CN113312762A - 一种混合制冷剂的配制方法 - Google Patents

Abstract

本发明提出了一种混合制冷剂的配制方法，包括以下步骤：获取节流制冷系统所处的环境温度，设定期望的混合工质的制冷温度、压缩机高低端压力和可供选择的所有工质；通过递归算法遍历所有工质，得到所有可行的由不同工质组成的混合制冷剂；采用基于遗传算法的全局优化函数，在获取的工况及设置的不同组分质量浓度向量下计算每种混合制冷剂的最小等效节流效应的最大值或制冷系统的制冷系数的最大值，及对应的混合制冷剂各组分的质量浓度向量；选择所有最小等温节流效应最大值或制冷系统的制冷系数最大值的最大值及其对应的目标质量浓度向量，作为最优的混合制冷剂的组分及配比。本发明所配置的混合制冷剂的单位质量制冷量大、制冷效率高。

Description

一种混合制冷剂的配制方法

技术领域

本发明涉及制冷剂技术领域，特别涉及一种用于节流制冷过程的混合制冷剂的配制方法。

背景技术

节流制冷是利用高压气体的绝热节流膨胀来达到低温、进而实现制冷。节流制冷系统的冷头无运动部件、结构简单可靠，此外，通过节流制冷可实现的制冷温度(1K-300K)和制冷量(10-3W-106W)跨度极大，因此，节流制冷的应用范围非常广泛，比如低温电子器件冷却、天然气液化、大型工业制冷等。

参见图1，在闭式节流制冷系统中，制冷剂气体在压缩机中从低压压缩到高压，随后经反冷却器冷却到环境温度。高压气体在流经节流阀时发生节流膨胀，从而导致温度降低。然后，低压冷气体经回热换热器，从而冷却向相反方向流动的高压气体，随后返回压缩机。在稳态操作中，高压气体经节流膨胀后产生液体，液体被包含在蒸发器中。蒸发器内将通过相变蒸发产生制冷量，从而冷却安装在蒸发器外的待冷却装置。闭式节流制冷系统的效率很大程度上取决于制冷剂工质的物理性质，相比较纯工质，采用混合工质的制冷机热效率较高，运行压力比低，进而对压缩机的要求较低，易于实现闭式循环制冷。

混合工质节流制冷循环优化设计包括循环运行参数和混合工质两方面。循环运行参数包括循环的制冷温度、环境温度、压缩机的进出口压力，循环运行参数的设定将影响混合工质的优化。通常制冷温度是根据用户需求确定、环境温度是根据用户使用环境确定、压缩机的进出口压力由压缩机性能决定，即循环运行参数确定，目前在定循环运行参数条件下，混合制冷剂的配制方法，多集中于针对给定组分、给定组分数，确定组分的配比(Derking JH et al.A mixed-gas miniature Joule-Thomson coolingsystem.Cryogenics.2013,57:26-30.)，适用性较差。

发明内容

本发明的目的是为了克服现有技术的不足之处，提供一种混合制冷剂的配制方法。本发明根据目标制冷温度、环境温度、制冷剂高压和制冷剂低压，通过制冷系数和单位质量制冷剂的制冷量两个参数的最优值确定混合制冷剂的组分以及各组分的配比。

为了实现上述目的，本发明采用如下技术方案：

本发明提出的一种混合制冷剂的配制方法，所述混合制冷剂工作于节流制冷系统中，所述配制方法包括以下步骤：

1)获取节流制冷系统所处的环境温度T_H，根据节流制冷系统的工作场景设定期望的混合工质的制冷温度T_L、压缩机高压端压力p_H、压缩机低压端压力p_L和可供选择的所有工质；其中，将常压下沸点低于制冷温度T_L的工质记为低沸点工质，并由所有的低沸点工质构成低沸点工质集合W₁，W₁＝{A₁,A₂,…,A_M}，A₁,A₂,…,A_M为低沸点工质集合W₁中的各类低沸点工质，共计M类低沸点工质；将常压下沸点高于制冷温度T_L的工质记为高沸点工质，并由所有的高沸点工质构成高沸点工质集合W₂，W₂＝{B₁,B₂,…,B_N}，B₁,B₂，…,B_N为高沸点工质集合W₂中的各类高沸点工质，共计N类高沸点工质；

2)通过递归算法遍历低沸点工质集合W₁和高沸点工质集合W₂中的所有工质，得到所有可行的由N₀种不同工质组成的混合制冷剂，共计K种混合制冷剂，

3)对步骤2)确定的K种混合制冷剂，设第k种混合制冷剂W^k各组分的质量浓度向量

表示第k种混合制冷剂W^k中第s个工质的质量占第k种混合制冷剂W^k总质量的百分比；采用基于遗传算法的全局优化函数，在工况{T_H,T_L,p_H,p_L}及质量浓度向量

下计算每种混合制冷剂的最小等效节流效应的最大值或者制冷系统的制冷系数的最大值，及对应的混合制冷剂各组分的质量浓度向量，作为第k种混合制冷剂W^k各组分的目标质量浓度向量；

4)选择步骤3)得到的K种最小等温节流效应的最大值及其对应的目标质量浓度向量，或者制冷系统的制冷系数的最大值中的最大值及其对应的目标质量浓度向量，作为最优的混合制冷剂的组分及配比。

与现有技术相比，本发明具有以下特点及有益效果：

本发明可根据给定的温度、压力等运行参数，以制冷系统的单位质量制冷量(即等温节流效应)或制冷系数为优化目标，利用一定的全局优化算法在给定的温区范围内优化混合制冷剂，包括确定组分数、组分和组分的配比。该方法具有适应性广、实现简单的优点，所配置的混合制冷剂具有单位质量制冷量大、制冷效率高的特点。

附图说明

图1是现有闭式制冷系统的结构示意图。

图2是本发明的混合制冷剂的配制方法的流程框图。

图3是本发明实施例的不同工质的最小等温节流效应随高压端压力的变化曲线，其中低压端固定在110kPa。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步的详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不限定本发明的保护范围。

为了更好地理解本发明，以下详细阐述一个本发明提出的混合制冷剂的配制方法的应用实例。

本发明提出的一种混合制冷剂的配制方法，所述混合制冷剂容纳于节流制冷系统中，包括至少两种工质，该混合制冷剂的配制方法如图2所示通过以下步骤确定混合制冷剂的组分及各组分的占比：

1)获取并设定已知参数

获取节流制冷系统所处的环境温度T_H；根据节流制冷系统的工作场景设定期望的混合工质的制冷温度T_L、压缩机高压端压力p_H、压缩机低压端压力p_L和可供选择的所有工质。其中，将常压下沸点低于制冷温度T_L的工质记为低沸点工质，并由所有的低沸点工质构成低沸点工质集合W₁，W₁＝{A₁,A₂,…,A_M}，A₁,A₂,…,A_M为低沸点工质集合W₁中的各类低沸点工质，共计M类低沸点工质；将常压下沸点高于制冷温度T_L的工质记为高沸点工质，并由所有的高沸点工质构成高沸点工质集合W₂，W₂＝{B₁,B₂,…,B_N}，B₁,B₂,…,B_N为高沸点工质集合W₂中的各类高沸点工质，共计N类高沸点工质。对低沸点工质集合W₁和高沸点工质集合W₂中的各工质的排序无严格要求，可以随机排序，或者按照设定的规律(如升序或者降序)排序。

2)通过递归算法遍历低沸点工质集合W₁和高沸点工质集合W₂中的所有工质，得到所有可行的由N₀种不同工质组成的混合制冷剂，共计K种混合制冷剂，

具体步骤如下：

21)设定循环变量并初始化

设每次循环，从低沸点工质集合W₁和高沸点工质集合W₂中分别选取p类低沸点工质和q类高沸点工质，共计N₀种工质，则通过排列组合得到所有可行的混合制冷剂的种类数为K，即循环总数，计算公式如下：

其中，

表示从M类低沸点工质和N类高沸点工质中选择p类低沸点工质和q类高沸点工质即N₀类工质的组合数；

表示从M类低沸点工质中选择p类低沸点工质和q类高沸点工质即N₀类工质的组合数；

表示从N类高沸点工质中选择p类低沸点工质和q类高沸点工质即N₀类工质的组合数；p+q＝N₀,N₀≤M,N₀≤N。

设当前循环次数为k，初始化循环次数k＝1、选择的低沸点工质的种类数p＝1和选择的高沸点工质的种类数q＝N₀-1。

22)第k次循环时，从低沸点工质集合W₁和高沸点工质集合W₂中分别选取p类低沸点工质和q类高沸点工质构成第k类混合制冷剂，记为W^k，

为第k类混合制冷剂W^k中第x类低沸点工质，1≤x≤p；

为第k类混合制冷剂W^k中第y类高沸点工质，1≤y≤q。

23)令p＝p+1，q＝N₀-p，若p≤N₀-1，则返回步骤22)；若p＞N₀-1，则得到共计

种含有p种低沸点单质组分和q种高沸点单质组分的混合制冷剂，进入步骤3)。

3)对步骤2)确定的K种混合制冷剂，设第k种混合制冷剂W^k各组分的质量浓度向量

表示第k种混合制冷剂W^k中第s个工质的质量占第k种混合制冷剂W^k总质量的百分比；采用基于遗传算法的全局优化函数在工况{T_H,T_L,p_H,p_L}下计算每种混合制冷剂的最小等效节流效应的最大值或者制冷系统的制冷系数的最大值，及其对应的混合制冷剂各组分的质量浓度配比。具体步骤如下：

31)将循环次数k重置为1；

32)第k次循环时，对于第k种混合制冷剂W^k，设其组分质量浓度向量为

表示第k种混合制冷剂W^k第s个工质的质量占第k种混合制冷剂W^k总质量的百分比。

通过下式计算[T_L,T_H]温度区间内，且混合制冷剂W^k在浓度

条件下的最小等温节流效应Δh_min(T,c^k)：

其中，

和

分别是制冷系统高压侧工质和低压侧的第k种混合制冷剂中第s种工质的比焓；T为制冷系统内混合制冷剂的温度，T∈[T_L,T_H]。

采用基于遗传算法(Genetic Algorithm，GA)的全局优化函数寻找并记录Δh_min(T,c^k)的最大值及此时的目标组分浓度向量

即全局优化函数的输入为Δh_min(T,c^k)，输出为Δh_min(T,x^k)的最大值以及使得Δh_min(T,c^k)取最大值时对应的组分浓度向量，以此作为目标浓度向量

或者，通过下式计算工况{T_H，T_L，p_H，p_L}，且混合制冷剂W^k在浓度

条件下制冷系统的制冷系数COP(T,c^k)：

其中，h_out(T,c^k)为制冷系统的压缩机出口混合制冷剂W^k比焓，h_in为制冷系统的压缩机进口混合制冷剂W^k比焓；T为制冷系统内混合制冷剂的温度，T∈[T_L，T_H]。

采用基于遗传算法的全局优化函数寻找并记录COP(T，c^k)的最大值及此时的组分浓度向量

即全局优化函数的输入为COP(T，c^k)，输出为COP(T，c^k)的最大值以及使得COP(T，c^k)取最大值时对应的组分浓度向量，以此作为目标浓度向量

33)另k＝k+1，若k≤K，则返回步骤32)，若k＞K，则进入步骤4)。

4)选择步骤3)得到的K种最小等温节流效应的最大值及其对应的目标浓度向量，或者制冷系统的制冷系数的最大值中的最大值及其对应的目标浓度向量，作为最优的混合制冷剂的组分及配比，本发明方法结束。

本发明以最小等温节流效应作为目标函数是由于制冷系统单位质量制冷剂的制冷量

可表达为下式：

其中，h_min为Δh在整个温度区间(制冷温度T_L到环境温度T_H)内的最小值，

为流经该系统的工质的质量流量。该式说明，在给定流量的条件下，

与

只相差一个系数(质量流量

)，因此在优化过程中可以用Δh_min代替

作为目标函数。

而制冷系统的制冷系数COP可表达为下式：

其中，W_id为压缩机绝热压缩的理想耗功，h_out为压缩机出口制冷剂比焓，h_in为压缩机进口制冷剂比焓。

对于纯工质而言，环境温度的等温节流效应(Δh(T_H))为整个温度区间(制冷温度到环境温度)的最小值(Δh_min)，也就是说，纯工质在环境温度的等温节流效应决定了制冷系统单位质量制冷剂的制冷量。对于混合工质而言，其等温节流效应与温度的对应关系相对复杂，不一定在环境温度，需要通过对整个温度区间全局搜索比较确定等温节流效应最小值以及其对应的温度。

以下为本发明实施例：

本发明实施例将目标函数选为最小等温节流效应Δh_min，并选取运行工况为：环境温度T_H＝300K，制冷温度T_L＝130K，压缩机高压端压力p_H＝1000kPa，压缩机低压端压力p_L＝110kPa，可通过上述方法分别得到最优二元混合制冷剂和三元混合制冷剂。

图3展示了本发明实施例优化得到的最优二元混合制冷剂和三元混合制冷剂在不同高压端压力下的制冷性能：

其中各混合物的组分及质量分数配比为：

(1)优化的三元混合制冷剂为：甲烷：乙烷：新戊烷＝0.20:0.23:0.57；

(2)优化的二元混合制冷剂为：甲烷：异丁烷＝0.78:0.22；

(3)对照组选用三元混合制冷剂(Derking JH et al.A mixed-gas miniatureJoule-Thomson cooling system.Cryogenics.2013,57:26-30.)为甲烷：乙烷：异丁烷＝0.17:0.17:0.66；

可以看出，优化的三元混合制冷剂和二元混合制冷剂的制冷性能在较大的压力范围内均优于常用的纯工质R14，而在小压比(p_H<1200kPa)的情况下，优化的三元混合制冷剂的制冷性能要优于对照组中提供的三元混合制冷剂。该结果说明了本方法配制方法的有效性。

综上所述，本发明提出了一种混合制冷剂的配制方法，在给定可选用的工质集合、组成混合物的单质数目、环境温度T_H、制冷温度T_LK，压缩机高、低压端压力p_H、p_L时，可以得到具有最大制冷功率

或最大COP_mix的混合工质组成。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种混合制冷剂的配制方法，所述混合制冷剂工作于节流制冷系统中，所述配制方法包括以下步骤：

1)获取节流制冷系统所处的环境温度T_H，根据节流制冷系统的工作场景设定期望的混合工质的制冷温度T_L、压缩机高压端压力P_H、压缩机低压端压力p_L和可供选择的所有工质；其中，将常压下沸点低于制冷温度T_L的工质记为低沸点工质，并由所有的低沸点工质构成低沸点工质集合W₁，W₁＝{A₁,A₂，…，A_M}，A₁，A₂，…，A_M为低沸点工质集合W₁中的各类低沸点工质，共计M类低沸点工质；将常压下沸点高于制冷温度T_L的工质记为高沸点工质，并由所有的高沸点工质构成高沸点工质集合W₂，W₂＝{B₁，B₂，…，B_N}，B₁,B₂,…,B_N为高沸点工质集合W₂中的各类高沸点工质，共计N类高沸点工质；

2)通过递归算法遍历低沸点工质集合W₁和高沸点工质集合W₂中的所有工质，得到所有可行的由N₀种不同工质组成的混合制冷剂，共计K种混合制冷剂，

3)对步骤2)确定的K种混合制冷剂，设第k种混合制冷剂W^k各组分的质量浓度向量

表示第k种混合制冷剂W^k中第s个工质的质量占第k种混合制冷剂W^k总质量的百分比；采用基于遗传算法的全局优化函数，在工况{T_H,T_L，p_H,p_L}及质量浓度向量

下计算每种混合制冷剂的最小等效节流效应的最大值或者制冷系统的制冷系数的最大值，及对应的混合制冷剂各组分的质量浓度向量，作为第k种混合制冷剂W^k各组分的目标质量浓度向量；

4)选择步骤3)得到的K种最小等温节流效应的最大值及其对应的目标质量浓度向量，或者制冷系统的制冷系数的最大值中的最大值及其对应的目标质量浓度向量，作为最优的混合制冷剂的组分及配比。

2.根据权利要求1所述的配制方法，其特征在于，步骤2)包括以下步骤：

21)设定循环变量并初始化

设每次循环，从低沸点工质集合W₁和高沸点工质集合W₂中分别选取p类低沸点工质和q类高沸点工质，共计N₀种工质，则通过排列组合得到所有可行的混合制冷剂的种类数为K，p+q＝N₀,N₀≤M,N₀≤N；

设当前循环次数为k，初始化循环次数k＝1、选择的低沸点工质的种类数p＝1和选择的高沸点工质的种类数q＝N₀-1；

22)第k次循环时，从低沸点工质集合W₁和高沸点工质集合W₂中分别选取p类低沸点工质和q类高沸点工质构成第k类混合制冷剂，记为W^k，

为第k类混合制冷剂W^k中第x类低沸点工质，1≤x≤p；

为第k类混合制冷剂W^k中第y类高沸点工质，1≤y≤q；

23)令p＝p+1，q＝N₀-p，若p≤N₀-1，则返回步骤22)；若p＞N₀-1，则得到共计

种含有p种低沸点单质组分和q种高沸点单质组分的混合制冷剂，进入步骤3)。

3.根据权利要求2所述的配制方法，其特征在于，步骤3)包括以下步骤：

31)将循环次数k重置为1；

32)第k次循环时，对于第k种混合制冷剂W^k，设其组分质量浓度向量为

通过下式计算[T_L,T_H]温度区间内，且混合制冷剂W^k在浓度

条件下的最小等温节流效应Δh_min(T,c^k)：

其中，

和

分别是制冷系统高压侧工质和低压侧的第k种混合制冷剂中第s种工质的比焓；T为制冷系统内混合制冷剂的温度，T∈[T_L,T_H]；

或者，通过下式计算工况{T_H,T_L,p_H,p_L}，且混合制冷剂W^k在浓度

条件下制冷系统的制冷系数COP(T,c^k)：

其中，h_out(T,c^k)为制冷系统的压缩机出口混合制冷剂W^K比焓，h_in为制冷系统的压缩机进口混合制冷剂W^k比焓；T为制冷系统内混合制冷剂的温度，T∈[T_L,T_H]；

采用基于遗传算法的全局优化函数寻找并记录Δh_min(T,c^k)或者COP(T,c^k)的最大值及此时的目标组分质量浓度向量

33)另k＝k+1，若k≤K，则返回步骤32)，若k＞K，则进入步骤4)。

Images