CN114383228B - 冷却装置系统 - Google Patents

冷却装置系统 Download PDF

Info

Publication number
CN114383228B
CN114383228B CN202111201958.3A CN202111201958A CN114383228B CN 114383228 B CN114383228 B CN 114383228B CN 202111201958 A CN202111201958 A CN 202111201958A CN 114383228 B CN114383228 B CN 114383228B
Authority
CN
China
Prior art keywords
surge
compressor
cooling device
refrigerant
control
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
CN202111201958.3A
Other languages
English (en)
Other versions
CN114383228A (zh
Inventor
金相贤
金暎珍
黄钟喆
高光硕
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.)
LG Electronics Inc
Original Assignee
LG Electronics Inc
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 LG Electronics Inc filed Critical LG Electronics Inc
Publication of CN114383228A publication Critical patent/CN114383228A/zh
Application granted granted Critical
Publication of CN114383228B publication Critical patent/CN114383228B/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
    • 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
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/022—Compressor control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B1/00—Compression machines, plants or systems with non-reversible cycle
    • F25B1/04—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type
    • F25B1/053—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type of turbine type
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B49/00—Arrangement or mounting of control or safety devices
    • F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
    • F25B49/025—Motor control arrangements
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/001—Testing thereof; Determination or simulation of flow characteristics; Stall or surge detection, e.g. condition monitoring
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/02—Surge control
    • F04D27/0207—Surge control by bleeding, bypassing or recycling fluids
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/02—Surge control
    • F04D27/0207—Surge control by bleeding, bypassing or recycling fluids
    • F04D27/0238—Details or means for fluid reinjection
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/02—Surge control
    • F04D27/0253—Surge control by throttling
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F04—POSITIVE - DISPLACEMENT MACHINES FOR LIQUIDS; PUMPS FOR LIQUIDS OR ELASTIC FLUIDS
    • F04D—NON-POSITIVE-DISPLACEMENT PUMPS
    • F04D27/00—Control, e.g. regulation, of pumps, pumping installations or pumping systems specially adapted for elastic fluids
    • F04D27/02—Surge control
    • F04D27/0261—Surge control by varying driving speed
    • 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
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/61—Control or safety arrangements characterised by user interfaces or communication using timers
    • 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
    • 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
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/24—Means for preventing or suppressing noise
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B1/00—Compression machines, plants or systems with non-reversible cycle
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B41/00—Fluid-circulation arrangements
    • F25B41/20—Disposition of valves, e.g. of on-off valves or flow control valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B9/00—Compression machines, plants or systems, in which the refrigerant is air or other gas of low boiling point
    • F25B9/08—Compression machines, plants or systems, in which the refrigerant is air or other gas of low boiling point using ejectors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2260/00—Function
    • F05D2260/60—Fluid transfer
    • F05D2260/601—Fluid transfer using an ejector or a jet pump
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/301—Pressure
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/303—Temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/309—Rate of change of parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F05—INDEXING SCHEMES RELATING TO ENGINES OR PUMPS IN VARIOUS SUBCLASSES OF CLASSES F01-F04
    • F05D—INDEXING SCHEME FOR ASPECTS RELATING TO NON-POSITIVE-DISPLACEMENT MACHINES OR ENGINES, GAS-TURBINES OR JET-PROPULSION PLANTS
    • F05D2270/00—Control
    • F05D2270/30—Control parameters, e.g. input parameters
    • F05D2270/335—Output power or torque
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F13/00—Details common to, or for air-conditioning, air-humidification, ventilation or use of air currents for screening
    • F24F13/24—Means for preventing or suppressing noise
    • F24F2013/247—Active noise-suppression
    • 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
    • F24F2140/20—Heat-exchange fluid temperature
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2400/00—General features or devices for refrigeration machines, plants or systems, combined heating and refrigeration systems or heat-pump systems, i.e. not limited to a particular subgroup of F25B
    • F25B2400/13—Economisers
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2500/00—Problems to be solved
    • F25B2500/12—Sound
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2500/00—Problems to be solved
    • F25B2500/13—Vibrations
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2500/00—Problems to be solved
    • F25B2500/19—Calculation of parameters
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/025—Compressor control by controlling speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/025—Compressor control by controlling speed
    • F25B2600/0251—Compressor control by controlling speed with on-off operation
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/02—Compressor control
    • F25B2600/025—Compressor control by controlling speed
    • F25B2600/0253—Compressor control by controlling speed with variable speed
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/23—Time delays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/25—Control of valves
    • F25B2600/2501—Bypass valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2600/00—Control issues
    • F25B2600/25—Control of valves
    • F25B2600/2513—Expansion valves
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/15—Power, e.g. by voltage or current
    • F25B2700/151—Power, e.g. by voltage or current of the compressor motor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/17—Speeds
    • F25B2700/171—Speeds of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/193—Pressures of the compressor
    • F25B2700/1931—Discharge pressures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/19—Pressures
    • F25B2700/193—Pressures of the compressor
    • F25B2700/1933—Suction pressures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21151—Temperatures of a compressor or the drive means therefor at the suction side of the compressor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
    • F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
    • F25B2700/00—Sensing or detecting of parameters; Sensors therefor
    • F25B2700/21—Temperatures
    • F25B2700/2115—Temperatures of a compressor or the drive means therefor
    • F25B2700/21152—Temperatures of a compressor or the drive means therefor at the discharge side of the compressor
    • 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)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Thermal Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Sustainable Development (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Biomedical Technology (AREA)
  • Health & Medical Sciences (AREA)
  • Control Of Positive-Displacement Air Blowers (AREA)
  • Control Of Positive-Displacement Pumps (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

本发明提供一种冷却装置系统，包括：压缩机，旋转运转以能够压缩制冷剂；冷凝器，用于冷凝所述压缩机中被压缩的制冷剂；膨胀器，用于膨胀被冷凝的所述制冷剂；蒸发器，用于蒸发被膨胀的所述制冷剂；传感器部，包括复数个温度传感器、用于感测所述压缩机的转速的速度传感器以及用于感测所述压缩机的电流的电流传感器；以及控制部，基于所述传感器部检测到的数据的波动率来判别喘振(surge)检测逻辑(logic)进入与否，并执行喘振检测。

Description

冷却装置系统
技术领域
本发明涉及冷却装置系统及其动作方法，更详细地，涉及一种能够防止喘振并稳定动作的冷却装置系统及其动作方法。
背景技术
空调机是将冷热空气吐出到室内以营造舒适的室内环境的装置。这种空调机被配置为通过调节和净化室内温度来为人们提供更舒适的室内环境。
通常，空调机包括：室内机，由热交换器构成，并设置在室内；以及室外机，由压缩机和热交换器等构成，并向室内机供应制冷剂。
另一方面，在空调机中，在比家庭更大的工作场所或建筑物等中使用的冷却装置(chiller)包括：冷却塔，通常设置在室外屋顶上；以及热交换单元，循环制冷剂以使其与从冷却塔送来的冷却水热交换。进一步，热交换单元被配置为包括压缩机、冷凝器以及蒸发器。
如现有技术文献1(韩国授权特许公报第10-1084477号)，冷却装置用于向冷水需求端供应冷水，其特征在于，在制冷系统中循环的制冷剂与在冷水需求端和制冷系统之间循环的冷水进行热交换来冷却冷水，作为大容量设备，冷却装置可以设置在大型建筑物等中。
冷却装置作为大容量设备，其维护成本和维修成本较高。通常，由于与冷却装置的状态无关地按设定的周期对冷却装置进行维护，将可能会产生不必要的维护成本。另外，如果冷却装置发生故障，则不仅维修成本较高，而且可能因无法运行冷却装置而造成额外的损失。
因此，需要提供一种能够有效地监视和管理冷却装置的方案。
另一方面，在冷却装置系统中，存在有在旋转运动的压缩机中发生喘振(Surge)现象的问题。喘振是指，在压缩机的压缩比相较于制冷剂的流量更高时发生，并且因压缩机的旋转体空转而使制冷剂的流动变得不规则的现象。当发生这种喘振现象时，压缩机无法产生比系统的压力阻力更高的压力。由此，当发生喘振现象时，将会反复发生制冷剂的逆流，从而存在有压缩机频繁受损的问题。
因此，需要找到一种能够防止因在冷却装置系统中产生的喘振现象而引起的压缩机受损的方案。
另外，在压缩机中发生喘振之后进行用于消除喘振的控制的情况下，存在有压缩机已被损坏的问题。
发明内容
本发明的目的在于，提供一种能够防止喘振发生和故障的冷却装置系统及其动作方法。
本发明的目的在于，提供一种能够有效预测喘振发生的冷却装置系统及其动作方法。
本发明的目的在于，提供一种能够利用机器学习准确检测喘振发生的冷却装置系统及其动作方法。
本发明的目的在于，提供一种通过更新(update)发生喘振的装置的压缩机特性线图(map)，能够使用按不同装置优化的压缩机特性线图的冷却装置系统及其动作方法。
本发明的目的在于，提供一种能够通过最佳运转控制来提高效率的冷却装置系统及其动作方法。
为了实现上述或其他目的，根据本发明的一个方面的冷却装置系统及其动作方法，通过使用机器学习(machine learning)来预测和检测喘振，从而能够有效地防止喘振发生。
根据本发明的一个方面的冷却装置系统包括：压缩机，旋转运转以能够压缩制冷剂；冷凝器，用于冷凝所述压缩机中被压缩的制冷剂；膨胀器，用于膨胀被冷凝的所述制冷剂；蒸发器，用于蒸发被膨胀的所述制冷剂；传感器部，包括复数个温度传感器、用于感测所述压缩机的转速的速度传感器以及用于感测所述压缩机的电流的电流传感器；以及控制部，基于所述传感器部检测到的数据的波动率来判别喘振(surge)检测逻辑(logic)进入与否，并执行喘振检测。
根据本发明的一个方面的冷却装置系统可以包括：压缩机，旋转运转以能够压缩制冷剂；冷凝器，用于冷凝所述压缩机中被压缩的制冷剂；膨胀器，用于膨胀被冷凝的所述制冷剂；蒸发器，用于蒸发被膨胀的所述制冷剂；传感器部，包括复数个温度传感器、用于感测所述压缩机的转速的速度传感器以及用于感测所述压缩机的电流的电流传感器；以及控制部，基于所述传感器部检测到的数据的波动率来判别喘振(surge)检测逻辑(logic)进入与否，并执行基于机器学习的喘振检测。
另一方面，当所述压缩机的转速、所述压缩机的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别在设定的参考范围以内时，所述控制部可以进入所述喘振检测逻辑。
另一方面，当发生所述喘振时，所述控制部可以执行改变流入所述压缩机的制冷剂的流量或改变所述压缩机的转速的喘振避免逻辑。
另一方面，所述控制部可以利用基于机器学习预先学习的人工智能来预测和检测喘振发生，当预测或检测到喘振发生时，所述控制部执行喘振避免逻辑，所述控制部基于所述压缩机的压力比波动率和电流波动率来确定所述喘振避免逻辑的结束与否。
另一方面，所述控制部可以包括：喘振检测进入条件设定部，选择所述喘振检测逻辑进入条件所需的因素；喘振检测处理部，提取适合于预测和检测喘振的模型的因素，并且包括利用提取的因素进行学习的人工智能；喘振避免控制部，当检测到喘振时，执行喘振避免控制；正常状态进入部，在喘振恢复后判别喘振避免控制结束与否；以及错误消息输出部，控制为输出与喘振发生对应的错误消息。
另一方面，根据本发明的一个方面的冷却装置系统，可以还包括调节流入所述压缩机的制冷剂的流量的入口调节阀，当检测到所述喘振时，在冷水出口目标温度大于当前冷水出口温度的情况下，所述控制部将所述入口调节阀调整为100％，在所述冷水出口目标温度小于当前冷水出口温度的情况下，所述控制部固定所述入口调节阀，并提高所述压缩机的转速。
另一方面，当在预定时间内未能完成喘振避免时，所述控制部可以固定所述入口调节阀并停止所述压缩机。
另外，根据本发明的一个方面的冷却装置系统，还包括将从所述压缩机吐出的高温高压的制冷剂旁通到所述压缩机的吸入侧的热气旁通阀，当检测到所述喘振时，所述控制部可以使所述热气旁通阀动作。
另一方面，根据本发明的一个方面的冷却装置系统，可以还包括将从所述压缩机吐出的制冷剂中的一部分和从所述蒸发器吐出的制冷剂中的一部分混合并吐出的喷射器，所述喷射器包括：第一流入部，从所述压缩机吐出的制冷剂中的一部分流入所述第一流入部；以及第二流入部，从所述蒸发器吐出的制冷剂中的一部分流入所述第二流入部，所述入口调节阀配置在与所述第一流入部连接的配管，调节流入所述第一流入部的制冷剂的流量。
另外，在所述压缩机的压力比波动率和电流波动率在规定范围以内的情况下，所述控制部可以进入使所述压缩机的旋转逐渐增加的柔性启动，在所述压缩机的压力比波动率和电流波动率不在所述规定范围以内的情况下，所述控制部固定所述入口调节阀并停止所述压缩机。
另一方面，当直到规定时间经过为止，所述压缩机的转速、所述压缩机的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别未达到设定的参考范围以内时，所述控制部可以进入所述喘振检测逻辑。
另一方面，根据本发明的一个方面的冷却装置系统，可以还包括用于存储包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图的存储部。
另外，当发生所述喘振时，所述控制部可以在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并执行喘振避免逻辑以使计算出的所述运转点逃离所述喘振区域。
另外，当发生所述喘振时，则所述控制部可以在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并基于计算出的所述运转点来更新所述压缩机特性线图。
另外，所述控制部可以所述压缩机的转速为基准将所述喘振线划分为复数个区间，当发生所述喘振时，所述控制部在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并更新复数个所述区间中包括所述运转点的区间。
另外，所述控制部可以将发生所述喘振的压力比与发生所述喘振的转速区间中设定的校正值相加来计算要更新的压力比。
为了实现上述或其他目的，根据本发明的一个方面的冷却装置系统的动作方法，包括：当压缩机的转速、所述压缩机的电流以及在一个以上的地点感测到的温度数据的波动率在设定的参考范围以内时，判别喘振检测逻辑(logic)进入与否的步骤；当进入喘振检测逻辑时，执行喘振检测的步骤；以及，当检测到喘振时，执行喘振避免动作的步骤。
另一方面，在所述喘振避免动作执行步骤中，在所述压缩机的压力比波动率和电流波动率在规定范围以内的情况下，可以进入使所述压缩机的旋转逐渐增加的柔性启动，在所述压缩机的压力比波动率和电流波动率不在所述规定范围以内的情况下，固定所述入口调节阀并停止所述压缩机。
为了实现上述或其他目的，根据本发明的一个方面的冷却装置系统的动作方法，可以还包括：当检测到所述喘振时，更新包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图的步骤。
另外，所述喘振线可以所述压缩机的转速为基准被划分为复数个区间，在所述压缩机特性线图更新步骤中，在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并更新复数个所述区间中包括所述运转点的区间。
另外，在执行所述喘振检测的步骤中，可以基于机器学习(machine learning)检测喘振。
根据本发明的至少一个实施例，能够防止喘振发生和故障，从而提高产品可靠性。
另外，根据本发明的至少一个实施例，通过有效预测和防止喘振发生，能够提高部件寿命并降低部件更换成本。
另外，根据本发明的至少一个实施例，能够利用机器学习准确检测喘振发生。
另外，根据本发明的至少一个实施例，提供一种通过更新发生喘振的装置的压缩机特性线图，能够使用按不同装置优化的压缩机特性线图的冷却装置系统及其动作方法。
另外，根据本发明的至少一个实施例，能够通过最佳运转控制来提高效率。
另一方面，其他的各种效果将在稍后描述的本发明实施例的详细描述中直接或隐含地进行公开。
附图说明
图1是例示出本发明一实施例的冷却装置网络系统的构成的图。
图2是本发明一实施例的冷却装置系统的构成图。
图3是本发明一实施例的冷却装置系统的构成图。
图4是关于本发明一实施例的冷却装置系统的喘振控制器的说明中所参考的图。
图5是本发明一实施例的服务器的简略的内部框图。
图6是示出本发明一实施例的冷却装置系统的动作方法的流程图。
图7A及图7B是本发明一实施例的设定喘振检测逻辑(logic)进入条件的说明中所参考的图。
图8是示出本发明一实施例的冷却装置系统的动作方法的流程图。
图9A至图9D和图10是本发明一实施例的基于机器学习的喘振检测的说明中所参考的图。
图11是示出本发明一实施例的冷却装置系统的动作方法的流程图。
图12至图14D是关于本发明一实施例的喘振控制的说明中所参考的图。
图15和图16是本发明一实施例的更新压缩机特性线图的说明中所参考的图。
图17是本发明一实施例的冷却装置的概略图。
图18是概略示出图17的喷射器的内部结构的图。
附图标记说明
110：压缩机；120：冷凝器；140：蒸发器；150：控制部；160：传感器部
具体实施方式
以下，将参照附图详细描述本发明的实施例。然而，不言而喻，本发明不限于这些实施例并且可以以各种形式进行修改。
另一方面，以下描述中使用的构成要素的后缀“模块”和“部件”仅仅是为了便于撰写本说明书而给出，其本身并不给出特别重要的含义或作用。因此，所述“模块”和“部”可以互换使用。
另外，在本说明书中，“包含”或“具有”等术语旨在指示说明书中描述的特征、数量、步骤、动作、构成要素、部件或其组合存在，应该理解为，没有预先排除一个或复数个其他特征、数字、步骤、动作、构成要素、部件或其组合的存在或附加可能性。
另外，在本说明书中，为了描述各种要素使用了第一、第二等术语，但这些要素不受这些术语的限制。这些术语仅用于区分一种要素与另一种元素。
图1是例示出本发明一实施例的冷却装置网络系统的构成的图。
参照图1，本发明一实施例的冷却装置网络系统可以包括一个以上的冷却装置(chiller)系统10和服务器30。优选地，本发明一实施例的冷却装置网络系统可以包括复数个冷却装置系统10以及能够管理和控制复数个冷却装置系统10的服务器30。
冷却装置系统10可以包括冷却装置11以及连接到冷却装置11并与服务器30进行通信的通信模块12。根据实施例，通信模块12可以内置于冷却装置11内部。
冷却装置系统10可以通过通信模块12和网络20访问互联网，并且可以与服务器30收发数据。例如，通信模块12可以将通过复数个传感器获取的与冷却装置11相关的感测数据发送到服务器30，并将从服务器30接收的数据传送至冷却装置11。
所述服务器30可以是由冷却装置11的制造商或制造商委托服务的公司运营的服务器，并且可以是一种云(Cloud)服务器。
服务器30可以远程监视(monitoring)复数个冷却装置11的状态，并通过判断是否发生异常来控制动作。
复数个冷却装置系统10和服务器30可以具有支持一个以上的通信标准的通信单元(未图示)以相互通信。另外，复数个冷却装置系统10和服务器30可以与包括PC、移动终端的监视终端40以及外部的其他服务器进行通信。
管理员、客户等用户可以通过PC、移动终端等监视终端40确认关于冷却装置网络系统内的冷却装置11的信息。
服务器30可以实现为云(cloud)服务器30并与冷却装置11联动，以监视和控制冷却装置11并远程提供各种解决方案。
另一方面，服务器30可以配置为信息和功能被分散在复数个服务器，或者可以配置为一个集成服务器。
另一方面，服务器30可以向监视终端40提供关于冷却装置11的控制和当前状态等的信息，并且可以创建和分发用于监视上述冷却装置11的控制和状态的应用程序。
这种应用程序可以是用作监视终端40的PC用应用程序或智能手机用应用程序。
服务器30可以连接到复数个冷却装置系统10以监视和控制其动作。此时，服务器30可以对复数个冷却装置11执行运转设定、锁定设定、调度控制、群组控制和异常检查等。
特别地，服务器30可以通过无线通信从复数个冷却装置系统10接收数据并对其进行分析，以检查各个冷却装置11中是否发生异常。
另一方面，服务器30可以对通信模块12、用户的监视终端40进行认证，并对数据的收发和收发的数据包执行完整性验证。
服务器30可以从通信模块12接收基于所述冷却装置11的运转信息的数据。
通信模块12可以通过有线通信接收所述冷却装置11的运转信息，并通过无线通信将基于所述冷却装置11的运转信息的数据发送到服务器30。
冷却装置11可以包括：空调单元，形成制冷循环；冷却塔，向所述空调单元供应冷却水；以及冷水需求端，与所述空调单元进行热交换的冷水在所述冷水需求端循环。
冷水需求端对应于使用冷水来执行空气调节的装置或空间。例如，冷水需求端可以包括以下至少一个单元：空气处理单元(AHU，Air Handling Unit)，混合室内空气和室外空气，然后将混合空气与冷水进行热交换并使其流入室内；风机盘管单元(FCU，Fan CoilUnit)，设置于室内，将室内空气与冷水进行热交换后吐出到室内；以及地面配管单元，埋设于室内的地面。
空调单元的主要构成可以包括：压缩机，用于压缩制冷剂；冷凝器，在压缩机中被压缩的高温高压的制冷剂流入所述冷凝器；膨胀器，用于对在冷凝器中冷凝的制冷剂进行减压；以及蒸发器，用于使在膨胀器中减压的制冷剂蒸发。
图2是本发明一实施例的冷却装置系统的构成图。
参照图2，冷却装置11的主要构成可以包括压缩机110、冷凝器120、膨胀器130以及蒸发器140。
压缩机110是用于压缩空气或制冷剂气体等气体的设备，形成为压缩制冷剂并将其提供给冷凝器120。压缩机可以包括：叶轮，用于压缩制冷剂；旋转轴，连接于叶轮；以及马达，用于使旋转轴旋转。
冷凝器120形成为将从压缩机110吐出并通过冷凝器120的高温高压的制冷剂与冷却水进行热交换以冷却制冷剂。
膨胀器130形成为将液相制冷剂送至蒸发器140，高压的制冷剂在通过膨胀阀的同时变为低温低压。膨胀器130可以使经过所述冷凝器120的制冷剂膨胀。
蒸发器140形成为在制冷剂蒸发的同时冷却冷水。所述蒸发器140可以与所述需求端连接以循环冷水。
图3是本发明一实施例的冷却装置系统的构成图。图3在图2的示例的基础上进一步示出了压缩机110的内部构成示例以及控制部150等内部块，其主要构成相同。
参照图3，冷却装置11的主要构成可以包括压缩机110、冷凝器120、膨胀器130、蒸发器140以及控制器50。另外，冷却装置11可以包括制冷剂流路A。
压缩机110是用于压缩空气或制冷剂气体等气体的设备，形成为压缩制冷剂并将其提供给冷凝器120。压缩机110可以包括：叶轮111，用于压缩制冷剂；旋转轴113，连接于叶轮111；以及马达112A、112B，用于使旋转轴113旋转。
另外，压缩机110可以包括沿与旋转轴113垂直的方向形成的推力叶片114、沿轴向支撑推力叶片114的推力轴承115、支撑旋转轴113的轴颈轴承116、以及间隙传感器117、118等。
制冷剂流路A由在压缩机110中被压缩的制冷剂从压缩机110流至冷凝器120的流路、在冷凝器120中冷凝的制冷剂从冷凝器120流至膨胀器130的流路、在膨胀器130中膨胀的制冷剂从膨胀器130流至蒸发器140的流路、以及在蒸发器140中蒸发的制冷剂从蒸发器140流至压缩机110的流路构成。
压缩机110的间隙传感器17、18是用于检测旋转轴113和推力叶片114的位置的传感器。根据间隙传感器17、18测量的位置信息，控制器50可以控制推力轴承115和轴颈轴承116的电流以控制旋转轴113的位置。
为了控制旋转轴113的位置，推力轴承115通常可以设置有一个以上，轴颈轴承116通常可以设置有两个以上。
冷却装置11还可以包括控制部150。控制部150可以控制压缩机110、冷凝器120、膨胀器130以及蒸发器140等冷却装置11的整体动作。
冷却装置11还可以包括通信部180。通信部180可以具有一个以上的通信模块以通过有线或无线的方式与其他设备进行收发。例如，通信部180可以具有图1中例示的通信模块12。或者，通信部180可以具有与通信模块12不同方式的有线和/或无线通信模块以与外部设备进行通信。
控制部150可以通过通信部180将冷却装置11的状态信息传输到服务器30等其他设备。另外，控制部150可以基于从服务器30等其他设备接收的控制信号、各种数据来控制冷却装置11。
另一方面，控制部150可以控制压缩机110、冷凝器120和蒸发器140的制冷剂状态的转换。
另外，控制部150可以控制流入压缩机110的制冷剂的流量以防止喘振发生并避免喘振。另外，控制部150可以控制压缩机110的转速以防止喘振发生并避免喘振。
另一方面，冷却装置11可以包括传感器部160，所述传感器部160包括复数个传感器。传感器部160可以包括复数个温度传感器、感测所述压缩机的转速的速度传感器以及感测所述压缩机的电流的电流传感器。
传感器部160可以包括用于感测制冷剂的温度、压力的复数个传感器。例如，可以在空调单元的主要构成的输入侧和输出侧配置复数个传感器以感测温度、压力等。根据实施例，传感器部160还可以包括其他种类的传感器。例如，冷却装置11可以具有振动传感器、湿度传感器等。
传感器部160可以包括复数个传感器，并且可以将传感器的感测数据发送到控制部150。例如，所述传感器部160可以包括感测制冷剂的温度和压力的复数个传感器、感测所述压缩机110的转速的速度传感器以及感测所述压缩机110的电流的电流传感器。
根据实施例，可以在配置有冷却装置11和/或冷却装置11的空间中配置物联网传感器以感测与冷却装置11的状态相关的数据。另外，物联网传感器可以将感测到的数据发送到冷却装置11和/或通信模块12。例如，物联网传感器可以感测配置有冷却装置11的空间的温度、湿度并将其发送到冷却装置11和/或通信模块12。
冷却装置11可以包括存储冷却装置11的动作、控制所需的数据的存储部170。存储部170存储由传感器部160测量的数据以及与冷却装置的动作、控制对应的数据。例如，存储部170可以存储包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图(Compressor Map)。
另外，存储部170可以存储与喘振发生相关的喘振区域的设定数据以及用于入口调节装置和热气旁通阀(Hot Gas Bypass，HGBP)等的开闭控制的参考数据等，其中，入口调节装置用于调节流入压缩机110的制冷剂的流量，热气旁通阀用于将从压缩机110吐出的高温高压的制冷剂旁通到所述压缩机110的吸入侧。例如，所述入口调节装置可以是根据制冷剂的量调节开度的阀、叶片(Inlet Guide Vane，IGV)等。根据实施例，入口调节阀可以是吐出气体再循环装置(Discharge Gas Recirculation，DGR)。吐出气体再循环装置(DGR)可以将从压缩机110吐出的高压气体再次供应到压缩机110的吸入侧。关于吐出气体再循环装置(DGR)和DGR的效率提高将在后面参照图17和图18进行描述。
在冷却装置11中发生的故障中，压缩机110的损坏引起的故障是冷却装置11的产品性能方面的重要问题，为了稳定运转，需要预防压缩机110的故障并执行最佳运转。
由于冷却装置11是以建筑物为单位进行控制而不是单个控制，因此对建筑物内的负荷变化较敏感，并且当发生突然的负荷变化时，压缩机110可能被损坏并导致故障。特别地，当冷却装置11发生异常动作时，可能发生内部的制冷剂逆流到压缩机110的喘振。
控制部150可以基于存储部170的喘振区域的设定数据来控制入口调节阀或叶片(IGV)的开度或者控制热气旁通阀(HGBP)的开度。另外，控制部150可以基于存储部170的喘振区域的设定数据来控制压缩机110的动作与否、转速。由此，控制部150可以控制压缩机110的压力比以防止喘振发生或避免喘振。
在使用高电压/电流的冷却装置系统中持续发生喘振(异常)现象会损坏部件并使系统处于无法驱动的状态。
冷却装置的喘振现象发生在所有负荷区域，但是在低负荷区域的喘振检测和避免控制非常困难。在冷却装置的制冷量相较于实际需要的制冷能力更大的情况下，频繁会发生低负荷喘振。因此，预测/检测低负荷区域的喘振较为重要。
根据本发明的一实施例，控制部150基于所述传感器部160检测到的数据的波动率来判别喘振(surge)检测逻辑(logic)进入与否。由此，通过在冷却装置11稳定的状态下执行喘振检测，能够更准确地检测喘振。
例如，如果压缩机110的转速、所述压缩机110的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别在设定的参考范围以内，则控制部150可以控制以进入所述喘振检测逻辑。
所述压缩机110的转速、所述压缩机110的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率可以基于冷却装置11正常运转时的数据来设定。
另一方面，如果直到规定时间经过为止，所述压缩机110的转速、所述压缩机110的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别未达到设定的参考范围以内，则所述控制部150可以控制以进入所述喘振控制逻辑。在稳定状态下检测喘振状态可以提高准确度，但是如果因未达到稳定状态而持续不检测喘振发生，则可能会降低产品的稳定性。因此，如果在经过足以使产品稳定的时间的情况下仍未达到稳定状态，则可以执行对喘振等的监视以检测异常状态。
在现有技术中，将特定因素(例如，感测到的电流或振动数据)与预设的阈值(Threshold Value)进行比较，以判别冷却装置11的动作状态，并判断喘振发生与否。根据本发明的一实施例，可以通过监视复数个因素的感测数据的变化而不是简单地使用阈值来更准确地判别系统的稳定与否和/或喘振发生与否。由此，准确地判别冷却装置11是否处于稳定状态，通过考虑冷却装置11的状态而执行喘振检测，能够更准确地检测喘振。
本发明一实施例的冷却装置系统10执行逐渐增加压缩机110转数的柔性启动控制，然后在进入正常运转区域时运行喘振检测。由于在同时满足冷却装置的电气/循环稳定性的情况下执行喘振检测，因此可以判断产品的稳定与否。但是，即使未达到稳定状态，在经过预定时间后也会进入喘振检测模式，从而能够执行异常状态和喘振的检测。
另外，根据本发明的一实施例，控制部150可以执行基于机器学习(machinelearning)的喘振检测。本发明一实施例的冷却装置系统10可以提供基于学习的人工智能的实时喘振检测以及根据运转条件的喘振避免控制。
例如，根据本发明的一实施例，可以通过支持向量机学习(Support VectorMachine，SVM)来实现用于喘振检测的最佳模型，并通过支持向量机学习学习的人工智能(Artificial Intelligence，AI)来预测或检测喘振发生。
另外，根据本发明的一实施例，控制部150可以使用检测到喘振时的运转信息来实现最佳的喘振避免控制。
根据本发明的一实施例，可以从制冷空调系统实时接收对喘振检测进入条件有效的因素(物理、电气要素)，以确认稳定状态的进入与否。
考虑物理/电气要素的特征，可以提取发生喘振时带来影响的辅助因素。此时，可以对所选择的辅助因素列表适用主成分分析(Principle Component Analysis：PCA)、最小冗余最大相关(Minimum Redundancy Maximum Relevance：mRMR)、包装方法(WrapperMethods)和F1分数(F1 Score)中的一个以上的因素选择算法，以选择对喘振发生影响较大的辅助因素。
在分析所选择的物理/电气辅助因素要素的影响之后，可以提取一部分因素作为最终因素。例如，在减小压缩机的转速的同时分析物理/电气特性，直到发生喘振，在减小入口调节装置的开度量的同时分析物理/电气特性，直到发生喘振，在增加冷却水入口温度的同时分析物理/电气特性，直到发生喘振，从而可以提取最终因素。
如上所述，服务器30或冷却装置系统10可以根据所选择的最终因素的波动率来评估产品的稳定性，并进入喘振检测控制。
在冷却装置11中，由于水温的变化与压力的变化直接相关，因此温度条件对评估产品的稳定性较为重要，例如，产品的稳定性需要满足自设定的冷水出口目标温度的变化在±0.3[deg]以内的第一条件以及自用户设定的冷却水入口温度的变化在±0.3[deg]以内的第二条件。另外，由于是进入正常状态的条件，因此IGV等入口调节装置、压缩机转速(VFD)需要满足相对于整个区域的波动率在2[％]以内的范围以内的第三条件。
如果满足第一至第三条件，则控制部150可以看作产品已稳定并进入正常状态，并执行喘振检测动作。
如果受外部环境的影响或制冷量不足，则即使在启动后也可能无法进入正常状态。在这种情况下，如果经过规定时间，则控制部150可以自动执行喘振检测动作。
根据本发明的一实施例，所述控制部150可以通过预先学习的人工智能来预测和检测喘振发生。
喘振检测逻辑通过使用机器学习来自动进行标记，从而有助于快速准确地构建用于监督学习模型的数据，并且通过学习数据的准确标记也有助于提高最终推定模型的准确度。
分析根据冷却装置有无喘振发生的物理/电气信号，以选择可以对冷却装置有无喘振进行分类的因素，并利用该因素的数据进行学习，从而可以实现喘振检测预测系统。
服务器30或冷却装置系统10可以通过实施最小-最大归一化(Min-maxnormalization)来预处理数据，以能够用作与各个产品兼容的数据。此时，在超出数据范围的情况下，服务器30或冷却装置系统10可以将自动接收的数据的范围调整为现有学习数据的上限/下限范围内。另外，服务器30或冷却装置系统10可以通过精细调整深度学习的超参数来确保最佳推定性能，并且利用优化的模型和预处理的数据作为学习数据。例如，可以使用SVM(Support Vector Machine)并使用实时的冷却装置运转数据来检测喘振发生与否。
另一方面，如果发生所述喘振，则所述控制部150可以执行改变流入所述压缩机110的制冷剂的流量或所述压缩机110的转速的喘振避免逻辑。在一些情况下，所述控制部150可以执行改变流入所述压缩机110的制冷剂的流量和所述压缩机110的转速的喘振避免逻辑。
本发明一实施例的冷却装置系统10还可以包括入口调节装置，用于调节流入压缩机的制冷剂的流量。所述入口调节装置可以是根据制冷剂的量调节开度的入口调节阀(未图示)或入口调节叶片(IGV，未图示)。
本发明一实施例的冷却装置系统10还可以包括热气旁通阀(HGBP，未图示)，用于将从压缩机110吐出的高温高压的制冷剂旁通到所述压缩机110的吸入侧。例如，热气旁通阀可以配置在将压缩机110的吐出配管和吸入配管连接的配管上。热气旁通阀将从压缩机110吐出并经由油回收器的制冷剂旁通到压缩机110的吸入侧。此时，压缩机110还可以连接有储液罐，热气旁通阀可以连接于储液罐的吸入侧。
当发生喘振时，所述控制部150可以比较运转条件，然后打开入口调节阀、IGV等入口调节装置或热气旁通(HGBP)的开度，从而控制冷却装置11进入稳定的运转区域。
根据本发明的一实施例，当发生喘振时，所述控制部150可以在所述压缩机110的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并执行喘振避免逻辑以使计算出的所述运转点逃离所述喘振区域。
根据本发明的一实施例，喘振避免逻辑可以出水温度偏差为基准来设计。例如，在偏差(冷水出口目标温度-当前冷水出口温度)大于0的情况下，可以将入口调节阀调整为100％以增加流量。另外，在偏差小于0的情况下，可以将入口调节阀固定之后提高压缩机的转速(VFD)以调整压缩比。另外，如果在预定时间内未能完成喘振避免，则可以在将入口调节阀固定的状态下停止压缩机110。
当检测到所述喘振时，在冷水出口目标温度大于当前冷水出口温度的情况下，所述控制部150可以将所述入口调节阀等入口调节装置的开度调整为100％，从而增加流量以避免喘振。
当检测到所述喘振时，在所述冷水出口目标温度小于当前冷水出口温度的情况下，所述控制部150可以将所述入口调节阀等入口调节装置固定，并提高所述压缩机110的转速，从而调整压缩比以避免喘振。
如果冷水出口目标温度与当前冷水出口温度相同，则所述控制部150可以保持当前状态，并且当发生温度差时，执行相应的控制。
另一方面，当检测到所述喘振时，所述控制部150可以使所述热气旁通阀(HGBP)动作，以避免喘振。如果热气旁通阀被打开，则从压缩机110吐出的一部分高温高压的气体制冷剂被一部分旁通到压缩机110的吸入侧，因此从压缩机110吐出的气体制冷剂的压力减小，吸入压缩机110的制冷剂的压力升高。当压缩机110在低负荷下以高压力比工作时，压缩机110中会发生喘振(surge)。如果在压缩机110的压力比升高时打开热气旁通阀，则吐出压力减小而吸入压力增加，从而使得压力比减小，进而能够防止喘振。
另一方面，如果在预定时间内未能完成喘振避免，则所述控制部150可以固定入口调节阀等入口调节装置的状态并停止所述压缩机110。如果在预定时间内执行了喘振避免，但是喘振避免失败，则可以停止所述压缩机110以防止进一步损坏。
所述控制部150可以控制显示器等输出部(未图示)以输出与喘振对应的错误状态。
根据本发明的一实施例，作为喘振避免控制的结束条件，可以使用在执行喘振避免控制的区间内的压力比波动率和电流波动率。例如，可以设定在执行喘振避免控制的区间内的压力比波动率和电流波动率在2[％]以内作为喘振避免控制的结束条件。
在执行喘振避免控制后，在所述压缩机110的压力比波动率和电流波动率在规定范围以内的情况下，所述控制部150可以控制以进入逐渐增加所述压缩机110的旋转的柔性启动。在执行喘振避免控制后，如果所述压缩机110的压力比波动率和电流波动率在对应于安全区域的范围以内，则所述控制部150可以结束喘振避免控制，并按柔性启动、正常运转的顺序进行。例如，在压力比波动率和电流波动率满足2[％]以内的情况下，可以进入缓慢驱动至目标温度的柔性启动，然后转换为正常运转(再次执行喘振检测)。
在执行喘振避免控制后，在所述压缩机110的压力比波动率和电流波动率不在所述规定范围以内的情况下，所述控制部150可以固定所述入口调节阀等入口调节装置的状态并停止所述压缩机110。如果在预定时间内执行了喘振避免控制，但是所述压缩机110的压力比波动率和电流波动率仍不在所述规定范围以内(例如，压力比波动率和电流波动率不在2[％]以内)，则可以判别为喘振避免失败。在这种情况下，可以防止进一步损坏并停止所述压缩机110。
本发明一实施例的冷却装置系统10能够实时检测和避免喘振。因此，通过实时检测喘振并在检测到喘振时执行避免动作，与在产品发生损坏或异常之后维护产品的情况相比，能够减少产品的损坏和维护成本。
另一方面，如果预测或检测到喘振发生，则所述控制部150可以执行喘振避免逻辑，并基于所述压缩机110的压力比波动率和电流波动率来确定所述喘振避免逻辑的结束与否。即，不仅是喘振检测逻辑的进入，喘振避免逻辑的结束与否也可以根据压缩机110的压力比波动率和电流波动率来判断，从而能够在系统足够稳定之后结束喘振避免控制。
在现有技术中，大多使用在电流参考值以上时简单地判断为喘振的方法。然而，根据本发明的一实施例，可以根据同时满足压力比波动率和电流波动率来判断循环安全性，并且通过在移动到足够安全的运转区域之后结束喘振避免控制，能够在喘振区域和正常区域之间的边界处运转，从而防止喘振反复发生。
另外，根据本发明的一实施例，不需要铜传感器、噪声测量传感器、图像传感器等额外的传感器来判断压缩机110的故障，并且具有能够在压缩机发生故障之前的时间点提前预测的优点。
另一方面，根据本发明的一实施例，如果发生所述喘振，则所述控制部150可以在所述压缩机110的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并基于计算出的所述运转点来更新存储在存储部170中的压缩机特性线图。
根据实施例，压缩机特性线图可以被设定为将整个区间划分为N个部分来能够部分地更新。
所述控制部150可以所述压缩机110的转速为基准将所述压缩机特性线图的喘振线划分为复数个区间。在这种情况下，如果发生所述喘振，则所述控制部150可以在所述压缩机110的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并更新复数个所述区间中包括所述运转点的区间。
另一方面，所述控制部150可以通过将发生所述喘振的压力比与发生所述喘振的转速区间中设定的校正值相加来计算要更新的压力比。
根据本发明的一实施例，提供一种可以使用冷却装置系统10中检测到/发生喘振的时间点的运转信息来进行更新的压缩机特性线图，通过使用被更新为此后在以相似的运转条件驱动冷却装置时不会发生喘振的压缩机特性线图，能够控制(防止)喘振。
如果通过应用支持向量机学习等机器学习技术的喘振检测逻辑检测到喘振发生，则可以在用户设定的压缩机特性线图信息中更新喘振发生信息。
对于冷却装置而言，即使其为同一种产品，其压缩机的运转特性也会根据安装环境、场所和条件而不同。然而，根据本发明的一实施例，由于压缩机特性线图是根据相应产品中发生的喘振事件更新，因此可以生成和更新符合个别条件的压缩机特性线图。由此，在此后相同的运转条件下，能够在进入喘振之前提前执行防止控制，并且也有助于降低维护成本和提高可靠性。
控制部150可以在更新的压缩机特性线图中设定与实际喘振线存在裕度的较低的喘振防止线。
如果在当前喘振防止线和实际喘振线之间并且偏差(冷水出口目标温度-当前冷水出口温度)大于0，则控制部150可以将压缩机转速(VFD)固定至与当前压力比对应的安全频率并执行入口调节装置的控制。
如果在当前喘振防止线和实际喘振线之间并且偏差小于0，则所述控制部150可以将压缩机转速(VFD)提高至与当前压力比对应的安全频率并固定入口调节装置。
另一方面，在存在于喘振防止线以下的情况下，由于是稳定的正常区域，因此所述控制部150可以保持压缩机转速与当前相同。
根据实施例，冷却装置11可以包括后面参照图4进行描述的喘振控制器400。即，通过具有用于喘振检测和喘振相关控制的喘振控制器400，能够更有效地应对喘振。
另一方面，喘振控制器400可以被实现为控制部150的部分块，或者可以被实现为独立于控制部150的块。
根据实施例，冷却装置11可以与包括喘振控制器400的服务器30通信并执行喘振防止运转、喘振避免运转。
图4是关于本发明一实施例的冷却装置系统的喘振控制器的说明中所参考的图。
参照图4，喘振控制器400可以包括：喘振检测进入条件设定部410，选择所述喘振检测逻辑进入条件所需的因素；喘振检测处理部420，提取适合于预测和检测喘振的模型的因素，并且包括利用提取的因素进行学习的人工智能；以及喘振避免控制部430，当检测到喘振时，执行喘振避免控制。
喘振检测进入条件设定部410可以使用冷却装置运转信息来分析数据，并选择喘振检测进入条件所需的因素。
喘振检测处理部420可以提取适合喘振预测/检测模型的因素，并使用学习数据和调整后的超参数来实现喘振预测/检测模型以确保最佳推定性能。例如，喘振检测处理部420可以包括通过SVM等机器学习技术学习的人工智能，此后，可以使用接收到的冷却装置运转数据来执行喘振检测。
在检测到喘振之后，喘振避免控制部430可以控制调整流量和压缩机的喘振避免动作。当检测到喘振时，喘振避免控制部430可以执行根据运转条件的喘振避免控制，如果在喘振避免控制下仍未能避免喘振，则可以强制结束压缩机110。
根据实施例，喘振控制器400还可以包括正常状态进入部440，用于在喘振恢复后判别喘振避免控制结束与否。正常状态进入部440可以基于压力比、电流等的波动率来判别喘振避免控制的结束与否。
根据实施例，喘振控制器400还可以包括喘振防止控制部(未图示)。喘振防止控制部(未图示)用于防止再次进入喘振区间，可以在压缩机特性线图中相对于实际喘振线向右下侧隔开而设定喘振防止线。在这种情况下，正常状态进入部440可以基于喘振防止线来判别正在运转的喘振防止控制的结束与否。
另一方面，喘振控制器400还可以包括消息输出部450，用于控制以输出与喘振相关的各种消息。消息输出部450可以输出关于与喘振发生、喘振检测和喘振避免相关的详细事项的消息。例如，消息输出部450可以控制显示器输出包括与喘振发生对应的错误代码的消息。
根据实施例，喘振控制器400还可以包括压缩机特性线图更新部460，用于更新存储部170中存储的压缩机特性线图。压缩机特性线图更新部460可以利用喘振预测/检测数据来执行压缩机特性线图的更新。在一些情况下，压缩机特性线图更新部460可以将冷却装置11的实际运转区域和喘振防止控制的运转区域分开存储，以能够进行喘振防止控制。
图5是本发明一实施例的服务器的简化的内部框图。
参照图5，服务器30可以包括处理器210、通信部220以及存储器230。
处理器210可以控制服务器30的整体动作。
根据实施例，所述处理器210可以搭载有通过机器学习(machine learning)预先学习的人工神经网络(Artificial Neural Networks：ANN)，以执行冷却装置11的异常诊断等。例如，所述处理器210可以包括通过深度学习(Deep Learning)学习的卷积神经网络(Convolutional Neural Network：CNN)、循环神经网络(Recurrent Neural Network：RNN)、深度信念网络(Deep Belief Network：DBN)等深度神经网络(Deep Neural Network：DNN)。
另一方面，服务器30可以是由冷却装置11制造商运营的服务器或由服务提供商运营的服务器，并且可以是一种云(Cloud)服务器。
通信部220可以从冷却装置11、通信模块12、网关以及其他电子设备等接收状态信息、动作信息、操作信息等各种数据。
此外，通信部220可以将与接收到的各种信息对应的数据发送到冷却装置11、通信模块12、网关和其他电子设备等。
为此，通信部220可以具有互联网模块、移动通信模块等一个以上的通信模块。
存储器230可以存储接收到的信息，并且可以具有用于生成与其对应的结果信息的数据。
另外，存储器230可以存储用于机器学习的数据、结果数据等。
存储器230可以存储服务器30的动作所需的数据。
例如，存储器230可以存储用于在服务器30中执行的学习算法。
在处理器210中，作为机器学习(Machine Learning)的一种的深度学习(DeepLearning)技术可以基于数据通过多个阶段下到深层次来执行学习。
深度学习(Deep learning)可以表示顺序地通过隐藏层并从复数个数据中提取核心数据的机器学习(Machine Learning)算法的集合。
深度学习结构可以由CNN、RNN和DBN等深度神经网络(DNN)构成。
深度神经网络(DNN)可以包括输入层(Input Layer)、隐藏层(Hidden Layer)和输出层(Output Layer)。
另一方面，具有多个隐藏层(hidden layer)可以称为DNN(Deep NeuralNetwork)。
各个层包括复数个节点，并且各个层与下一层相关联。节点可以通过权重(weight)彼此连接。
属于第一隐藏层(Hidden Layer 1)的任意节点的输出成为属于第二隐藏层(Hidden Layer 2)的至少一个节点的输入。此时，各个节点的输入可以是将权重(weight)应用于前一层节点的输出的值。权重(weight)可以表示节点之间的连接强度。深度学习过程也可以看作是寻找合适的权重(weight)的过程。
另一方面，人工神经网络的学习可以通过调整节点之间的连接线的权重(weight)(必要时也调整偏置(bias)值)来实现，以便针对给定的输入产生期望的输出。另外，人工神经网络可以通过学习不断更新权重(weight)值。
服务器30可以对从通信模块12接收的数据进行排列和创建数据库(database，DB)的处理，以便用户可以访问。
如果通信模块12将与连接的冷却装置11相关的各种数据存储在内部存储器并将其传输到基站，则传输的数据由服务器30进行信号处理。
服务器30可以按日期和时间对包括所述冷却装置11的控制信息以及Id、Time、Site和Date信息等的数据进行分类，并按日期整合分类的数据。另外，整合的数据可以被创建为数据库。
服务器30可以对数据执行完整性验证(冷却装置11的运转周期)，当存储的数据没有异常时，可以执行压缩和/或创建数据库(database)的过程。
服务器30可以将接收到的数据按装置和日期分类并将其存储在数据库中。
服务器30将所述冷却装置11的状态信息、与控制对应的动作信息等传输到监视终端40。另外，在检测到所述冷却装置11的异常状态的情况下，服务器30可以向所述监视终端40发送通知消息。
所述监视终端40可以是智能手机(smart phone)、个人数字助理(PersonalDigital Assistants：PDA)等移动终端，并且可以是笔记本电脑(laptop computer)、PC等可以访问网络的终端设备。
所述监视终端40可以向所述服务器30请求规定服务，并且常时基于从服务器30接收的数据来提供包括所述冷却装置11的状态信息的用户界面。
所述监视终端40可以提供服务器30数据库的数据的可视化，以便用户可以使用。
用户可以通过所述监视终端40实时确认冷却装置11的相关数据。
图6是示出本发明一实施例的冷却装置系统的动作方法的流程图。
参照图6，如果压缩机110的转速、所述压缩机110的电流以及在一个以上的点感测的温度数据的波动率在设定的参考范围以内，则控制部150可以判别喘振检测逻辑(logic)的进入与否(步骤S610)。例如，如果压缩机110的转速、所述压缩机110的电流和冷水出口温度的变化分别小于设定的基准，则可以进入喘振检测逻辑。
另外，如果进入喘振检测逻辑，则控制部150可以执行基于机器学习(machinelearning)的喘振检测(步骤S620)。
图7A及图7B是关于本发明一实施例的设定喘振检测逻辑(logic)进入条件以及学习喘振检测的说明中所参考的图，例示了用于学习的因素的选择。
准确且一致的数据标记是基于深度学习的模型的推定性能中绝对重要的要素，但是由人类执行该作业伴随着各种各样的困难。特别是为了解决来自大数据的海量作业量以及需要对数据一致分类的作业本身的困难，可以使用无监督学习算法来使数据标记过程自动化。
由此，有利于快速准确地构建用于喘振预测模型的数据，并且通过学习数据的准确标记，还有助于提高最终推定模型的准确度。数据自动分类部使用的无监督学习算法可以使用k均值聚类(k-means clustering)、自组织映射(Self-Organizing Map)、模糊C均值(Fuzzy C-means)以及层次聚类分析(Hierarchical Cluster Analysis)算法中的一个以上的算法将冷却装置运转数据自动分类为喘振发生和正常。
在机器学习模型的推定性能中，与数据标记同样重要的是影响推定结果的致命因素的选择。根据本发明的一实施例，在整个因素列表中应用预定义的物理/电气因素过滤器来一次地进行了分类，并且将选择的辅助因素列表应用于主成分分析(PrincipleComponent Analysis：PCA)、最小冗余最大相关(Minimum Redundancy MaximumRelevance：mRMR)、包装方法(Wrapper Methods)、卡方检验(Chi-Squared Test)以及F1分数(F1 Score)中的一个以上的因素选择算法中，从而自动选择对喘振预测影响最大的致命因素。
图7A及图7B是使用F1-Score进行因素选择的示例。F1分数是精确率和召回率的调和平均(Harmonic Mean)，图7A例示了总共10个因素的F1分数的测量结果。以F1分数为基准，可以如图7B所示对因素进行排序。如果仅选择两个致命因素，则可以选择电流和冷水入口温度。作为参考，图7A和图7B仅仅是示例，可能与实际使用的因素不同。
另一方面，由于冷却装置运转数据的单位和范围按不同因素而不同，因此需要进行将其归一化到预定范围内的作业。在没有对具有彼此不同的范围的因素进行上述归一化处理的情况下，成本函数会因彼此不同的尺度而失真，从而在一些情况下可能会导致机器学习模型无法高效学习，例如，学习速度慢，陷入局部最佳状态(local minima)等。
通常用于归一化的最小-最大归一化(Min-max Normalization)公式1如下。
【公式1】
Xnorm：归一化的输入数据，Xmax：输入数据的最大值
Xmin：输入数据的最小值，(a,b)：归一化范围(例如，0～1)
在输入数据偏离现有学习数据的最小值和最大值的情况下，由于在应用最小-最大归一化时可能会超出归一化范围，因此将输入数据自动调整为现有学习数据的最小值/最大值，遵循以下公式2。
【公式2】
If X＞Xmax，Xnorm＝b
If X＜Xmin，Xnorm＝a
在数据预处理时，可以使用缺失值删除过滤器和稳定状态检测过滤器。在数据中存在缺失值的情况下，缺失值删除过滤器执行删除相应数据向量使其无法用于学习模型的功能。在输入数据是k维向量而新数据向量是m维向量(m<k)的情况下，新数据将被删除。
【公式3】
稳定状态数据过滤器包括指数加权移动平均过滤器(EWMA filter)、采用确认是否达到目标致动器值的方式中的一个以上的方式以判断运转数据的稳定状态的方式，以便仅接收制冷循环处于稳定状态的运转数据。在指数移动平均过滤器公式中，在特定周期(T)内过滤器错误小于或等于预定过滤器错误值的情况下，判断为稳定状态，表示过滤器错误和(第t个)过滤器的公式4如下。
【公式4】
在是否达到目标致动器值的判断中，在特定周期(T)内致动器值以预定值接近控制目标值的情况下，可以判断为处于稳定状态。
为了推导超参数的最佳值，使用通过测试各种组合来寻找模型性能最好的组合的方法，并且使用网格搜索(Grid Search)算法或随机搜索(Random Search)算法来比较各种组合。在验证各个超参数组合时，使用交叉验证数据来进行验证，主要使用k-折交叉验证(k-fold cross validation)方式。在k-折交叉验证中，将交叉验证数据集划分为k个小单位(subset)，然后使用k-1个数据作为学习数据，剩下的一个数据集用于验证对应的超参数组合。最终推导总共k个模型推定性能，通过对应的k个模型结果的平均值来评估特定超参数组合。使用的数据划分为高负荷区域(25～100[％])和低负荷区域(25[％]以内)，从而分别对高负荷模型和低负荷模型单独进行超参数优化。
例如，网格搜索(Grid Search)算法程序如下进行。
1.定义用于寻找最佳超参数值的搜索范围
-示例：C＝[0.001，0.01，0.1，1.0，10.0，100.0]
2.按与考虑对象超参数的数量对应的次数反复2.1-2.4的步骤：
2.1采用作为考虑对象的常数C进行学习数据的学习
2.2使用交叉验证数据集计算相应模型的准确度
2.3在第一次反复的情况下，将最大准确度值设定为任意小的数，例如1e-5
2.4在2.2中求得的准确度高于现有最大准确度的情况下，将最大值更改为2.2中求得的准确度值，并将最佳C值更新为相应的C值
3.在2中进行与所有情况的数目对应的比较之后，选择提供最大准确度的最佳的C值
另一方面，在现有的冷却装置的喘振控制算法中，存在有低负荷区域的喘振检测率大于高负荷区域的喘振检测率的问题。在本说明书中，为了改善低负荷区域的喘振检测，提出了一种利用支持向量机学习等机器学习的冷却装置的喘振控制算法。所提出的方法适用于现有的冷却装置，此外，不会因购买和安装传感器而产生额外费用。
另一方面，为了执行喘振控制算法，可以先执行初始循环稳定状态的判断。
图8是示出本发明一实施例的冷却装置系统的动作方法的流程图，详细示出了涡轮冷却装置中的喘振检测进入条件的判断过程S610。
参照图8，涡轮冷却装置可以根据初始设定开始运转(步骤S810)。
此后，控制部150可以转速波动率、电流波动率以及温度稳定度为基准来判断稳定与否。
控制部150可以监视数据的波动率直到经过参考时间为止(步骤S820)。例如，在经过20分钟之前，控制部150可以判断是否满足喘振检测进入条件。
控制部150可以判别冷水出口温度稳定与否(步骤S830)。例如，如果冷水出口温度稳定度在0.3[度]以内，则可以判别为冷水出口温度处于稳定状态。
控制部150可以判别冷却水入口温度稳定与否(步骤S840)。例如，如果冷却水入口温度稳定度在0.3[度]以内，则可以判别为冷却水入口温度处于稳定状态。
控制部150可以判别转速稳定与否(步骤S850)。例如，如果压缩机转速变化率在2[％]以内，则可以判别为转速处于稳定状态。
控制部150可以判别电流稳定与否(步骤S860)。例如，如果压缩机电流变化率在2[％]以内，则可以判别为电流处于稳定状态。
为了判断循环稳定状态，在一个周期(例如，40秒)内，控制部150确认冷水出口温度和冷却水入口温度的变化是否不偏离平均值±0.3[度]以上(步骤S830、步骤S840)并且转速和电流波动率是否稳定在平均值±2[％]以内(步骤S850、步骤S860)。
另一方面，喘振检测进入条件是“与(AND)”条件，与顺序无关。因此，本发明不限于图8中例示的进入条件判断顺序。
如上所述，如果满足所有喘振检测进入条件(步骤S830至步骤S860)，则控制部可以进入喘振控制逻辑(步骤S870、步骤S620)。
另一方面，在一般情况下，涡轮冷却装置在达到冷水出口目标温度之后执行正常运转，但是也经常存在客户在未达到冷水出口目标温度的状态下强制运转的情况。在这种情况下，由于未达到冷水出口目标温度，因此会发生无法进入喘振控制逻辑的情况。为了防止产品损坏或烧损，即使不满足喘振控制逻辑进入条件，在经过预定时间(例如，20分钟)之后(步骤S820)，也可以强制进入喘振控制逻辑(步骤S870、步骤S620)。
本发明一实施例的冷却装置系统10在喘振控制逻辑中可以执行基于机器学习(machine learning)的喘振检测(步骤S870、步骤S620)。
图9A至图9D和图10是本发明一实施例的基于机器学习的喘振检测的说明中所参考的图。
本发明一实施例的喘振控制器400可以学习喘振预测模型。喘振预测模型的学习是指，在优化模型时以使用确定的超参数值设计的模型作为学习数据来学习。例如，在学习SVM模型时，在喘振预测模型学习中，朝着使裕度最大化的同时使分类失败错误最小化的方向进行学习。
喘振控制器400可以数据预处理过程中处理的数据作为学习数据进行学习。在基于过去的数据更新学习数据的情况下，将确保的新数据反映在学习数据集(set)中，在更新的模型性能优于现有学习模型的情况下，进行新模型更新，否则保持现有模型。
在SVM模型中使用多项式核函数(Polynomial Kernel)的情况下，最终决策边界(Decision Boundary)具有以下公式。
【公式5】
k(x，x′)＝(xTx′+1)d
这里，x是输入数据，d表示多项式次数(degree)。如果d为1，则为线性核函数(Linear Kernel)。基本上，SVM是二元分类器，但是根据本发明的一实施例，可以使用多类别分类(Multiclass Classification)模型。如果要应用SVM模型，则使用一对多(onevs.all)方法进行学习。在One vs.all方法中，如果类别的总数如图9A至9D所示为C个，则通过对第一个选择的类别和剩余的C-1个类别进行二值化来进行学习以做出决策边界，并且总共重复C次以生成C个决策边界。图9A至9D示出了生成决策边界的例子。在验证模型时，对C个决策边界中的每一个均使用测试数据集进行验证，选择C次测试值中具有最大的决策边界值的类别作为预测的类别。
图10示出了比较通过SVM的喘振检测逻辑模型和使用现有的电流参考值的喘振检测方式的测试结果。如图10所示对定速涡轮冷却装置和逆变涡轮冷却装置的正常/喘振数据进行分类后应用支持向量机学习如公式6。
【公式6】
ysur＝c1ΔI+c2ΔPr+c3
这里，c1、c2、c3是喘振检测模型的变量，分别为1.0、0.5、-8.0，ΔI和Pr为在一个周期内的电流波动率和压力比波动率。喘振检测模型的变量是发生经典喘振(Classicsurge)异常时的模型，当变更为发生轻度喘振(Mild surge)异常时，c1、c2、c3即喘振检测模型的变量分别为1.0、0.5、-5.2。在喘振判断条件中，在ysur大于0时判断为喘振，在小于或等于0时判断为正常响应。
参照图10，可以确认出使用现有的电流参考值的喘振检测方式未检测到但通过本发明一实施例的喘振检测模型检测到的改善区域。
本发明一实施例的冷却装置系统10和/或服务器30在学习建模过程中基于接收到的数据来预测和分析冷却装置11的状态。
冷却装置系统10和/或服务器30可以掌握冷却装置11的状态并根据设计的控制建模的控制程序来控制冷却装置11。
如果数据预处理过程结束，则冷却装置系统10和/或服务器30可以执行用于冷却装置11的状态判断和控制的机器学习模型运算。
优选利用服务器30的资源可能有利于将需要高性能运算的机器学习模型应用于现有的冷却装置。
如果冷却装置11具有运算性能强的硬件资源，则可以使用控制器内部的资源以嵌入形式来实现从数据接收到预处理、机器学习模型运算以及预测结果推导的全部过程。
冷却装置系统10和/或服务器30可以根据机器学习模型来学习和处理运转信息。另外，冷却装置系统10可以执行基于机器学习模型的判断/预测的控制运转。
另一方面，如果检测到喘振(步骤S630)，则冷却装置系统10执行喘振避免动作(步骤S650)。例如，喘振避免动作可以通过增加流量、减少水头、调节压缩机转数、调节入口调节装置和热气旁通(HGBP)等实现。
另一方面，如果判断为通过喘振避免动作冷却装置11已经进入安全的运转区域，则控制部150可以结束喘振避免动作(步骤S660)。
在一些情况下，控制部150可以控制以在执行规定时间的柔性启动之后进入正常运转，而不是在喘振避免(步骤S650、步骤S660)之后立即进入正常运转。在压缩机110的压力比波动率和电流波动率在规定范围以内的情况下，控制部150可以控制以进入逐渐增加所述压缩机110的旋转的柔性启动。
在所述压缩机110的压力比波动率和电流波动率不在所述规定范围以内的情况下，控制部150可以固定入口调节阀等入口调节装置并停止所述压缩机110。
根据本发明的一实施例，为了生成最适合产品的压缩机特性线图并进行管理，可以基于发生喘振时的数据来更新压缩机特性线图(步骤S640)。
如果检测到所述喘振(步骤S630)，则控制部150可以控制以更新包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图(步骤S640)。
此后，控制部150可以使用更新的压缩机特性线图来控制冷却装置11的运转。例如，控制部150可以基于运转线来控制冷却装置11，所述运转线是通过将根据实际产品中发生的喘振事件而改变的喘振线和/或相应产品的实际喘振线与偏移(offset)相加而设定的。由此，本发明一实施例的冷却装置系统10可以进行根据相应产品和设置环境而优化的运转。
在发生喘振之后，本发明一实施例的冷却装置系统10可以在相同运转条件下进行没有喘振发生的运转。由于不需要或减少了由服务工程师进行检查，因此具有减少服务成本和时间的效果，并且具有提高客户信赖度、消除因产品不运转而造成的停机时间、节省因压缩机烧损导致的部件更换成本以及在旺季到来之前分散服务投诉等效果。
在图6的流程图中，压缩机特性线图的更新(步骤S640)被示为喘振避免(步骤S650)的前一步骤，但是本发明不限于此。压缩机特性线图的更新(步骤S640)也可以与喘振避免(步骤S650)并行执行或者在喘振避免(步骤S650)完毕或者在其动作期间执行。
另一方面，所述喘振线可以所述压缩机110的转速为基准被划分为复数个区间。控制部150可以在所述压缩机110的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并更新复数个所述区间中包括所述运转点的区间。由此，可以通过按区间更新压缩机特性线图来更精细地更新压缩机特性线图。
图11是示出本发明一实施例的冷却装置系统的动作方法的流程图，详细示出了冷却装置执行从喘振检测(控制)逻辑(步骤S620)到喘振避免动作(步骤S660)的过程的一个例子。
图12至图14是关于本发明一实施例的喘振控制的说明中所参考的图。
参照图11，如果满足喘振控制逻辑的进入条件，则本发明一实施例的冷却装置系统10可以进入喘振控制逻辑(步骤S1110)。例如，喘振控制逻辑的进入条件可以是冷却水入口温度稳定度：0.3[度]、转速变化率：2[％]、入口调节装置(IGV、DGR、HGBP)变化率：2[％]。
本发明一实施例的冷却装置系统10执行喘振检测(步骤S1120)。本发明一实施例的冷却装置系统10可以执行基于机器学习的喘振检测(步骤S1120)。
喘振现象是指，由于冷却装置11的压缩机110和冷凝器120中的不稳定的流动而导致制冷剂从冷凝器120向压缩机110反向流动，会发生流量波动、电流波动以及冷凝器(蒸发器)的温度变化。
如果在一个周期(例如，40秒)内满足冷却水入口温度的变化为±0.3[度]以内、转速和入口调节装置(IGV、DGR、HGBP)的变化为2[％]以内的喘振控制逻辑的进入条件(步骤S1110)，则冷却装置系统10通过支持向量机学习进行喘振检测(步骤S1120)。
根据实施例，如果检测到喘振(步骤S1120)，则确认在喘振检测时间(例如，四个周期)内是否持续发生喘振检测事件(步骤S1130)，从而当经过设定的时间时自动执行喘振避免控制逻辑(步骤S1150)。
喘振(Surge)出现在压缩比相对于流量高的情况，是指由于在压缩机110的旋转体中发生空转而使流动变得不规则的不稳定状态。这种不稳定的状态会限制冷却装置11的压缩机110的运转和控制，并且存在由于发生喘振而损坏压缩机110等部件的风险。
就定速涡轮冷却装置而言，可以在压缩机转速固定的状态下根据入口调节装置的变化而示出涡轮冷却装置的性能曲线，在偏离运转区域的情况下会发生喘振，因而需要与负荷或运转条件无关地强制移动至运转区域内。如果在高负荷区域发生喘振，则关闭入口调节装置的开度，并且通过抑制冷却水出口温度升高来减小压力差，从而执行喘振避免控制。相反，如果在低负荷区域发生喘振，则打开入口调节装置的开度，将运转点强制移动至运转区域内。在低负荷区域，可能会发生由于压缩机电流升高而无法将开度打开至安全的运转区域的情况。在最坏的情况下，放弃冷却装置的冷水出口目标温度，或者为了保护产品而强制跳闸(Trip)。相对于低负荷区域，在高负荷区域能够相对容易地通过检测喘振来避免喘振，但是在低负荷运转中，由于压缩机电流和入口调节装置之间的相关性而难以进行喘振控制。
喘振控制旨在在不影响冷却装置的压缩机的运转的状态下进行，并且通过增加通过的流动量、减少水头、调节压缩机转数、调节入口调节装置和热气旁通(HGBP)等实现。
涡轮冷却装置的部分负荷是指，当作为空气调节和制冷的对象的空间或建筑物的制冷需求减少时，制冷机通过降低自身的能力来进行应对时的循环。在容积式压缩机的负荷减少的情况下，压缩机的入口/出口压力会减小，在确定与减小的压力对应的制冷剂循环量后，执行制冷量减少的部分负荷运转。然而，在通过旋转进行压缩的诸如涡轮冷却装置的产品中，与容积式压缩机相比，其压缩比相对较小。在低负荷运转中，由于使用入口调节装置来调节制冷剂流量，因此可以部分地减小压缩比，并且在无法通过入口调节装置来减小压缩比的情况下，则应用热气旁通。由于热气旁通用于使已经被压缩的制冷剂再次返回到循环而不用于制冷，因此涡轮冷却装置的压缩机功耗没有变化，仅制冷能力降低，从而不仅性能系数(Coefficient of Performance)严重变差，而且如果持续运转，则可能对涡轮冷却装置造成负担。因此，优选在通过其他入口调节装置等的避免动作难以避免喘振的情况下补充地应用热气旁通的动作。
图12是例示出涡轮冷却装置的喘振避免控制动作的图，其在压缩机转速(VFD)和压力比(Pr.)上示出了喘振线1210和运转点1230等。
参照图12，就冷却装置系统10而言，在产品上市时已存储有喘振线1210。喘振线1210的左侧可以表示发生喘振现象的喘振区域，喘振线1210的右侧可以表示未发生喘振的正常区域。
另一方面，根据产品和安装环境，设定的喘振线1210和实际喘振线1230之间可能存在差异。参照图12的(a)，运转点1230虽然在喘振线1210的右侧，但是由于存在于实际喘振线1230的左侧，因此实际上可能发生喘振。在这种情况下，可能检测到喘振(步骤S1120)，并且喘振避免控制逻辑可以进行工作(步骤S1150)。
例如，如果在运转过程中检测到喘振(步骤S1120)，则如图12的(b)所示，可以将DGR阀等入口调节装置开到100[％]的开度，从而使运转点移动到喘振线以下。
另一方面，如果未检测到喘振(步骤S1120)，则压缩机110和入口调节装置被设定为常规的常时控制状态(步骤S1190)，并进行正常运转(步骤S1195)。例如，压缩机转速(VFD)和DGR阀可以被控制为，基于压缩机特性线图的特性线图喘振线(运转线)来使运转点不存在于喘振区域。
图13示出了涡轮冷却装置的性能曲线。制造商通过实验将根据压缩机转速的压缩比、效率、流量、喘振发生点、最大压力比图示化而提供。涡轮冷却装置的压力和流量用来表示压缩机的性能，设计点A是叶轮设计的参考点，表示以入口调节装置被开到最大为基准的流量与压力之比。B是由于涡轮冷却装置的压力阻力增加而导致压缩机的压缩比高于设计点A且流量减少的状态。喘振点(Surge point)C是系统压力阻力持续增加并达到压缩机性能曲线与喘振线的交点的地点，会出现压缩机发生逆流的喘振现象。D为喘振区间，E是由于系统压力阻力减小而导致压缩机的压缩比低于设计点且流量增加的状态。
喘振按C→D→E→C→…的过程进行，随着喘振不断反复，波动幅度增大。按不同区间观察时，C→D是随着压力阻力增大而发生逆流导致流量减少的过程，最终到达流量为0的D点。在D→E中，随着压缩机产生的压力变得大于当前压力，流量变为正向(逆流→顺流)并移动到点E。此时，具有压力变化恒定且仅仅是产生的流量增加的特征。在E→C中，由于压缩机的压力过大，因此沿涡轮冷却装置的性能曲线移动到C点。如果将上述过程定义为一次喘振(一个周期)，当发生五次以上的喘振时，由于压力波动幅度变大，因此叶轮损坏的可能性增高。由于喘振，在涡轮冷却装置中会出现制冷剂逆流、发生异常振动和噪声、叶轮或齿轮损坏、电流波动等异常现象。喘振是涡轮冷却装置中压缩机和冷凝器中的不稳定现象，随着冷凝器的压力变得大于压缩机叶轮的末端，会从冷凝器向压缩机反向流动。
为了解决喘振，需要增加流量或减小压缩比，以在压缩机性能曲线上进入喘振线内。当发生喘振时，需要形成卸荷(Unloading)状态，此时，通过打开热气旁通来增加吸入流量。通常，适当调节入口调节装置的速度以防止压缩机在运转期间产生喘振，而且设定入口调节装置为最小开度以防止压缩机驱动时的喘振。
参照图13，就压缩机110而言，在水头(head)保持恒定的状态下，在流量较少的区域处于难以运转的状态。根据图13中的喘振线，在流量较少的区域运转的情况下，出现喘振现象的可能性增加。
参照图12的(b)，与现有的运转点1230相比，运转点1231的压力比减小，从而可以避免喘振(步骤S1160)。
另一方面，如果喘振避免完成(步骤S1160)，则通过调整DGR阀等入口调节装置的开度来返回正常运转(步骤S1170)。在喘振避免完成(步骤S1160)之后，喘振控制可以通过柔性启动初始化为正常运转(步骤S1170)。喘振避免完成与否可以通过压力比、电流波动率在规定参考值以内与否来判别。
另一方面，如果喘振避免在预定时间以内未完成(步骤S1160)，则可以停止压缩机110动作(步骤S1180)。此时，可以在保持入口调节装置的开度状态的状态下停止压缩机110动作(步骤S1180)。
根据本发明的一实施例，可以使用压缩机转速变化率、发生喘振的点的压力比来更新压缩机特性线图(步骤S1140)。
参照图12的(a)和(b)，可以反映发生喘振的运转点1230而更新喘振线1210。更新的喘振线1211可以相较于现有的喘振线1210更接近实际喘振线1230。
使用第一喘振检测区间的压缩机转速和压力比信息来更新压缩机特性线图(步骤S1140)。压缩机特性线图的更新使用第一喘振检测区间的压缩机转速(VFD)和压力比。
在复数个周期内检测喘振发生的情况下，压缩机特性线图的更新使用发生喘振的初始数据，当压缩机转速增加时，压力比也可能增加。
另一方面，为了进行压缩机特性线图的更新，可以将压缩机的最小转速和最大转速的区间划分为用户设定的N个区域。在发生喘振的地点在Vi-1和Vi之间的情况下，用于计算压缩机特性线图中要更新的压力比的压缩机特性线图的更新公式如下。
【公式7】
这里，vi-1和vi是压缩机转速，Pv-1和Pvi表示对应于压缩机转速区间vi-1和vi的压力比。vest和Pvest表示在冷却装置的运转过程中第一次发生喘振的点的转速和压力比。斜率参数α可以设定为0<α≤1，当保守地观察涡轮冷却装置的运转区域时，可以较小地设定α。
在喘振避免完成(步骤S1160)之后，喘振控制可以通过柔性启动初始化为正常运转(步骤S1170)。参照图12的(c)，在喘振避免完成(步骤S1160)之后，随着关闭DGR阀并执行正常运转(步骤S1170)，压力比可能再次升高(1232)。在这种情况下，可以控制以随着压力比再次升高而运转点1232不超过更新的喘振线1211。例如，参照图12的(d)，可以通过调节压缩机运转频率来改变转速以防止运转点1233进入喘振区域。
图14A至图14D示出了本发明一实施例的涡轮冷却装置的喘振检测和喘振避免控制动作时的波形。
图14A示出了喘振检测计时器和喘振避免计时器，计时器以如下方式动作：如果在规定周期内检测到喘振，则累积计数并升高，如果未检测到喘振，则初始化并变为0，从而显示出先是从0升高后再次初始化为0的三角波形状。
图14B例示了本实施例中使用的温度信息中的冷水出口温度。
图14C示出了DGR阀的状态，图14D示出了压缩机转速的状态。
图14的数据采样周期为每5[秒]接收一次，并且在约第200数据位置处，涡轮冷却装置开始启动。可以确认到启动后涡轮冷却装置的DGR阀的开度为100[％]，并且随着迈入柔性启动，DGR阀的开度被锁定。在约第250位置处，冷却水入口温度的变化满足0.3[度]以内，冷水出口目标温度与冷水出口实际温度之差满足0.3[度]以内，并且压缩机转速和电流波动率满足2[％]以内，从而执行喘振检测动作。第300～450的区间是在喘振检测动作过程中，在DGR阀的开度变化的情况下确认喘振控制逻辑的动作与否的区间。可以确认出在DGR阀动作的期间未执行喘振检测逻辑，并且在DGR阀的开度关闭后通过柔性启动转换到了正常运转。
在升高冷却水入口温度以产生喘振的过程中，从第580数据开始进行喘振检测。如果在四个周期(160[秒])内连续检测到喘振，则进行喘振避免动作。在喘振避免动作中，在将可变调节装置的开度保持在100[％]的状态下，确认产品在喘振避免计时器的180[秒]内是否稳定。
在图14A至图14D中，从约第610位置开始执行了喘振避免动作，如果在喘振避免动作区间内电流波动率和压力比波动率均稳定在2[％]以内，则通过柔性启动返回正常运转，但是如果电流波动率或压力比波动率中任何一个条件不满足，则在将可变调节装置100[％]打开的状态下停止涡轮冷却装置。
在应用涡轮冷却装置的压缩机特性线图的更新之前，初始喘振线1210被设定为与涡轮冷却装置的所有产品相同。然而，根据本发明的一实施例，应用通过对在产品的安装现场中实际发生的喘振进行自学习而获取的喘振线更新。涡轮冷却装置在运转期间通过喘振检测进行自学习，并根据实际喘振线进行更新。
由于涡轮冷却装置的喘振线根据产品的制冷能力而不同，因此不能容易地为每个产品定义喘振线。制造商在调节各个冷却装置模型的压缩机转速或入口调节装置时需要花费大量的时间和成本来寻找喘振线。
图15和图16是本发明一实施例的更新压缩机特性线图的说明中所参考的图。
图15顺序地示出了本发明一实施例的通过自学习的压缩机特性线图的喘振线更新过程。
参照图15，在第一次运转时，设定上侧的喘振线。下侧的线是实际喘振线，在使压缩机特性线图的喘振线高于实际喘振线的状态下，在涡轮冷却装置的初期运转过程中通过喘振发生对压缩机特性线图进行更新。
通过参照图12进行描述的过程，执行一次更新。在现有的喘振控制算法中，在预设的喘振线上发生喘振的情况下，通过调整整个喘振线来实现防止喘振，但是在本发明中提出的压缩机特性线图的更新中，由于将转速区间划分为N个区域，因此可以部分地而不是整体地调整喘振线。
此后，随着喘振发生，反映发生的喘振事件而更新压缩机特性线图。图15顺序地例示出一次、四次以及N次更新过程。
另一方面，如果因长时间使用而执行了充分的更新，则如最右侧的曲线图所示，压缩机特性线图中设定的喘振线将与实际喘振线一致。
参照图16，在所有冷却装置产品中设定相同的初始喘振线1610值。根据本发明的一实施例，随着喘振事件的发生，压缩机特性线图被更新，并且喘振线1610逐渐接近实际喘振线1620。控制部150可以基于更新的喘振线1620来控制冷却装置11。
根据实施例，可以设定喘振防止控制线1630作为用于防止喘振的运转线。喘振防止控制线是由控制器设定的假想的喘振线，被设定为低于实际喘振线，以始终在安全区域运转。喘振防止线也可以命名为特性线图喘振线(Map Surge Line)或运转线。压缩机特性线图的喘振防止线是反映喘振裕度而设定的假想的线，以使冷却装置可以不产生喘振并且在正常运转区间动作。例如，喘振裕度可以是指在当前转速下喘振防止线的压力比与实际压力比之差。
控制部150可以基于喘振防止控制线1630来控制冷却装置11。在喘振裕度小于0且偏差(冷水出口目标温度-冷水出口当前温度)大于0的情况下，控制部150可以与DGR阀的开度无关地将压缩机转速提高到与当前运转点的压力比对应的安全频率。
相反，在偏差小于0的情况下，当与当前运转点的压力比对应的安全频率和压缩机转速相同时，控制部150可以在固定压缩机转速后增加DGR阀的开度。在喘振裕度大于0的情况下，可以执行调整压缩机转速的控制。
图17是本发明一实施例的冷却装置的示意图，图18是示意性地示出图17的喷射器的内部结构的图。
参照图17，冷却装置系统10可以包括压缩机110、冷凝器120、膨胀器130、蒸发器140和/或喷射器1700。
压缩机110可以将制冷剂压缩成高温、高压的气体制冷剂并吐出。此时，从压缩机110吐出的高温、高压的气体制冷剂中的至少一部分可以被传送到冷凝器120，而高温、高压的气体制冷剂中没有被传送到冷凝器120的剩余部分可以被传送到喷射器1700。
冷凝器120可以使从压缩机110吐出的高温、高压的气体制冷剂与冷却水进行热交换，并且可以将通过热交换而冷凝的制冷剂吐出到膨胀器130。
膨胀器130可以使在冷凝器120中冷凝的制冷剂膨胀，并且可以将低温的液体制冷剂传送到蒸发器140。
蒸发器140可以使从膨胀器130传送的低温的液体制冷剂与冷水进行热交换，并且可以通过热交换吐出低压的气体制冷剂。此时，从蒸发器140吐出的低压的气体制冷剂中的至少一部分可以被传送到压缩机110，而没有被传送到压缩机110的剩余部分可以被传送到喷射器1700。
喷射器1700可以具有第一流入部1710、第二流入部1720以及吐出部1730。
本发明一实施例的冷却装置系统10还可以包括入口调节阀1800，所述入口调节阀1800配置在与喷射器1700的第一流入部1710连接的配管，以调节流入第一流入部1710的制冷剂的流量。入口调节阀1800可以是DGR阀。根据入口调节阀1800的开度，可以确定供应到喷射器1700的高温、高压的气体制冷剂的流量。
喷射器1700可以吐出从压缩机110吐出的高温、高压的气体制冷剂和从蒸发器140吐出的低压的气体制冷剂混合后的混合制冷剂。关于喷射器1700，将参照图18进行说明。
参照图18，从压缩机110吐出的高温、高压的气体制冷剂可以通过第一流入部1710流入喷射器1700并快速通过管嘴部1741。此时，通过第一流入部1710流入的制冷剂在通过管嘴部1741的期间流速可以增加且压力可以降低。另一方面，由于制冷剂在通过管嘴部1741的期间降低的压力，从蒸发器140吐出的低压的气体制冷剂中的一部分可以借助压力差流入第二流入部1720。
通过管嘴部1741喷出的制冷剂和通过第二流入部1720流入的低压的气体制冷剂可以在混合部1742混合，并且通过管嘴部1741喷出的制冷剂和通过第二流入部1720流入的制冷剂混合后的混合制冷剂在通过扩散器部1743的同时流速降低且压力升高，从而可以通过吐出部1730从喷射器1700吐出。
从喷射器1700吐出的混合制冷剂可以被传送到压缩机110。例如，从喷射器1700吐出的混合制冷剂可以被供应到形成压缩机110的制冷剂吸入口的壳体1600。
另一方面，本发明一实施例的冷却装置系统10还可以包括入口调节阀1800，所述入口调节阀1800配置在与喷射器1700的第一流入部1710连接的配管，以调节流入第一流入部1710的制冷剂的流量。入口调节阀1800可以是电子膨胀阀(Electronic ExpansionValve：EEV)。
本发明一实施例的冷却装置系统10可以包括喷射器1700，用于将从所述压缩机110吐出的制冷剂中的一部分和从所述蒸发器120吐出的制冷剂中的一部分混合并吐出。所述喷射器1700可以包括：第一流入部1710，从所述压缩机110吐出的制冷剂中的一部分流入所述第一流入部1710；以及第二流入部1720，从所述蒸发器120吐出的制冷剂中的一部分流入所述第二流入部1720。此时，入口调节阀1800可以配置在与所述第一流入部1710连接的配管，以调节流入所述第一流入部1710的制冷剂的流量。
在冷却装置系统10具有喷射器1700的情况下，由于在系统循环后从蒸发器140吐出的低压的制冷剂与高压的制冷剂一起流入，因此在制冷系统中循环的制冷剂的流量相对增多，因此能够提高冷却装置系统10的制冷系统的效率。
本发明的冷却装置系统及其动作方法不限于如上所述的实施例的构成和方法，而是可以通过选择性地组合各个实施例的全部或部分来构成上述实施例，从而可以进行各种修改。
另外，尽管以上已经图示和描述了本发明的优选实施例，但是，本发明不限于上述特定的实施例，在不脱离权利要求所要求的本发明的要旨的范围内，本发明所属领域的普通技术人员在可以做出各种修改，并且这些修改不应从本发明的技术思想或前景来单独理解。

Claims (14)

1.一种冷却装置系统，其中，包括：
压缩机，旋转运转以能够压缩制冷剂；
冷凝器，用于冷凝所述压缩机中被压缩的制冷剂；
膨胀器，用于膨胀被冷凝的所述制冷剂；
蒸发器，用于蒸发被膨胀的所述制冷剂；
传感器部，包括复数个温度传感器、用于感测所述压缩机的转速的速度传感器以及用于感测所述压缩机的电流的电流传感器；以及
控制部，基于所述传感器部检测到的数据的波动率来判别喘振检测逻辑进入与否，并执行喘振检测，
还包括调节流入所述压缩机的制冷剂的流量的入口调节阀，
当检测到所述喘振时，在冷水出口目标温度大于当前冷水出口温度的情况下，所述控制部将所述入口调节阀调整为100％，在所述冷水出口目标温度小于当前冷水出口温度的情况下，所述控制部固定所述入口调节阀，并提高所述压缩机的转速。
2.根据权利要求1所述的冷却装置系统，其特征在于，
当所述压缩机的转速、所述压缩机的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别在设定的参考范围以内时，所述控制部进入所述喘振检测逻辑。
3.根据权利要求1所述的冷却装置系统，其特征在于，
当发生所述喘振时，所述控制部执行改变流入所述压缩机的制冷剂的流量或改变所述压缩机的转速的喘振避免逻辑。
4.根据权利要求1所述的冷却装置系统，其特征在于，
所述控制部利用基于机器学习预先学习的人工智能来预测和检测喘振发生，
当预测或检测到喘振发生时，所述控制部执行喘振避免逻辑，
所述控制部基于所述压缩机的压力比波动率和电流波动率来确定所述喘振避免逻辑的结束与否。
5.根据权利要求1所述的冷却装置系统，其特征在于，
所述控制部包括：
喘振检测进入条件设定部，选择所述喘振检测逻辑进入条件所需的因素；
喘振检测处理部，提取适合于预测和检测喘振的模型的因素，并且包括利用提取的因素进行学习的人工智能；
喘振避免控制部，当检测到喘振时，执行喘振避免控制；
正常状态进入部，在喘振恢复后判别喘振避免控制结束与否；以及
错误消息输出部，控制为输出与喘振发生对应的错误消息。
6.根据权利要求1所述的冷却装置系统，其特征在于，
当在预定时间内未能完成喘振避免时，所述控制部固定所述入口调节阀并停止所述压缩机。
7.根据权利要求6所述的冷却装置系统，其特征在于，
还包括将从所述压缩机吐出的高温高压的制冷剂旁通到所述压缩机的吸入侧的热气旁通阀，
当检测到所述喘振时，所述控制部使所述热气旁通阀动作。
8.根据权利要求1所述的冷却装置系统，其特征在于，
还包括将从所述压缩机吐出的制冷剂中的一部分和从所述蒸发器吐出的制冷剂中的一部分混合并吐出的喷射器，
所述喷射器包括：
第一流入部，从所述压缩机吐出的制冷剂中的一部分流入所述第一流入部；以及
第二流入部，从所述蒸发器吐出的制冷剂中的一部分流入所述第二流入部，
所述入口调节阀配置在与所述第一流入部连接的配管，调节流入所述第一流入部的制冷剂的流量。
9.根据权利要求1所述的冷却装置系统，其特征在于，
在所述压缩机的压力比波动率和电流波动率在规定范围以内的情况下，所述控制部进入使所述压缩机的旋转逐渐增加的柔性启动，
在所述压缩机的压力比波动率和电流波动率不在所述规定范围以内的情况下，所述控制部固定所述入口调节阀并停止所述压缩机。
10.根据权利要求1所述的冷却装置系统，其特征在于，
当直到规定时间经过为止，所述压缩机的转速、所述压缩机的电流以及复数个所述温度传感器感测到的一个以上的温度值的波动率分别未达到设定的参考范围以内时，所述控制部进入所述喘振检测逻辑。
11.根据权利要求1所述的冷却装置系统，其特征在于，
还包括存储包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图的存储部，
当发生所述喘振时，所述控制部在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并执行喘振避免逻辑以使计算出的所述运转点逃离所述喘振区域。
12.根据权利要求1所述的冷却装置系统，其特征在于，
还包括存储包括用于区分发生喘振的喘振区域和正常区域的喘振线的压缩机特性线图的存储部，
当发生所述喘振时，所述控制部在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并基于计算出的所述运转点来更新所述压缩机特性线图。
13.根据权利要求12所述的冷却装置系统，其特征在于，
所述控制部以所述压缩机的转速为基准将所述喘振线划分为复数个区间，
当发生所述喘振时，所述控制部在所述压缩机的转速和压力比的二维坐标系中计算与发生的喘振对应的运转点，并更新复数个所述区间中包括所述运转点的区间。
14.根据权利要求13所述的冷却装置系统，其特征在于，
所述控制部将发生所述喘振的压力比与发生所述喘振的转速区间中设定的校正值相加来计算要更新的压力比。
CN202111201958.3A 2020-10-16 2021-10-15 冷却装置系统 Active CN114383228B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0134402 2020-10-16
KR1020200134402A KR20220050573A (ko) 2020-10-16 2020-10-16 칠러 시스템 및 그 동작 방법

Publications (2)

Publication Number Publication Date
CN114383228A CN114383228A (zh) 2022-04-22
CN114383228B true CN114383228B (zh) 2023-08-01

Family

ID=78179282

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111201958.3A Active CN114383228B (zh) 2020-10-16 2021-10-15 冷却装置系统

Country Status (5)

Country Link
US (1) US20220120486A1 (zh)
EP (1) EP3985332B1 (zh)
JP (1) JP2022066176A (zh)
KR (1) KR20220050573A (zh)
CN (1) CN114383228B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115493318A (zh) * 2021-06-17 2022-12-20 开利公司 离心压缩机的控制方法及空气调节系统
CN114870422B (zh) * 2022-05-12 2024-03-01 梅胜 一种基于气压机组的分馏塔顶压力控制方法和装置
CN115013342A (zh) * 2022-05-26 2022-09-06 中航光电科技股份有限公司 一种冗余设计的风扇转速控制系统及方法

Family Cites Families (25)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4581900A (en) * 1984-12-24 1986-04-15 Borg-Warner Corporation Method and apparatus for detecting surge in centrifugal compressors driven by electric motors
JP2619360B2 (ja) * 1986-02-21 1997-06-11 株式会社日立製作所 ターボ圧縮機のサージング防止装置
US4686834A (en) * 1986-06-09 1987-08-18 American Standard Inc. Centrifugal compressor controller for minimizing power consumption while avoiding surge
JPH07117075B2 (ja) * 1989-12-25 1995-12-18 ダイキン工業株式会社 ターボ圧縮機におけるサージング検出装置
US5203179A (en) * 1992-03-04 1993-04-20 Ecoair Corporation Control system for an air conditioning/refrigeration system
US5537830A (en) * 1994-11-28 1996-07-23 American Standard Inc. Control method and appartus for a centrifugal chiller using a variable speed impeller motor drive
KR20000015873A (ko) * 1996-05-22 2000-03-15 로날드 지. 헬러 원심 압축기에서의 서지 발생 검출방법
US5873257A (en) * 1996-08-01 1999-02-23 Smart Power Systems, Inc. System and method of preventing a surge condition in a vane-type compressor
JP3487546B2 (ja) * 1999-05-17 2004-01-19 株式会社トヨタタービンアンドシステム ガスタービンエンジン駆動ターボ冷却装置
JP4191560B2 (ja) * 2003-08-18 2008-12-03 三菱重工業株式会社 ターボ冷凍機、およびその制御方法
TWI437167B (zh) * 2007-10-31 2014-05-11 Johnson Controls Tech Co 控制系統
US20090241577A1 (en) 2008-03-26 2009-10-01 Sanyo Electric Co., Ltd. Chiller unit, refrigeration system having chiller unit and air conditioner having chiller unit
KR101761931B1 (ko) * 2009-03-30 2017-08-04 티마익 코포레이션 컴프레서 서지 제어 시스템 및 방법
JP6533366B2 (ja) * 2013-03-15 2019-06-19 ダイキン アプライド アメリカズ インコーポレィティッド 冷凍装置および冷凍機の制御装置
JP6275259B2 (ja) * 2013-12-12 2018-02-07 ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ 蒸気タービン駆動式の遠心ヒートポンプ
JP6543405B2 (ja) * 2015-07-06 2019-07-10 ジョンソン コントロールズ テクノロジー カンパニーＪｏｈｎｓｏｎ Ｃｏｎｔｒｏｌｓ Ｔｅｃｈｎｏｌｏｇｙ Ｃｏｍｐａｎｙ 多段遠心圧縮機のための容量制御システム及び方法
US10113553B2 (en) * 2016-01-12 2018-10-30 Daikin Applied Americas Inc. Centrifugal compressor with hot gas injection
CN105571181B (zh) * 2016-01-12 2017-11-28 珠海格力电器股份有限公司 一种变频离心式冷水机组及其控制调节方法
EP3470291B1 (en) * 2016-06-10 2020-07-22 Mitsubishi Electric Corporation Vehicle air-conditioning device and railroad-car communication system
JP6720933B2 (ja) * 2017-07-19 2020-07-08 株式会社デンソー エジェクタ式冷凍サイクル
JP6935294B2 (ja) * 2017-10-12 2021-09-15 荏原冷熱システム株式会社 ターボ冷凍機
CN108361219A (zh) * 2018-01-09 2018-08-03 莱芜钢铁集团电子有限公司 一种离心式压缩机喘振控制方法和装置
EP3775723A1 (en) * 2018-04-09 2021-02-17 Carrier Corporation Reverse rotation prevention in centrifugal compressor
US20220136723A1 (en) * 2019-09-03 2022-05-05 Trane International Inc. Chiller plant with dynamic surge avoidance
US11732942B2 (en) * 2020-02-28 2023-08-22 Johnson Controls Tyco IP Holdings LLP Building system with automatic chiller anti-surge control

Also Published As

Publication number Publication date
KR20220050573A (ko) 2022-04-25
JP2022066176A (ja) 2022-04-28
US20220120486A1 (en) 2022-04-21
CN114383228A (zh) 2022-04-22
EP3985332B1 (en) 2023-05-10
EP3985332A1 (en) 2022-04-20

Similar Documents

Publication Publication Date Title
CN114383228B (zh) 冷却装置系统
US10747187B2 (en) Building management system with voting-based fault detection and diagnostics
US11747034B2 (en) Systems and methods for steady state detection
US11070389B2 (en) Building management system with automated vibration data analysis
US11774923B2 (en) Augmented deep learning using combined regression and artificial neural network modeling
US10700942B2 (en) Building management system with predictive diagnostics
US10281363B2 (en) Systems and methods for fault detection and handling by assessing building equipment performance
US20180087790A1 (en) Systems and methods for automatically creating and using adaptive pca models to control building equipment
US8726678B2 (en) Controllers and methods for providing computerized generation and use of a three dimensional surge map for control of chillers
Shi et al. Refrigerant charge fault diagnosis in the VRF system using Bayesian artificial neural network combined with ReliefF filter
US20190338972A1 (en) Building management system and methods for predicting catastrophic hvac equipment failures
US20230116964A1 (en) Systems and methods for controlling variable refrigerant flow systems and equipment using artificial intelligence models
US20230194137A1 (en) Systems and methods for controlling variable refrigerant flow systems using artificial intelligence
Wang et al. Research on diagnostic strategy for faults in VRF air conditioning system using hybrid data mining methods
Guo et al. Real-time energy performance benchmarking of electric vehicle air conditioning systems using adaptive neural network and Gaussian process regression
KR20210055998A (ko) 공기 조화기 제어 방법 및 공기 조화기 제어 장치
US20230392846A1 (en) Building system with automatic chiller anti-surge control
KR20220009052A (ko) 칠러 시스템 및 그 동작 방법
US20220035357A1 (en) Building management system with supervisory fault detection layer
US20220026102A1 (en) Systems and methods for flow control in an hvac system
US20230315031A1 (en) Predictive modeling and control system for building equipment with multi-device predictive model generation
KR20230126044A (ko) 공기조화기
YU et al. Research on Multivariable Adaptive Control of HVAC System

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