CN114459152B - 一种空气能热水器结霜预测方法 - Google Patents

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

一种空气能热水器结霜预测方法

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T_s内对压缩机的功率P_comp和冷媒高压气体压力P_press采样n个数据，分别记为：{P_comp(1),P_comp(2),…,P_comp(n)}和{P_press(1),P_press(2),…,P_press(n)}；并获得正常未结霜情况下，在压缩机的功率为{P_comp(1),P_comp(2),…,P_comp(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{P_comp(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{P_comp(1),…,P_comp(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/a_max，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：T_s为采样周期，i为采样数序号，P_comp(i) 为压缩机运行功率，P_press(i)为冷媒高压气体压力， {P_comp(1),P_comp(2),…,P_comp(n)}和{P_press(1),P_press(2),…,P_press(n)}分别为压缩机功率P_comp和冷媒高压气体压力P_press的采样数据序列，为压缩机功率为{P_comp(1),P_comp(2),…,P_comp(n)}时正常未结霜工作情况下的冷媒高压气体压力(P_comp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P_comp(i)条件下实际冷媒高压气体压力 P_press(i)与/>的比值，{λ(1),λ(2),…,λ(n)}为对应的序列，/>和/>分别为序列{P_comp(i)}的最小值和最大值，Δ_P为/>和/>的等间隔量，/>为基于Δ_P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T_amb、环境相对湿度H_amb，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 T_s；

(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T_s内对压缩机的功率P_comp和冷媒高压气体压力P_press采样n个数据，分别记为：{P_comp(1),P_comp(2),…,P_comp(n)}和{P_press(1),P_press(2),…,P_press(n)}；并获得正常未结霜情况下，在压缩机的功率为{P_comp(1),P_comp(2),…,P_comp(n)}时的冷媒高压气体压力P_comp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{P_comp(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{P_comp(1),…,P_comp(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/a_max，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 (1)

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；

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；

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T_s内对压缩机的功率P_comp和冷媒高压气体压力P_press采样n个数据，分别记为：{P_comp(1),P_comp(2),…,P_comp(n)}和{P_press(1),P_press(2),…,P_press(n)}；并获得正常未结霜情况下，在压缩机的功率为{P_comp(1),P_comp(2),…,P_comp(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{P_comp(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{P_comp(1),…,P_comp(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：

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/a_max，进而得出空气能热水器结霜故障程度α。