对象数据的运转条件一致地进行性能诊断。因此，能够在制冷负荷低的时期检测到性能劣化，作为结果是能够不损害建筑物内的舒适性地进行伴随着空调机的运转停止的维护作业。
附图标记说明
1：性能评价服务器；2：运转数据监视器；3：冷冻机；10：主存储装置；10A：数据收集部；10B：基准数据制作部；10C：系统性能评价部；10D：输出部；11：副存储装置；12：接口；13：CPU；14：输入装置；15：输出装置；20：电动机；21：涡轮压缩机；22：冷凝器；22a：冷却水流量计；22b：冷却水入口温度传感器；22c：冷却水出口温度传感器；23：膨胀机构；24：蒸发器；24a：冷水流量计；24b：冷水入口温度传感器；24c：冷水出口温度传感器；25、28：水循环泵；26：冷却塔；26a：冷却塔风扇；27：被冷却空间。

Claims (10)

1.一种空调机的性能诊断装置，其具备：数据收集部，其收集并记录空调机的运转数据；设备特性数据库，其是收罗满足上述空调机的规格的运转条件的数据群，该性能诊断装置对上述空调机的性能进行诊断，
其特征在于，该性能诊断装置还具备：
基准数据制作部，其使用上述数据收集部所具有的上述运转数据和上述设备特性数据库，计算个别特性曲面数据；以及
性能评价部，其对上述数据收集部所具有的上述运转数据的一部分和上述个别特性曲面数据进行比较，进行上述空调机的性能的评价，
上述个别特性曲面数据是以与上述数据收集部所具有的上述运转数据对应的方式来对上述设备特性数据库进行修正而得到的数据。
2.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述数据收集部所具有的上述运转数据的一部分且上述性能评价部所使用的数据是在与用于上述个别特性曲面数据的计算的上述运转数据不同的时期收集到的。
3.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述数据收集部所具有的上述运转数据的一部分且上述性能评价部所使用的数据是在根据上述运转数据的一部分计算出的空调负荷率相对于根据上述运转数据计算出的上述空调负荷率的最大值的比例为50％以下的时期收集到的。
4.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述性能评价部具有对代表评价数据和基准值进行比较的功能，
上述代表评价数据是在上述数据收集部所具有的上述运转数据的一部分且上述性能评价部所使用的数据中包含出现频率最高的运转条件的区域中的参数且成为性能评价的指标的参数的平均值，
上述基准值是与上述代表评价数据对应的运转条件下的上述个别特性曲面数据的值。
5.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述性能评价部具备以下的功能：
使用上述数据收集部所具有的上述运转数据的一部分、且在根据上述运转数据的一部分计算出的空调负荷率相对于根据上述运转数据计算出的上述空调负荷率的最大值的比例为50％以下的时期收集到的数据，来计算该比例超过50％的区域中的运转数据的推算值，并对该推算值和上述个别特性曲面数据进行比较。
6.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述个别特性曲面数据包含成为对上述空调机的性能产生影响的外在因素的2个以上的评价参数，
上述2个以上的评价参数根据与另外一个评价参数的关系而被调整。
7.根据权利要求1所述的空调机的性能诊断装置，其特征在于，
上述数据收集部具有积蓄通过上述性能评价部对在多个不同的时期收集到的上述运转数据和上述个别特性曲面数据进行比较的结果的功能，
使用这些结果，判定上述空调机的上述性能的变化。
8.根据权利要求7所述的空调机的性能诊断装置，其特征在于，
该性能诊断装置具有以下的功能：在与上述空调机的上述性能的变化对应的值多次超过预定的值的情况下，通知为上述性能的劣化。
9.根据权利要求1～8的任意一项所述的空调机的性能诊断装置，其特征在于，
上述空调机是电气式或热驱动式。
10.一种空调机的性能诊断方法，其包括收集并记录空调机的运转数据的工序，并使用收罗满足空调机的规格的运转条件的数据群即设备特性数据库，诊断上述空调机的性能，该空调机的性能诊断方法的特征在于，还包括如下工序：
使用上述空调机的上述运转数据和上述设备特性数据库，计算个别特性曲面数据；以及
对上述空调机的上述运转数据的一部分和上述个别特性曲面数据进行比较，进行上述空调机的性能的评价，
上述个别特性曲面数据是以与上述空调机的上述运转数据对应的方式来对上述设备特性数据库进行修正而得到的数据。
CN201780083310.6A 2017-03-10 2017-03-10 空调机的性能诊断装置以及性能诊断方法 Active CN110177980B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2017/009704 WO2018163402A1 (ja) 2017-03-10 2017-03-10 空気調和機の性能診断装置及び性能診断方法

Publications (2)

Publication Number Publication Date
CN110177980A true CN110177980A (zh) 2019-08-27
CN110177980B CN110177980B (zh) 2021-08-27

Family

ID=63447490

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780083310.6A Active CN110177980B (zh) 2017-03-10 2017-03-10 空调机的性能诊断装置以及性能诊断方法

Country Status (4)

Country Link
US (1) US10989428B2 (zh)
JP (1) JP6750091B2 (zh)
CN (1) CN110177980B (zh)
WO (1) WO2018163402A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117833754A (zh) * 2023-12-06 2024-04-05 淮阴工学院 一种用于永磁电机的远程控制系统
CN117833754B (zh) * 2023-12-06 2024-06-21 淮阴工学院 一种用于永磁电机的远程控制系统

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6881492B2 (ja) * 2019-03-19 2021-06-02 ダイキン工業株式会社 装置評価システム及び装置評価方法
CN111795485A (zh) 2019-04-03 2020-10-20 群光电能科技股份有限公司 空调箱控制系统
CN111795486B (zh) 2019-04-03 2022-03-11 群光电能科技股份有限公司 空调系统的控制方法
JP7264790B2 (ja) * 2019-10-18 2023-04-25 株式会社日立製作所 性能診断システム

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005291642A (ja) * 2004-04-01 2005-10-20 Daikin Ind Ltd 設備機器の性能劣化評価方法、設備機器の性能劣化評価システムおよび設備機器の情報収集装置
JP2007240036A (ja) * 2006-03-07 2007-09-20 Ntt Facilities Inc 空気調和機の診断方法及び診断システム
CN101858636A (zh) * 2009-03-09 2010-10-13 三菱电机株式会社 空调装置
JP2011012839A (ja) * 2009-06-30 2011-01-20 Taikisha Ltd 熱源システム又は空調システムの性能評価方法及び性能評価装置
CN102072604A (zh) * 2009-11-20 2011-05-25 三菱重工业株式会社 变频涡轮制冷机的性能评价装置
CN102345950A (zh) * 2010-07-29 2012-02-08 三菱重工业株式会社 涡轮制冷机的性能评价装置
CN102384855A (zh) * 2010-09-01 2012-03-21 三菱重工业株式会社 涡轮制冷机的性能评价装置
CN202648064U (zh) * 2012-07-12 2013-01-02 珠海格力节能环保制冷技术研究中心有限公司 空调系统的控制系统及空调器
JP2015203544A (ja) * 2014-04-16 2015-11-16 株式会社日立製作所 空調機器管理システム
CN105299845A (zh) * 2015-11-20 2016-02-03 广东美的制冷设备有限公司 空调系统运行参数虚拟检测方法及装置
CN105473354A (zh) * 2013-08-18 2016-04-06 森思博有限公司 Hvac系统的功耗评价
CN105588298A (zh) * 2015-03-26 2016-05-18 海信（山东）空调有限公司 一种空调设备的检测方法、检测设备及系统
CN105928134A (zh) * 2016-04-18 2016-09-07 贵州汇通华城股份有限公司 一种中央空调制冷站能效分析云系统
JP6012868B2 (ja) * 2013-07-10 2016-10-25 三菱電機株式会社 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6732538B2 (en) * 2000-11-27 2004-05-11 Uview Ultraviolet Systems, Inc. Apparatus and method for diagnosing performance of air-conditioning systems
JP5175643B2 (ja) * 2008-07-08 2013-04-03 株式会社東芝 空調制御システムおよび空調制御装置
JP4980407B2 (ja) * 2009-10-21 2012-07-18 三菱電機株式会社 空気調和機の制御装置、冷凍装置の制御装置
US8902071B2 (en) * 2011-12-14 2014-12-02 Honeywell International Inc. HVAC controller with HVAC system fault detection
US9638436B2 (en) * 2013-03-15 2017-05-02 Emerson Electric Co. HVAC system remote monitoring and diagnosis
US9696073B2 (en) * 2014-12-16 2017-07-04 Johnson Controls Technology Company Fault detection and diagnostic system for a refrigeration circuit
JP2016205640A (ja) 2015-04-15 2016-12-08 アズビル株式会社 冷凍機劣化診断装置および方法
US10739027B2 (en) * 2015-06-24 2020-08-11 Emerson Electric Co. HVAC performance and energy usage monitoring and reporting system
KR102571211B1 (ko) * 2017-01-12 2023-08-24 엘지전자 주식회사 공기조화기 시스템 및 그 제어방법

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005291642A (ja) * 2004-04-01 2005-10-20 Daikin Ind Ltd 設備機器の性能劣化評価方法、設備機器の性能劣化評価システムおよび設備機器の情報収集装置
JP2007240036A (ja) * 2006-03-07 2007-09-20 Ntt Facilities Inc 空気調和機の診断方法及び診断システム
CN101858636A (zh) * 2009-03-09 2010-10-13 三菱电机株式会社 空调装置
JP2011012839A (ja) * 2009-06-30 2011-01-20 Taikisha Ltd 熱源システム又は空調システムの性能評価方法及び性能評価装置
CN102072604A (zh) * 2009-11-20 2011-05-25 三菱重工业株式会社 变频涡轮制冷机的性能评价装置
CN102345950A (zh) * 2010-07-29 2012-02-08 三菱重工业株式会社 涡轮制冷机的性能评价装置
CN102384855A (zh) * 2010-09-01 2012-03-21 三菱重工业株式会社 涡轮制冷机的性能评价装置
CN202648064U (zh) * 2012-07-12 2013-01-02 珠海格力节能环保制冷技术研究中心有限公司 空调系统的控制系统及空调器
JP6012868B2 (ja) * 2013-07-10 2016-10-25 三菱電機株式会社 熱負荷予測装置、配信システム、熱負荷予測方法及びプログラム
CN105473354A (zh) * 2013-08-18 2016-04-06 森思博有限公司 Hvac系统的功耗评价
JP2015203544A (ja) * 2014-04-16 2015-11-16 株式会社日立製作所 空調機器管理システム
CN105588298A (zh) * 2015-03-26 2016-05-18 海信（山东）空调有限公司 一种空调设备的检测方法、检测设备及系统
CN105299845A (zh) * 2015-11-20 2016-02-03 广东美的制冷设备有限公司 空调系统运行参数虚拟检测方法及装置
CN105928134A (zh) * 2016-04-18 2016-09-07 贵州汇通华城股份有限公司 一种中央空调制冷站能效分析云系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117833754A (zh) * 2023-12-06 2024-04-05 淮阴工学院 一种用于永磁电机的远程控制系统
CN117833754B (zh) * 2023-12-06 2024-06-21 淮阴工学院 一种用于永磁电机的远程控制系统

Also Published As

Publication number Publication date
WO2018163402A1 (ja) 2018-09-13
US10989428B2 (en) 2021-04-27
US20190316798A1 (en) 2019-10-17
CN110177980B (zh) 2021-08-27
JPWO2018163402A1 (ja) 2019-08-08
JP6750091B2 (ja) 2020-09-02

Similar Documents

Publication Publication Date Title
CN105387665B (zh) 一种以空气源热泵综合性能最佳为目标的除霜控制方法
CN105674496B (zh) 一种空调除霜方法
CN107166638B (zh) 温度传感器的故障检测方法、检测装置和多联式空调系统
CN110177980A (zh) 空调机的性能诊断装置以及性能诊断方法
CN105102909B (zh) 用于制冷剂充填验证的系统
KR101194615B1 (ko) 인버터 터보 냉동기의 성능 평가 장치
US11561019B2 (en) Performance diagnosis device and performance diagnosis method for air conditioner
CN106839340A (zh) 一种空调制冷量测量方法、装置及空调器
CN106871391A (zh) 基于有限测点的空调系统性能在线检测方法
CN110186155A (zh) 一种空调外机脏堵检测及自清洁的方法及空调器
JP2012052733A (ja) ターボ冷凍機の性能評価装置
CN105299843A (zh) 控制空调器进入除霜模式的方法和空调器
CN104807113A (zh) 一种空调室外机、空调室外机除霜判定系统以及方法
CN109163411A (zh) 一种热泵系统的控制方法、热泵系统及空调
CN102353403B (zh) 中央空调主机冷冻水流量及冷却介质流量测量方法
CN108895602A (zh) 压缩机排气温度的修正方法、装置和具有其的空调器
JP2016205640A (ja) 冷凍機劣化診断装置および方法
Wichman et al. Fault detection and diagnostics for commercial coolers and freezers
CN115485511A (zh) 空调系统
CN102520010A (zh) 一种用于蒸气压缩循环冷水机组的冷凝器污垢检测方法
CN103629762B (zh) 一种以制冷剂为基础的系统及一种提高该系统效率的方法
CN109059208A (zh) 空调主机参数的检测方法、检测装置和检测系统
Mcdonald et al. Virtual flow meter for chilled water loops in existing buildings
JP6948756B1 (ja) 吸収式冷温水機の性能診断方法
JP6219160B2 (ja) ターボ冷凍機の最大負荷率算出装置及びその方法並びに熱源システム及びその台数制御方法

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
GR01 Patent grant
GR01 Patent grant