CN113280417B - 冷水机组压缩机性能劣化诊断方法 - Google Patents

冷水机组压缩机性能劣化诊断方法 Download PDF

Info

Publication number
CN113280417B
CN113280417B CN202110550644.8A CN202110550644A CN113280417B CN 113280417 B CN113280417 B CN 113280417B CN 202110550644 A CN202110550644 A CN 202110550644A CN 113280417 B CN113280417 B CN 113280417B
Authority
CN
China
Prior art keywords
compressor
refrigerant
real
value
time
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.)
Active
Application number
CN202110550644.8A
Other languages
English (en)
Other versions
CN113280417A (zh
Inventor
王占伟
石靖峰
盛凯
王林
周西文
袁俊飞
连梦雅
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.)
Henan University of Science and Technology
Qingdao Hisense Hitachi Air Conditioning System Co Ltd
Original Assignee
Henan University of Science and Technology
Qingdao Hisense Hitachi Air Conditioning System Co 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 Henan University of Science and Technology, Qingdao Hisense Hitachi Air Conditioning System Co Ltd filed Critical Henan University of Science and Technology
Priority to CN202110550644.8A priority Critical patent/CN113280417B/zh
Publication of CN113280417A publication Critical patent/CN113280417A/zh
Application granted granted Critical
Publication of CN113280417B publication Critical patent/CN113280417B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F5/00—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater
    • F24F5/0007—Air-conditioning systems or apparatus not covered by F24F1/00 or F24F3/00, e.g. using solar heat or combined with household units such as an oven or water heater cooling apparatus specially adapted for use in air-conditioning
    • F24F5/001—Compression cycle type
    • 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
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/46—Improving electric energy efficiency or saving
    • F24F11/47—Responding to energy costs
    • 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
    • F24F11/88—Electrical aspects, e.g. circuits
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
    • Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating

Landscapes

  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Mechanical Engineering (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Sustainable Development (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提出一种冷水机组压缩机性能劣化诊断方法，包括：S1：获取冷水机组在正常工况下的多组特征参数的运行值；S2：构建压缩机指示效率基准值模型；S3：获得并比较压缩机指示效率实际值与指示效率基准值，得到压缩机性能是否劣化的结论；通过对压缩机性能进行有效的监测，对其性能劣化进行有效的诊断，达到避免压缩机低效率运行和带障运行的目的，从而节约压缩机运行能耗及延长其运行寿命，同时，该方法确定压缩机指示效率基准值的方法简单，计算方便，大大降低了模型构建的困难度。

Description

冷水机组压缩机性能劣化诊断方法
技术领域
本发明涉及冷水机组领域，尤其涉及一种冷水机组压缩机性能劣化诊断方法。
背景技术
冷水机组是空调系统中的主要耗能设备，而压缩机是冷水机组上的最主要耗能部件。当冷水机组压缩机性能出现劣化时，若不及时发现并排除，将会导致压缩机耗能增大，冷水机组运行能效降低，进而导致大量的能源浪费，并减少压缩机使用寿命。对压缩机性能进行监测，并对其性能劣化进行诊断，及时并排除压缩机性能劣化故障，对压缩机可靠运行及保持冷水机组高能效运行具有重要意义。
冷水机组故障诊断在过去十几年间得到了广泛研究，提出了一些在理论上可行的故障诊断方法。但这些诊断方法所关心的冷水机组故障通常是水流量故障、制冷剂充注或泄露故障、冷凝器和蒸发器结垢等故障，对于冷水机组的主要耗能设备压缩机相关故障关注较少。指示效率是指示压缩机性能的有效的特征参数，而通过构建精确物理模型获得指示效率往往难度很大，这是因为精确模型通常需要压缩机部件详细的结构参数，而这在实际情况下很难获得。基于此，本发明提供了一种冷水机组压缩机性能劣化诊断方法。
发明内容
本发明至少在一定程度上解决相关技术中的技术问题之一。为此，
根据本公开的实施例，提出一种冷水机组压缩机性能劣化诊断方法，包括：
S1：获取冷水机组在正常工况下的多组特征参数的运行值；
S2：构建压缩机指示效率基准值模型；
S3：获得并比较压缩机指示效率实际值与指示效率基准值，得到压缩机性能是否劣化的结论。
通过对压缩机性能进行有效的监测，对其性能劣化进行有效的诊断，达到避免压缩机低效率运行和带障运行的目的，从而节约压缩机运行能耗及延长其运行寿命，同时，该方法确定压缩机指示效率基准值的方法简单，计算方便，大大降低了模型构建的困难度。
根据本公开的实施例，所述步骤S1中的特征参数包括蒸发压力、冷凝压力、压缩机排气压力、压缩机排气温度、制冷剂离开冷凝器的压力、制冷剂离开冷凝器的温度、压缩机吸气温度、压缩机运行频率、压缩机耗功量、冷却水进口水温、冷却水出口水温以及冷却水流量。
根据本公开的实施例，所述步骤S2具体包括：
S21：根据步骤S1中采集的特征参数，确定制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值；
S22：根据步骤S1中采集的特征参数、制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值确定制冷剂的质量流量mr；
S23：根据步骤S1中采集的特征参数确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的焓值和压缩机出口处制冷剂的焓值；
S24：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的焓值、压缩机出口处制冷剂的焓值和制冷剂的质量流量来mr计算压缩机在理论制冷循环下发生等熵压缩过程时的理论耗功量Pth；
S25：通过实际测量的压缩机耗功量Preal以及压缩机理论耗功量，计算压缩机在正常工况下的指示效率ηpre；
S26：根据多组特征参数对应的指示效率构建指示效率基准值模型，采用的公式如下：ηpre＝f(Tc,Te,freal/frat)，Tc和Te分别表示冷凝温度和蒸发温度，freal和frat分别表示压缩机在正常工况下的测量的压缩机运行频率与压缩机额定频率。
使用压缩机指示效率作为指示压缩机性能的特征参数，通过构建指示效率的基准值模型，可以准确获得其基准值。
根据本公开的实施例，所述步骤S26中，通过基于支持向量回归的方法构建指示效率与冷凝温度、蒸发温度和压缩机运行频率与压缩机额定频率之比三者之间的映射关系，通过步骤S1获取的多组正常工况下的特征参数的运行值，计算出各组特征参数对应的指示效率，对支持向量回归模型进行训练，获得模型中的回归系数，确定指示效率基准值模型，方法简单，计算方便。
根据本公开的实施例，所述步骤S23具体包括：
S231：通过蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂的焓值和熵值；
S232：压缩机入口处制冷剂的熵值即为压缩机出口处制冷剂在理论制冷循环下的熵值，冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的焓值。
根据本公开的实施例，所述步骤S3具体包括：
S31：冷水机组运行时，实时采集步骤S1中采集的特征参数的运行值；
S32：将步骤S31中采集的冷水机组实时特征参数输入构建好的压缩机指示效率基准值模型中，获得压缩机指示效率基准值；
S33：根据步骤S31中采集的冷水机组实时特征参数，计算压缩机指示效率的实际值；
S34：基于统计学中的显著性检测方法，判断压缩机指示效率基准值是否显著大于指示效率实际值，如果是，则得到压缩机性能出现劣化的结论，否则，得到压缩机性能未劣化的结论。
获得指示效率实际值与其基准值，计算方便，通过对指示效率实际值与其基准值进行比较，对压缩机性能劣化进行诊断，形成其是否出现性能劣化的结论。
根据本公开的实施例，所述步骤S33具体包括：
S331：根据步骤S31中采集的冷水机组实时特征参数，确定制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值；
S332：根据步骤S31中采集的冷水机组实时特征参数以及步骤S331确定的制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值确定制冷剂的实时质量流量mr,act；
S333：根据步骤S31中采集的冷水机组实时特征参数，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值；
S334：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值和制冷剂的实时质量流量mr，act计算压缩机在理论制冷循环下发生等熵压缩过程时的实时理论耗功量Pth,act；
S335：通过步骤S31实际测量的压缩机耗功量、压缩机实时理论耗功量，计算压缩机的指示效率实际值ηact。
根据本公开的实施例，所述步骤S333具体包括：
S3331：根据步骤S31中采集的冷水机组实时特征参数，通过实时采集到的蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂在理论制冷循环下的实时焓值和实时熵值；
S3332：压缩机入口处制冷剂在理论制冷循环下的实时熵值即为压缩机出口处制冷剂在理论制冷循环下的实时熵值，步骤S31中实际测量的冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的实时压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的实时焓值。
根据本公开的实施例，在所述步骤S34中压缩机指示效率基准值显著大于指示效率实际值具体为：压缩机指示效率基准值+3σ>指示效率实际值，预留了一定的幅度空间，避免误差较大。
根据本公开的实施例，所述冷水机组包括蒸发器和冷凝器，所述蒸发器和冷凝器均为壳管式换热器。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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。
图1是根据本公开实施方式冷水机组压缩机性能劣化诊断方法的流程图。
具体实施方式
下面，通过示例性的实施方式对本发明进行具体描述。然而应当理解，在没有进一步叙述的情况下，一个实施方式中的元件、结构和特征也可以有益地结合到其他实施方式中。
本发明提出一种冷水机组压缩机性能劣化诊断方法，参考图1，包括以下步骤：
S1：获取冷水机组在正常工况下的多组特征参数的运行值；
具体的，冷水机组在正常工况下运行时，以一定的时间间隔进行多次数据采集的得到多组特征参数的运行值，时间间隔可为ts，特征参数的组数可为N，其中t可为10，N可为500。特征参数主要包括：蒸发压力、冷凝压力、压缩机排气压力、压缩机排气温度、制冷剂离开冷凝器的压力、制冷剂离开冷凝器的温度、压缩机吸气温度、压缩机运行频率、压缩机耗功量、冷却水进口水温、冷却水出口水温、冷却水流量。其中，可通过实际的冷水机组获得数据，或者通过搭建实验台，利用试验台模拟冷水机组的正常运行来获得数据。
S2：构建压缩机指示效率基准值模型；
步骤S2具体包括以下步骤：
S21：根据步骤S1中采集的特征参数，确定制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值；
具体的，根据步骤S1中获取的特征参数，通过压缩机排气压力和压缩机排气温度确定制冷剂离开压缩机的焓值，通过制冷剂离开冷凝器的压力和制冷剂离开冷凝器的温度确定制冷剂离开冷凝器的焓值。通过压缩机排气压力和压缩机排气温度，调用refprop软件，确定制冷剂离开压缩机的焓值，通过制冷剂离开冷凝器的压力和制冷剂离开冷凝器的温度，调用refprop软件，确定制冷剂离开冷凝器的焓值。
S22：根据步骤S1中采集的特征参数、制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值确定制冷剂的质量流量mr；
具体的，基于能量守恒，根据步骤S1中获取的特征参数，通过冷凝器中冷却水进口水温和冷却水出口水温、冷却水流量以及步骤S21中确定的制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值确定制冷剂的质量流量mr；
具体的，通过以下公式计算：
Qc＝mccp(tco-tci) (1)
mr＝Qc/(href,com,out-href,con,out) (2)
其中，Qc为冷凝器中冷却水的吸热量，单位为KW；mc为冷却水流量，单位为Kg/s；cp为水的定压比热，单位为KJ/(Kg*K)；tco和tci分别为冷却水出口水温和冷却水入口水温，单位均为℃；mr表示制冷剂的质量流量，单位为Kg/s；href,com,out和href,con,out分别为制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值，单位为KJ/Kg。
S23：根据步骤S1中采集的特征参数确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的焓值和压缩机出口处制冷剂的焓值；
具体的，通过蒸发压力、冷凝压力、压缩机吸气温度，基于理论制冷循环下的等熵压缩过程，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的焓值和压缩机出口处制冷剂的焓值；
步骤S23具体包括以下步骤：
S231：通过蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂的焓值和熵值；
S232：在步骤S231中确定的压缩机入口处制冷剂的熵值即为压缩机出口处制冷剂在理论制冷循环下的熵值，冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的焓值；
S24：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的焓值、压缩机出口处制冷剂的焓值和制冷剂的质量流量来mr计算压缩机在理论制冷循环下发生等熵压缩过程时的理论耗功量Pth；
具体公式为：
Pth＝mr(hth,com,out-hth,com,in) (3)
其中，hth,com,out和hth,com,in分别表示压缩机在理论制冷循环下发生等熵压缩过程时压缩机出口处制冷剂的焓值和压缩机入口处制冷剂的焓值，单位为KJ/Kg。
S25：通过实际测量的压缩机耗功量Preal以及步骤S24中计算的压缩机理论耗功量，计算压缩机在正常工况下的指示效率ηpre；
具体的，指示效率的公式为：
ηpre＝Pth/Preal (4)
其中，Pth和Preal分别表示压缩机在理论制冷循环下发生等熵压缩过程时的压缩机理论耗功量和实际测量的压缩机耗功量，单位为kW；
S26：根据多组特征参数对应的指示效率构建指示效率基准值模型，
具体的，采用的公式如下：
ηpre＝f(Tc,Te,freal/frat) (5)
其中，Tc和Te分别表示冷凝温度和蒸发温度，freal和frat分别表示压缩机在正常工况下的测量的压缩机运行频率与压缩机额定频率。
指示效率ηpre基准值模型获得时具体包括各类数据拟合方法。具体的，通过基于支持向量回归的方法构建指示效率与冷凝温度、蒸发温度和压缩机运行频率与压缩机额定频率之比三者之间的映射关系，通过步骤S1获取的多组正常工况下的特征参数的运行值，计算出各组特征参数对应的指示效率，对支持向量回归模型进行训练，获得模型中的回归系数，确定指示效率基准值模型，方法简单，计算方便。
使用压缩机指示效率作为指示压缩机性能的特征参数，通过构建指示效率的基准值模型，可以准确获得其基准值。
S3：获得并比较压缩机指示效率实际值与指示效率基准值，得到压缩机性能是否劣化的结论。
通过对压缩机性能进行有效的监测，对其性能劣化进行有效的诊断，达到避免压缩机低效率运行和带障运行的目的，从而节约压缩机运行能耗及延长其运行寿命，同时，该方法确定压缩机指示效率基准值的方法简单，计算方便，大大降低了模型构建的困难度。
具体的：步骤S3具体包括以下步骤：
S31：冷水机组运行时，实时采集步骤S1中采集的特征参数的运行值；
具体的，其中特征参数可采集多组，其中可为10组。
S32：将步骤S31中采集的冷水机组实时特征参数输入构建好的压缩机指示效率基准值模型中，获得压缩机指示效率基准值；
S33：根据步骤S31中采集的冷水机组实时特征参数，计算压缩机指示效率的实际值；
S331：根据步骤S31中采集的冷水机组实时特征参数，确定制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值；
具体的，根据步骤S31中采集的冷水机组实时特征参数，通过压缩机排气压力和压缩机排气温度，确定制冷剂离开压缩机的实时焓值，通过制冷剂离开冷凝器的压力和制冷剂离开冷凝器的温度，确定制冷剂离开冷凝器的实时焓值；
S332：根据步骤S31中采集的冷水机组实时特征参数以及步骤S331确定的制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值确定制冷剂的实时质量流量mr,act；
具体的，基于能量守恒，根据步骤S31中采集的冷水机组实时特征参数，通过冷却水进口水温、冷却水出口水温、冷却水流量，以及步骤S331确定的制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值确定制冷剂的实时质量流量mr,act，具体通过下式(6)、(7)计算；
Qc,act＝mc,actcp(tco,act-tci,act) (6)
mr,act＝Qc,act/(href,com,out,act-href,con,out,act) (7)
其中，Qc,act为冷凝器中冷却水的实时吸热量，单位为KW；mc,act为冷却水流量，单位为Kg/s；cp为水的定压比热，单位为KW/(Kg*K)；tco,act和tci,act分别为冷却水出口水温和冷却水入口水温，单位均为℃；mr,act表示制冷剂实时质量流量，单位为Kg/s；href,com,out,act和href,con,out,act分别为制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值，单位为KJ/Kg。
S333：根据步骤S31中采集的冷水机组实时特征参数，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值；
具体的，根据步骤S31中采集的冷水机组实时特征参数，通过蒸发压力、冷凝压力、压缩机吸气温度，基于理论制冷循环下的等熵压缩过程，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值；
S3331：根据步骤S31中采集的冷水机组实时特征参数，通过实时采集到的蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂在理论制冷循环下的实时焓值和实时熵值；
S3332：压缩机入口处制冷剂在理论制冷循环下的实时熵值即为压缩机出口处制冷剂在理论制冷循环下的实时熵值，步骤S31中实际测量的冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的实时压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的实时焓值。
S334：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值和制冷剂的实时质量流量mr，act计算压缩机在理论制冷循环下发生等熵压缩过程时的实时理论耗功量Pth,act，由下式(8)确定：
Pth,act＝mr,act(hth,com,out,act-hth,com,in,act) (8)
其中，hth,com,out,act和hth,com,in,act分别表示压缩机在理论制冷循环下发生等熵压缩过程时制冷剂离开和进入压缩机的实际焓值，单位为KJ/Kg。
S335：通过步骤S31实际测量的压缩机耗功量、压缩机实时理论耗功量，计算压缩机的指示效率实际值ηact，由下式(9)确定：
ηact＝Pth,act/Preal,act (9)
Pth,act和Preal,act分别表示压缩机在理论制冷循环下发生等熵压缩过程时的压缩机实时理论耗功量和实际测量的压缩机耗功量，kW。
S34：基于统计学中的显著性检测方法，判断压缩机指示效率基准值是否显著大于指示效率实际值，如果是，则得到压缩机性能出现劣化的结论，否则，得到压缩机性能未劣化的结论。
获得指示效率实际值与其基准值，计算方便，通过对指示效率实际值与其基准值进行比较，对压缩机性能劣化进行诊断，形成其是否出现性能劣化的结论。
具体的，压缩机指示效率基准值显著大于指示效率实际值是指，基于统计学中的显著性检测方法，可根据多次判断确定一个差值3σ，当压缩机指示效率基准值+3σ>指示效率实际值时，即认为压缩机指示效率基准值显著大于指示效率实际值，预留了一定的幅度空间，避免误差较大。
应用本发明提供的一种冷水机组压缩机性能劣化诊断方法，以一台125冷吨(约440kW)的离心式冷水机组为对象进行具体描述，其中，冷水机组包括压缩机、冷凝器、蒸发器以及电子膨胀阀，压缩机为离心式压缩机，蒸发器和冷凝器均为壳管式换热器，使得水在管内流，制冷剂在管外流，制冷剂可为R134a。
S1：获取冷水机组在正常工况下的多组特征参数的运行值，特征参数包括蒸发压力、冷凝压力、压缩机排气压力、压缩机排气温度、制冷剂离开冷凝器的压力、制冷剂离开冷凝器的温度、压缩机吸气温度、压缩机运行频率、压缩机耗功量、冷却水进口水温、冷却水出口水温以及冷却水流量，具体的，以10s为时间间隔，采集500组特征参数。
S2：构建压缩机指示效率基准值模型。
S21：通过压缩机排气压力和压缩机排气温度，调用refprop软件，确定500组特征参数对应的制冷剂离开压缩机的焓值，通过制冷剂离开冷凝器的压力和制冷剂离开冷凝器的温度，调用refprop软件，确定500组特征参数对应的制冷剂离开冷凝器的焓值，部分结果呈现在表1中。
S22：基于能量守恒，通过了冷凝器中冷却水进口水温和冷却水出口水温、冷却水流量以及步骤S21中确定的制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值，根据公式(1)和公式(2)确定500组特征参数对应的制冷剂的质量流量mr，部分结果呈现在表2中。
S23：通过蒸发压力、冷凝压力、压缩机吸气温度，基于理论制冷循环下的等熵压缩过程，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的焓值和压缩机出口处制冷剂的焓值；
具体的，步骤S23具体包括以下步骤：
S231：通过蒸发压力和压缩机吸气温度，确定500组特征参数对应的压缩机入口处制冷剂的焓值和熵值，部分结果呈现在表3中；
S232：在步骤S231中确定的压缩机入口处制冷剂的熵值即为压缩机出口处制冷剂在理论制冷循环下的熵值，冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的压力值，由此，确定出500组特征参数对应的压缩机出口处制冷剂在理论制冷循环下的焓值，部分结果呈现在表3中；
S24：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的焓值、压缩机出口处制冷剂的焓值和制冷剂的质量流量来mr确定计算压缩机在理论制冷循环下发生等熵压缩过程时的理论耗功量Pth，计算公式为公式(3)，部分结果呈现在表3中；
S25：通过实际测量的压缩机耗功量Preal以及压缩机理论耗功量，根据公式(4)计算压缩机在正常工况下的指示效率ηpre，部分结果呈现在表3中；
S26：在获取的冷水机组在正常工况下的特征参数后，根据压缩机在正常工况下多组特征参数对应的指示效率ηpre以及公式(5)，构建指示效率基准值模型，在本实施例通过基于支持向量回归的方法构建指示效率与冷凝温度、蒸发温度和压缩机实际运行频率与其额定频率之比三者之间的映射关系，通过步骤S1获取的500组正常工况下的特征参数的运行值，计算出各组特征参数对应的指示效率，对支持向量回归模型进行训练，获得模型中的回归系数，确定指示效率基准值模型；
S3：获得并比较压缩机指示效率实际值与基准值，得到压缩机性能是否劣化的结论。
具体的：步骤S3具体包括以下步骤：
S31：冷水机组运行时，实时采集步骤S1采集的特征参数的运行值，其中特征参数可采集多组，其中可为10组。
S32：将步骤S31中采集的冷水机组实时特征参数输入构建好的压缩机指示效率基准值模型中，获得压缩机指示效率基准值，计算结果呈现在表4中；
S33：根据步骤S31中采集的冷水机组实时特征参数，计算压缩机指示效率的实际值；
S331：根据步骤S31中采集的冷水机组实时特征参数，通过压缩机排气压力和压缩机排气温度，调用refprop软件，确定制冷剂离开压缩机的实时焓值，通过制冷剂离开冷凝器的压力和制冷剂离开冷凝器的温度，调用refprop软件，确定制冷剂离开冷凝器的实时焓值，计算结果呈现在表5中；
S332：基于能量守恒，根据步骤S31中采集的冷水机组实时特征参数，通过冷却水进口水温、冷却水出口水温、冷却水流量，以及步骤S331确定的制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值，由公式(6)和公式(7)确定制冷剂的实时质量流量mr,act，计算结果呈现在表6中；
S333：根据步骤S31中采集的冷水机组实时特征参数，通过蒸发压力、冷凝压力、压缩机吸气温度，基于理论制冷循环下的等熵压缩过程，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值；
S3331：根据步骤S31中采集的冷水机组实时特征参数，通过实时采集到的蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂在理论制冷循环下的实时焓值和实时熵值，计算结果呈现在表7中；
S3332：压缩机入口处制冷剂在理论制冷循环下的实时熵值即为压缩机出口处制冷剂在理论制冷循环下的实时熵值，步骤S31中实际测量的冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的实时压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的实时焓值，计算结果呈现在表7中。
S334：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值和制冷剂的实时质量流量mr，act，根据公式(8)计算压缩机在理论制冷循环下发生等熵压缩过程时的实时理论耗功量Pth,act，计算结果呈现在表7中；
S335：通过步骤S31实际测量的压缩机耗功量、压缩机实时理论耗功量，利用公式(9)计算压缩机的指示效率实际值ηact，计算结果呈现在表7中。
S34：基于统计学中的显著性检测方法，判断压缩机指示效率基准值是否显著大于指示效率实际值，如果是，则得到压缩机性能出现劣化的结论，否则，得到压缩机性能未劣化的结论，判断结果呈现在表8中。
表8显示：本发明提供的一种冷水机组压缩机性能劣化诊断方法能够有效地对冷水机组压缩机性能劣化进行有效地实时诊断；本发明提供的一种冷水机组压缩机性能劣化诊断方法降低了压缩机指示效率基准模型构建的复杂度，计算简单，实现成本较低；压缩机低效率运行和带障运行能够被有效避免。
表1
Figure GDA0003769211430000131
表2
Figure GDA0003769211430000132
Figure GDA0003769211430000141
表3
Figure GDA0003769211430000142
表4
Figure GDA0003769211430000151
表5
Figure GDA0003769211430000152
表6
Figure GDA0003769211430000161
表7
Figure GDA0003769211430000162
表8
Figure GDA0003769211430000171
在本发明的描述中，需要理解的是，术语“中心”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.一种冷水机组压缩机性能劣化诊断方法，其特征在于，包括：
S1：获取冷水机组在正常工况下的多组特征参数的运行值；
S2：构建压缩机指示效率基准值模型；
S3：获得并比较压缩机指示效率实际值与指示效率基准值，得到压缩机性能是否劣化的结论；
所述步骤S1中的特征参数包括蒸发压力、冷凝压力、压缩机排气压力、压缩机排气温度、制冷剂离开冷凝器的压力、制冷剂离开冷凝器的温度、压缩机吸气温度、压缩机运行频率、压缩机耗功量、冷却水进口水温、冷却水出口水温以及冷却水流量；
所述步骤S2中，根据步骤S1中采集的特征参数计算压缩机在理论制冷循环下发生等熵压缩过程时的理论耗功量Pth，所述步骤S2具有以下步骤：
S25：通过实际测量的压缩机耗功量Preal以及压缩机理论耗功量，计算压缩机在正常工况下的指示效率ηpre；
S26：根据多组特征参数对应的指示效率构建指示效率基准值模型，采用的公式如下：ηpre＝f(Tc,Te,freal/frat)，Tc和Te分别表示冷凝温度和蒸发温度，freal和frat分别表示压缩机在正常工况下的测量的压缩机运行频率与压缩机额定频率；
所述步骤S26中，通过基于支持向量回归的方法构建指示效率与冷凝温度、蒸发温度和压缩机运行频率与压缩机额定频率之比三者之间的映射关系，通过步骤S1获取的多组正常工况下的特征参数的运行值，计算出各组特征参数对应的指示效率，对支持向量回归模型进行训练，获得模型中的回归系数，确定指示效率基准值模型。
2.根据权利要求1所述的冷水机组压缩机性能劣化诊断方法，其特征在于，在步骤S2中，在步骤S25之前具有以下步骤：
S21：根据步骤S1中采集的特征参数，确定制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值；
S22：根据步骤S1中采集的特征参数、制冷剂离开压缩机的焓值和制冷剂离开冷凝器的焓值确定制冷剂的质量流量mr；
S23：根据步骤S1中采集的特征参数确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的焓值和压缩机出口处制冷剂的焓值；
S24：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的焓值、压缩机出口处制冷剂的焓值和制冷剂的质量流量来mr计算压缩机在理论制冷循环下发生等熵压缩过程时的理论耗功量Pth。
3.根据权利要求2所述的冷水机组压缩机性能劣化诊断方法，其特征在于，所述步骤S23具体包括：
S231：通过蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂的焓值和熵值；
S232：压缩机入口处制冷剂的熵值即为压缩机出口处制冷剂在理论制冷循环下的熵值，冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的焓值。
4.根据权利要求1所述的冷水机组压缩机性能劣化诊断方法，其特征在于，所述步骤S3具体包括：
S31：冷水机组运行时，实时采集步骤S1中采集的特征参数的运行值；
S32：将步骤S31中采集的冷水机组实时特征参数输入构建好的压缩机指示效率基准值模型中，获得压缩机指示效率基准值；
S33：根据步骤S31中采集的冷水机组实时特征参数，计算压缩机指示效率的实际值；
S34：基于统计学中的显著性检测方法，判断压缩机指示效率基准值是否显著大于指示效率实际值，如果是，则得到压缩机性能出现劣化的结论，否则，得到压缩机性能未劣化的结论。
5.根据权利要求4所述的冷水机组压缩机性能劣化诊断方法，其特征在于，所述步骤S33具体包括：
S331：根据步骤S31中采集的冷水机组实时特征参数，确定制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值；
S332：根据步骤S31中采集的冷水机组实时特征参数以及步骤S331确定的制冷剂离开压缩机的实时焓值和制冷剂离开冷凝器的实时焓值确定制冷剂的实时质量流量mr,act；
S333：根据步骤S31中采集的冷水机组实时特征参数，确定理论制冷循环下压缩机发生等熵压缩过程时的压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值；
S334：通过压缩机在理论制冷循环下发生等熵压缩过程时压缩机入口处制冷剂的实时焓值和压缩机出口处制冷剂的实时焓值和制冷剂的实时质量流量mr，act计算压缩机在理论制冷循环下发生等熵压缩过程时的实时理论耗功量Pth,act；
S335：通过步骤S31实际测量的压缩机耗功量、压缩机实时理论耗功量，计算压缩机的指示效率实际值ηact。
6.根据权利要求5所述的冷水机组压缩机性能劣化诊断方法，其特征在于，所述步骤S333具体包括：
S3331：根据步骤S31中采集的冷水机组实时特征参数，通过实时采集到的蒸发压力和压缩机吸气温度，确定压缩机入口处制冷剂在理论制冷循环下的实时焓值和实时熵值；
S3332：压缩机入口处制冷剂在理论制冷循环下的实时熵值即为压缩机出口处制冷剂在理论制冷循环下的实时熵值，步骤S31中实际测量的冷凝压力即为压缩机出口处制冷剂在理论制冷循环下的实时压力值，由此，确定出压缩机出口处制冷剂在理论制冷循环下的实时焓值。
7.根据权利要求4所述的冷水机组压缩机性能劣化诊断方法，其特征在于，在所述步骤S34中压缩机指示效率基准值显著大于指示效率实际值具体为：压缩机指示效率基准值+3σ>指示效率实际值。
8.根据权利要求1所述的冷水机组压缩机性能劣化诊断方法，其特征在于，所述冷水机组包括蒸发器和冷凝器，所述蒸发器和冷凝器均为壳管式换热器。
CN202110550644.8A 2021-05-17 2021-05-17 冷水机组压缩机性能劣化诊断方法 Active CN113280417B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110550644.8A CN113280417B (zh) 2021-05-17 2021-05-17 冷水机组压缩机性能劣化诊断方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110550644.8A CN113280417B (zh) 2021-05-17 2021-05-17 冷水机组压缩机性能劣化诊断方法

Publications (2)

Publication Number Publication Date
CN113280417A CN113280417A (zh) 2021-08-20
CN113280417B true CN113280417B (zh) 2022-09-02

Family

ID=77280255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110550644.8A Active CN113280417B (zh) 2021-05-17 2021-05-17 冷水机组压缩机性能劣化诊断方法

Country Status (1)

Country Link
CN (1) CN113280417B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116045562A (zh) * 2023-03-30 2023-05-02 宁波奥克斯电气股份有限公司 压缩机延命运行方法及空调器

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1318718A (zh) * 2000-04-18 2001-10-24 Lg电子株式会社 使用声发射方法检测空调异常的设备和方法
CN103940052A (zh) * 2013-01-21 2014-07-23 珠海格力电器股份有限公司 空调器及其故障检测方法
EP2902729A1 (en) * 2014-01-29 2015-08-05 Fujitsu General Limited Heat pump-type heating and hot-water supply apparatus
JP2015148394A (ja) * 2014-02-07 2015-08-20 三菱電機株式会社 圧縮機劣化診断装置及び圧縮機劣化診断方法
CN105352131A (zh) * 2015-11-27 2016-02-24 国网北京市电力公司 空调控制方法及装置
JP2018009749A (ja) * 2016-07-14 2018-01-18 東京電力ホールディングス株式会社 ヒートポンプ式空調システム
CN207214543U (zh) * 2017-08-28 2018-04-10 合肥华凌股份有限公司 一种制冷设备及其报警装置
CN108981078A (zh) * 2018-08-13 2018-12-11 奥克斯空调股份有限公司 一种变频压缩机堵转检测方法、系统及空调器

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5203179A (en) * 1992-03-04 1993-04-20 Ecoair Corporation Control system for an air conditioning/refrigeration system
JP5362692B2 (ja) * 2010-12-01 2013-12-11 日本電信電話株式会社 冷蔵庫の冷却性能劣化診断システムおよび冷蔵庫の冷却性能劣化診断方法
CN102788005B (zh) * 2012-08-02 2015-03-11 青岛海信日立空调系统有限公司 一种优化多联机空调系统中压缩机运行控制的方法及装置
JP5744081B2 (ja) * 2013-02-19 2015-07-01 三菱電機株式会社 空気調和装置
CN103953998A (zh) * 2014-01-25 2014-07-30 宁波奥克斯电气有限公司 制热时多联空调的部分室外机的压缩机故障的处理方法
JP2015212594A (ja) * 2014-05-02 2015-11-26 三菱電機株式会社 圧縮機の劣化診断方法、及びその劣化診断方法を有する冷凍サイクル装置
US10240836B2 (en) * 2015-06-30 2019-03-26 Emerson Climate Technologies Retail Solutions, Inc. Energy management for refrigeration systems
CN109323365B (zh) * 2018-09-30 2021-11-19 广东美的制冷设备有限公司 诊断空调阻塞故障的方法和装置以及空调和存储介质
CN112443479A (zh) * 2019-08-27 2021-03-05 深圳中集智能科技有限公司 压缩机故障诊断方法、装置、存储介质及电子设备
CN111504673A (zh) * 2020-03-27 2020-08-07 青岛海信日立空调系统有限公司 一种冷水机组故障诊断方法、系统及空调器
CN111706958A (zh) * 2020-06-03 2020-09-25 中筑科技股份有限公司 一种基于大数据处理的中央空调故障性能检测系统
CN111854064A (zh) * 2020-07-23 2020-10-30 珠海格力电器股份有限公司 能耗计算方法、系统及空调机组

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1318718A (zh) * 2000-04-18 2001-10-24 Lg电子株式会社 使用声发射方法检测空调异常的设备和方法
CN103940052A (zh) * 2013-01-21 2014-07-23 珠海格力电器股份有限公司 空调器及其故障检测方法
EP2902729A1 (en) * 2014-01-29 2015-08-05 Fujitsu General Limited Heat pump-type heating and hot-water supply apparatus
JP2015148394A (ja) * 2014-02-07 2015-08-20 三菱電機株式会社 圧縮機劣化診断装置及び圧縮機劣化診断方法
CN105352131A (zh) * 2015-11-27 2016-02-24 国网北京市电力公司 空调控制方法及装置
JP2018009749A (ja) * 2016-07-14 2018-01-18 東京電力ホールディングス株式会社 ヒートポンプ式空調システム
CN207214543U (zh) * 2017-08-28 2018-04-10 合肥华凌股份有限公司 一种制冷设备及其报警装置
CN108981078A (zh) * 2018-08-13 2018-12-11 奥克斯空调股份有限公司 一种变频压缩机堵转检测方法、系统及空调器

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
A practical chiller fault diagnosis method based on discrete Bayesian network;Zhanwei Wang;《International Journal of Refrigeration》;20190318;全文 *

Also Published As

Publication number Publication date
CN113280417A (zh) 2021-08-20

Similar Documents

Publication Publication Date Title
JP5905278B2 (ja) 冷凍装置の監視システムおよび監視方法
CN102519119A (zh) 一种带故障自诊断功能的空调器及其故障自诊断方法
CN108731190B (zh) 空调主机参数的检测方法、检测装置和检测系统
CN111879464A (zh) 一种凝汽器漏空气超标检测方法
CN113280417B (zh) 冷水机组压缩机性能劣化诊断方法
US11561019B2 (en) Performance diagnosis device and performance diagnosis method for air conditioner
JP2012052733A (ja) ターボ冷凍機の性能評価装置
JP6750091B2 (ja) 空気調和機の性能診断装置及び性能診断方法
CN113281074B (zh) 冷水机组冷凝器和蒸发器性能劣化诊断方法
Li et al. Virtual refrigerant pressure sensors for use in monitoring and fault diagnosis of vapor-compression equipment
CN102353403B (zh) 中央空调主机冷冻水流量及冷却介质流量测量方法
CN107388514A (zh) 空调器及其能效计算方法
CN114484735A (zh) 多联机系统故障诊断及节能潜力识别方法及多联机系统
CN112267997B (zh) 压缩机性能测试系统及方法
CN113175735B (zh) 计算空调器能力能效的方法、计算机存储介质和空调器
CN202328648U (zh) 一种带预警功能的空调器
Kim et al. Virtual refrigerant mass flow and power sensors for variable-speed compressors
CN114234359B (zh) 空调器及其制冷剂泄漏检测方法
Shamandi et al. Fault detection in compression refrigeration system with a fixed orifice and rotary compressor
CN109059208A (zh) 空调主机参数的检测方法、检测装置和检测系统
CN110926544B (zh) 一种换热机组用检测设备及其在线自动检测方法
CN114234360B (zh) 空调器及其制冷剂泄漏检测方法
WO2024058149A1 (ja) 機器性能値予測方法、システム、およびプログラム
CN113175734B (zh) 计算空调器能力能效的方法、计算机存储介质和空调器
CN221425132U (zh) 一种空调器

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