CN114459152A - 一种空气能热水器结霜预测方法 - Google Patents
一种空气能热水器结霜预测方法 Download PDFInfo
- Publication number
- CN114459152A CN114459152A CN202210193722.8A CN202210193722A CN114459152A CN 114459152 A CN114459152 A CN 114459152A CN 202210193722 A CN202210193722 A CN 202210193722A CN 114459152 A CN114459152 A CN 114459152A
- Authority
- CN
- China
- Prior art keywords
- frosting
- water heater
- air energy
- energy water
- obtaining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 29
- 230000009467 reduction Effects 0.000 claims abstract description 11
- 239000003507 refrigerant Substances 0.000 claims description 36
- 238000005070 sampling Methods 0.000 claims description 14
- 238000009825 accumulation Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 5
- 230000009471 action Effects 0.000 claims description 4
- 238000010257 thawing Methods 0.000 abstract description 10
- 230000006835 compression Effects 0.000 description 6
- 238000007906 compression Methods 0.000 description 6
- 238000010438 heat treatment Methods 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 3
- 229910052802 copper Inorganic materials 0.000 description 3
- 239000010949 copper Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002309 gasification Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H4/00—Fluid heaters characterised by the use of heat pumps
- F24H4/02—Water heaters
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H9/00—Details
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24H—FLUID HEATERS, e.g. WATER OR AIR HEATERS, HAVING HEAT-GENERATING MEANS, e.g. HEAT PUMPS, IN GENERAL
- F24H9/00—Details
- F24H9/20—Arrangement or mounting of control or safety devices
- F24H9/2007—Arrangement or mounting of control or safety devices for water heaters
-
- 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
- F25B47/00—Arrangements for preventing or removing deposits or corrosion, not provided for in another subclass
- F25B47/02—Defrosting cycles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空气能热水器结霜预测方法，在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值与正常未结霜情况下压缩机压缩后气体压力值的比值系数与压缩机运行功率的灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。本发明可以精准判断机组结霜故障及程度，避免单个条件，简单判断方法导致的误判及失效，为空气能热水器除霜运行工况提供可靠参数。
Description
技术领域
本发明涉及热水器技术领域，特别涉及一种空气能热水器结霜预测方法。
背景技术
空气能热水器因其具有高效、节能、环保的优势，广泛应用于家庭、企事业单位及小区楼栋的热水供应及冬季室内取暖。然而，在冬季使用过程中，由于室外温度较低，蒸发器换热装置铜管经常会结霜。一方面，结霜导致蒸发器换热效能急剧下降；另一方面，压缩机在温控调节器的控制下长时间处于满载甚至过载运行，效率、寿命及可靠性大大降低。目前，家用空气源热泵热水系统结霜判定主要是通过采集相对湿度变化和水温发生变化数据进行简单比较判定，导致结霜判定准确度偏低，甚至发生误判。因而，如何在低温、相对湿度高的环境下准确、可靠的判定结霜程度，为空气能热水器除霜操作提供准确数据，成为空气源热泵热水器行业共同的难题，也是关注的重点。
发明内容
本发明的目的在于，提供一种空气能热水器结霜预测方法。本发明可以精准判断机组结霜故障及程度，避免单个条件，简单判断方法导致的误判及失效，为空气能热水器除霜运行工况提供可靠参数。
本发明的技术方案：一种空气能热水器结霜预测方法，在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值，并获取正常未结霜情况下压缩机压缩后气体压力值，从而得到两者的比值系数，利用比值系数与压缩机运行功率获取灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。
上述的空气能热水器结霜预测方法，所述灰色预测模型的获得过程是在空气能热水器处于结霜运行边界范围内时，在一个采样周期内对压缩机的功率和冷媒高压气体压力进行采样，并获得正常未结霜情况下，相同采样周期和相同压缩机功率的下的冷媒高压气体压力，计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值，获得比值数组；将压缩机功率的采样数据形成功率数组，利用功率数组中的最大值和最小值获得等间隔量，并建立等间隔量数组；以功率数组为自变量离散数值，以比值数组为应变量离散数值，使用插值算法获得等间隔量数组对应的序列，将序列用一次累加方式生成新序列；再基于新序列和等间隔量数组建立微分方程，求解后得到灰色预测模型，对灰色预测模型进行还原，获得灰色预测模型的数学表达式。
前述的空气能热水器结霜预测方法，所述预测模型数学表达式的获得过程具体过程如下:
在空气能热水器处于结霜运行边界范围内时，在采样周期Ts内对压缩机的功率Pcomp和冷媒高压气体压力Ppress采样n个数据，分别记为：{Pcomp(1),Pcomp(2),…,Pcomp(n)}和{Ppress(1),Ppress(2),…,Ppress(n)}；并获得正常未结霜情况下，在压缩机的功率为{Pcomp(1),Pcomp(2),…,Pcomp(n)}时的冷媒高压气体压力
计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值：
获得比值数组{λ(1),λ(2),…,λ(n)}；
获取功率数组{Pcomp(i)}的最小值
和最大值
利用最大值和最小值求取等间隔量
并建立等间隔量数组
其中
以功率数组{Pcomp(1),…,Pcomp(n)}为自变量离散数值，以比值数组 {λ(1),λ(2),…,λ(n)}为应变量离散数值，使用插值算法，获得等间隔量数组
对应的序列
基于一次累加方式，对序列
生成新序列
满足
基于新序列和等间隔量数组建立微分方程：
式中，a为发展系数，μ为灰作用量；
求解待估参数向量
和上述微分方程，进而得到灰色预测模型
对预测序列
进行还原，得到还原序列
的预测模型的数学表达式：
前述的空气能热水器结霜预测方法，所述分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度的过程是先定义关联度 r：
再判断关联度r是否大于等于阈值ζ，如果是，则空气能热水器处于结霜故障运行，再求解结霜故障程度α＝a/amax，进而得出空气能热水器结霜故障程度α。
与现有技术相比，本发明在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值，并获取正常未结霜情况下压缩机压缩后气体压力值，从而得到两者的比值系数，利用比值系数与压缩机运行功率获取灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。本发明基于空气能热水器结霜运行时热交换效能相较于正常运行时热交换效能显著下降而导致蒸发器冷媒气化量显著小于正常运行时冷媒气化量，进而导致相同压缩机功率情况下压缩后气体的压力显著小于正常运行时压缩后气体的压力，并且结霜程度越严重，压缩后气体压力值就越小于正常运行时压缩后气体压力值。应用该特征，运用灰色预测理论获得结霜运行时，压缩后气体压力值与正常情况下压缩后气体压力值的比值系数与压缩机运行功率之间的灰色预测模型。基于该灰色预测模型得到的比值系数与实测比值系数之间的关联度大小，判断预测模型是否准确可靠，进而获得准确可靠的预测模型数学表达式。在此预测模型是正确的基础上，由物理知识可知，结霜故障时，热交换铜管被冰霜大面积覆盖，空气热交换程度很低。在温度控制器的作用下，压缩机运行功率一直往大调节，其热效能反而更差。这是因为，即便压缩机功率增加很多，空气热交换功率增加很微弱，进而导致压缩后气体压力值与正常情况下压缩后气体压力值的比值系数快速下降。结霜程度越严重，下降程度越大。因而，在结冰故障情况下，可用气体压力值的比值系数的减小程度表征结霜故障程度，进而通过分析预测模型的数学表达式，可以得出结霜故障程度，进而判定空气能热水器蒸发器结霜程度，为除霜控制提供准确详实的数据。本发明运行灰色预测和关联度算法，得到结霜故障程度参数值，进而准确判定空气能热水器蒸发器结霜程度，避免单个条件，简单判断方法导致的误判及失效，为除霜控制参数提供准确详实的数据。本发明具有可靠性高、实用性好、智能化程度高等优势。
附图说明
图1是空气能热水器蒸发器部分结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
实施例1：一种空气能热水器结霜预测方法，在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值，并获取正常未结霜情况下压缩机压缩后气体压力值，从而得到两者的比值系数，利用比值系数与压缩机运行功率获取灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。
实施例2：一种空气能热水器结霜预测方法，在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值，并获取正常未结霜情况下压缩机压缩后气体压力值，从而得到两者的比值系数，利用比值系数与压缩机运行功率获取灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。
其中，所述灰色预测模型的获得过程是在空气能热水器处于结霜运行边界范围内时，在一个采样周期内对压缩机的功率和冷媒高压气体压力(即压缩机压缩后气体压力值)进行采样，并获得正常未结霜情况下，相同采样周期和相同压缩机功率的下的冷媒高压气体压力，计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值，获得比值数组；将压缩机功率的采样数据形成功率数组，利用功率数组中的最大值和最小值获得等间隔量，并建立等间隔量数组；以功率数组为自变量离散数值，以比值数组为应变量离散数值，使用插值算法获得等间隔量数组对应的序列，将序列用一次累加方式生成新序列；再基于新序列和等间隔量数组建立微分方程，求解后得到灰色预测模型，对灰色预测模型进行还原，获得灰色预测模型的数学表达式。
实施例3：一种空气能热水器结霜预测方法，包括空气能热水器，其中空气能热水器蒸发器部分结构图如图1所示，冷媒循环回路包括：蒸发器、四通阀、气液分离器、压缩机、换热器、储液罐、膨胀阀、过滤器。冷媒循环部分实现能量交换。在制热工作模式时，其冷媒的循环顺序为箭头实线流向；在除霜工作模式时，其冷媒的循环顺序为箭头虚线流向。制热/除霜模式下冷媒流向的切换是通过控制四通阀实现。在制热工作模式，冷媒在蒸发器处吸收空气中的热能，成为低温低压气体。经压缩机压缩后，为高温高压气体，并流经热交换器，进行热交换。释放热能后，经过储液罐、膨胀阀和过滤器后再次回到蒸发器进行下一次热交换。在除霜工作模式，冷媒在热交换器处吸收热能，成为低温低压气体。经压缩机压缩后，为高温高压气体，并流经蒸发器，对铜管加热除霜。释放热能后，经过过滤器、膨胀阀和储液罐后再次回到热交换器进行下一次除霜热交换。
相关变量和参数定义如下：Ts为采样周期，i为采样数序号，Pcomp(i) 为压缩机运行功率，Ppress(i)为冷媒高压气体压力， {Pcomp(1),Pcomp(2),…,Pcomp(n)}和{Ppress(1),Ppress(2),…,Ppress(n)}分别为压缩机功率Pcomp和冷媒高压气体压力Ppress的采样数据序列，
为压缩机功率为{Pcomp(1),Pcomp(2),…,Pcomp(n)}时正常未结霜工作情况下的冷媒高压气体压力(Pcomp与
在正常未结霜工作情况下的数学关系可由理论分析仿真、实验测量数据及曲线拟合得到)，λ(i)为压缩机功率Pcomp(i)条件下实际冷媒高压气体压力 Ppress(i)与
的比值，{λ(1),λ(2),…,λ(n)}为对应的序列，
和
分别为序列{Pcomp(i)}的最小值和最大值，ΔP为
和
的等间隔量，
为基于ΔP的等间距重构数组，其中：
具体步骤如下：
(1)通过天气信息获取当天环境温度Tamb、环境相对湿度Hamb，结合大数据经验知识，判断空气能热水器当前是否处于结霜运行边界范围；如果是，则进入步骤(2)；否则，退出；
(2)以此时刻开始每隔ΔT时间执行一次结霜故障预测算法，并定义每次预测算法执行时均需对每个参数采样n个数据，采样周期为 Ts；
(3)在空气能热水器处于结霜运行边界范围内时，在采样周期Ts内对压缩机的功率Pcomp和冷媒高压气体压力Ppress采样n个数据，分别记为：{Pcomp(1),Pcomp(2),…,Pcomp(n)}和{Ppress(1),Ppress(2),…,Ppress(n)}；并获得正常未结霜情况下，在压缩机的功率为{Pcomp(1),Pcomp(2),…,Pcomp(n)}时的冷媒高压气体压力
Pcomp与
在正常未结霜工作情况下的数学关系可由理论分析仿真、实验测量数据及曲线拟合得到；
(4)计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值：
获得比值数组{λ(1),λ(2),…,λ(n)}；
获取功率数组{Pcomp(i)}的最小值
和最大值
利用最大值和最小值求取等间隔量
并建立等间隔量数组
其中
以功率数组{Pcomp(1),…,Pcomp(n)}为自变量离散数值，以比值数组 {λ(1),λ(2),…,λ(n)}为应变量离散数值，使用插值算法，获得等间隔量数组
对应的序列
(5)基于一次累加方式，对序列
生成新序列
满足
在此基础上，基于新序列和等间隔量数组建立微分方程：
式中，a为发展系数，μ为灰作用量；
参照现有算法求解待估参数向量
和上述微分方程，进而得到灰色预测模型
(6)对预测序列
进行还原，得到还原序列
的预测模型的数学表达式：
(7)定义关联度r为：
判断r≥ζ，本实施例中ζ＝0.95，如果是，进入步骤(8)；否则，返回步骤(2)；
(8)判断a≥θ，本实施例中θ＝0.5，如果是，则空气能热水器处于结霜故障运行，进入步骤(9)；否则，进入步骤(2)；
(9)求解结霜故障程度α＝a/amax，进而得出空气能热水器结霜故障程度α。
综上所述，本发明运行灰色预测和关联度算法，得到结霜故障程度参数值，进而准确判定空气能热水器蒸发器结霜程度，避免单个条件，简单判断方法导致的误判及失效，为除霜控制参数提供准确详实的数据。本发明具有可靠性高、实用性好、智能化程度高等优势。
Claims (4)
1.一种空气能热水器结霜预测方法，其特征在于：在空气能热水器处于结霜运行边界范围内时，获得压缩机压缩后气体压力值，并获取正常未结霜情况下压缩机压缩后气体压力值，从而得到两者的比值系数，利用比值系数与压缩机运行功率获取灰色预测模型，再用比值系数的减小程度来表征结霜故障程度，进而通过分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度。
2.根据权利要求1所述的空气能热水器结霜预测方法，其特征在于：所述灰色预测模型的获得过程是在空气能热水器处于结霜运行边界范围内时，在一个采样周期内对压缩机的功率和冷媒高压气体压力进行采样，并获得正常未结霜情况下，相同采样周期和相同压缩机功率的下的冷媒高压气体压力，计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值，获得比值数组；将压缩机功率的采样数据形成功率数组，利用功率数组中的最大值和最小值获得等间隔量，并建立等间隔量数组；以功率数组为自变量离散数值，以比值数组为应变量离散数值，使用插值算法获得等间隔量数组对应的序列，将序列用一次累加方式生成新序列；再基于新序列和等间隔量数组建立微分方程，求解后得到灰色预测模型，对灰色预测模型进行还原，获得灰色预测模型的数学表达式。
3.根据权利要求1所述的空气能热水器结霜预测方法，其特征在于：所述预测模型数学表达式的获得过程具体过程如下:
在空气能热水器处于结霜运行边界范围内时，在采样周期Ts内对压缩机的功率Pcomp和冷媒高压气体压力Ppress采样n个数据，分别记为：{Pcomp(1),Pcomp(2),…,Pcomp(n)}和{Ppress(1),Ppress(2),…,Ppress(n)}；并获得正常未结霜情况下，在压缩机的功率为{Pcomp(1),Pcomp(2),…,Pcomp(n)}时的冷媒高压气体压力
计算结霜运行边界范围下冷媒高压气体压力与正常未结霜情况下冷媒高压气体压力的比值：
获得比值数组{λ(1),λ(2),…,λ(n)}；
获取功率数组{Pcomp(i)}的最小值
和最大值
利用最大值和最小值求取等间隔量
并建立等间隔量数组
其中
以功率数组{Pcomp(1),…,Pcomp(n)}为自变量离散数值，以比值数组{λ(1),λ(2),…,λ(n)}为应变量离散数值，使用插值算法，获得等间隔量数组
对应的序列
基于一次累加方式，对序列
生成新序列
满足
基于新序列和等间隔量数组建立微分方程：
式中，a为发展系数，μ为灰作用量；
求解待估参数向量
和上述微分方程，进而得到灰色预测模型
对预测序列
进行还原，得到还原序列
的预测模型的数学表达式：
4.根据权利要求3所述的空气能热水器结霜预测方法，其特征在于：所述分析灰色预测模型的数学表达式，判定空气能热水器蒸发器结霜程度的过程是先定义关联度r：
再判断关联度r是否大于等于阈值ζ，如果是，则空气能热水器处于结霜故障运行，再求解结霜故障程度α＝a/amax，进而得出空气能热水器结霜故障程度α。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210193722.8A CN114459152B (zh) | 2022-03-01 | 2022-03-01 | 一种空气能热水器结霜预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210193722.8A CN114459152B (zh) | 2022-03-01 | 2022-03-01 | 一种空气能热水器结霜预测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114459152A true CN114459152A (zh) | 2022-05-10 |
| CN114459152B CN114459152B (zh) | 2024-01-16 |
Family
ID=81414593
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210193722.8A Active CN114459152B (zh) | 2022-03-01 | 2022-03-01 | 一种空气能热水器结霜预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114459152B (zh) |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5340450A (en) * | 1976-09-27 | 1978-04-13 | Hitachi Ltd | Defrost system of air cool heat pump type air conditioner |
| JPS62294836A (ja) * | 1986-06-13 | 1987-12-22 | Daikin Ind Ltd | 空気調和機の除霜装置 |
| CN102230660A (zh) * | 2011-06-03 | 2011-11-02 | 龚光彩 | 热泵装置自适应防融霜的控制方法 |
| KR101235546B1 (ko) * | 2011-09-07 | 2013-02-21 | 엘지전자 주식회사 | 공기 조화기의 제어방법 |
| CN105091200A (zh) * | 2014-05-15 | 2015-11-25 | 广东美的暖通设备有限公司 | 空调器的控制方法 |
| EP3051224A1 (en) * | 2013-09-27 | 2016-08-03 | Mitsubishi Electric Corporation | Refrigeration cycle device |
| JP2018124037A (ja) * | 2017-02-03 | 2018-08-09 | 株式会社デンソー | ヒートポンプ装置 |
| CN109539622A (zh) * | 2018-11-30 | 2019-03-29 | 上海海立睿能环境技术有限公司 | 一种空气源热泵机组及其化霜控制方法 |
| CN109974201A (zh) * | 2018-12-18 | 2019-07-05 | 青岛经济技术开发区海尔热水器有限公司 | 一种除霜控制方法及空气源热泵系统 |
| US20190257568A1 (en) * | 2018-02-22 | 2019-08-22 | Schneider Electric USA, Inc. | Frost detection in hvac&r systems |
| JPWO2019202709A1 (ja) * | 2018-04-19 | 2020-12-03 | 三菱電機株式会社 | ヒートポンプ式給湯装置 |
| CN112460061A (zh) * | 2020-12-16 | 2021-03-09 | 珠海格力电器股份有限公司 | 一种离心式压缩机失速状态判定方法、装置及机组设备 |
| CN112629085A (zh) * | 2020-12-30 | 2021-04-09 | 青岛奥利凯中央空调有限公司 | 一种应用于空气源热泵机组的新型除霜方法 |
| CN112984911A (zh) * | 2019-12-16 | 2021-06-18 | 东芝生活电器株式会社 | 冰箱 |
| WO2021228021A1 (zh) * | 2020-07-03 | 2021-11-18 | 青岛海尔空调电子有限公司 | 用于多联机空调系统的除霜控制方法 |
-
2022
- 2022-03-01 CN CN202210193722.8A patent/CN114459152B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5340450A (en) * | 1976-09-27 | 1978-04-13 | Hitachi Ltd | Defrost system of air cool heat pump type air conditioner |
| JPS62294836A (ja) * | 1986-06-13 | 1987-12-22 | Daikin Ind Ltd | 空気調和機の除霜装置 |
| CN102230660A (zh) * | 2011-06-03 | 2011-11-02 | 龚光彩 | 热泵装置自适应防融霜的控制方法 |
| KR101235546B1 (ko) * | 2011-09-07 | 2013-02-21 | 엘지전자 주식회사 | 공기 조화기의 제어방법 |
| EP3051224A1 (en) * | 2013-09-27 | 2016-08-03 | Mitsubishi Electric Corporation | Refrigeration cycle device |
| CN105091200A (zh) * | 2014-05-15 | 2015-11-25 | 广东美的暖通设备有限公司 | 空调器的控制方法 |
| JP2018124037A (ja) * | 2017-02-03 | 2018-08-09 | 株式会社デンソー | ヒートポンプ装置 |
| US20190257568A1 (en) * | 2018-02-22 | 2019-08-22 | Schneider Electric USA, Inc. | Frost detection in hvac&r systems |
| JPWO2019202709A1 (ja) * | 2018-04-19 | 2020-12-03 | 三菱電機株式会社 | ヒートポンプ式給湯装置 |
| CN109539622A (zh) * | 2018-11-30 | 2019-03-29 | 上海海立睿能环境技术有限公司 | 一种空气源热泵机组及其化霜控制方法 |
| CN109974201A (zh) * | 2018-12-18 | 2019-07-05 | 青岛经济技术开发区海尔热水器有限公司 | 一种除霜控制方法及空气源热泵系统 |
| CN112984911A (zh) * | 2019-12-16 | 2021-06-18 | 东芝生活电器株式会社 | 冰箱 |
| WO2021228021A1 (zh) * | 2020-07-03 | 2021-11-18 | 青岛海尔空调电子有限公司 | 用于多联机空调系统的除霜控制方法 |
| CN112460061A (zh) * | 2020-12-16 | 2021-03-09 | 珠海格力电器股份有限公司 | 一种离心式压缩机失速状态判定方法、装置及机组设备 |
| CN112629085A (zh) * | 2020-12-30 | 2021-04-09 | 青岛奥利凯中央空调有限公司 | 一种应用于空气源热泵机组的新型除霜方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114459152B (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109282545A (zh) | 低温型直流变频热泵系统的补气增焓控制方法 | |
| CN111271821B (zh) | 一种四通阀换向异常控制方法、存储介质及空调 | |
| Wang et al. | Determination of the optimal defrosting initiating time point for an ASHP unit based on the minimum loss coefficient in the nominal output heating energy | |
| CN114279110B (zh) | 一种空气能热水器智能除霜装置及方法 | |
| CN105135628A (zh) | 空调器及空调器的除霜控制方法 | |
| CN103968503A (zh) | 空调室外机、空调器的除霜方法及其装置 | |
| Escriva et al. | Modelling of a real CO2 booster installation and evaluation of control strategies for heat recovery applications in supermarkets | |
| CN108692426B (zh) | 空调器除霜控制方法 | |
| CN113587364A (zh) | 多联机空调机组的除霜控制方法 | |
| KR102298489B1 (ko) | 가상센서와 딥러닝을 통합한 건물 에너지 고장 진단 및 분석 시스템, 이를 이용한 건물 에너지 고장 진단 및 분석 방법 | |
| CN111412581B (zh) | 空调器除霜控制方法 | |
| CN115183400A (zh) | 空调器和空调器除霜控制方法 | |
| CN208254038U (zh) | 一种跨临界二氧化碳空气源热泵除霜系统 | |
| CN108592297B (zh) | 空调器除霜控制方法 | |
| CN114459152B (zh) | 一种空气能热水器结霜预测方法 | |
| CN115218346B (zh) | 蓄热化霜控制方法以及空调机组 | |
| CN114440452B (zh) | 一种空气能热水器结霜判定方法 | |
| CN114547907A (zh) | 一种基于灰色预测的空气能热水器结霜故障预测方法 | |
| CN114659268B (zh) | 一种空气能热水器结霜程度预测方法 | |
| CN115183401A (zh) | 空调器和空调器除霜控制方法 | |
| CN114740727A (zh) | 室外温度扰动条件下的空气源热泵动态能效优化控制方法 | |
| CN110926544B (zh) | 一种换热机组用检测设备及其在线自动检测方法 | |
| CN114440454B (zh) | 基于热膨胀和热能除霜的空气能热水器除霜方法 | |
| CN212777944U (zh) | 具有互联网传送、诊断及管理功能的热泵热水器 | |
| CN115095964B (zh) | 热回收多联机系统及其运行方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20221128 Address after: No. 2, Building 19, Huitouwang, Sunshine Community, Chengdong Street, Wenling City, Taizhou City, Zhejiang Province 317500 Applicant after: Wenling Huangge Technology Consulting Co.,Ltd. Address before: 317500 West, second and third floors of room 101, building 5, Shaan Industrial Park, No. 520, Dongan village, Daxi Town, Wenling City, Taizhou City, Zhejiang Province Applicant before: Zhejiang Qianfeng Intelligent Technology Co.,Ltd. |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231016 Address after: 317525, 2nd Floor, Building 1, No. 316 Hangwen Road, Daxi Town, Wenling City, Taizhou City, Zhejiang Province Applicant after: Beixi Te (Zhejiang) Technology Co.,Ltd. Address before: No. 2, Building 19, Huitouwang, Sunshine Community, Chengdong Street, Wenling City, Taizhou City, Zhejiang Province 317500 Applicant before: Wenling Huangge Technology Consulting Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |