CN115408875A - 一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 - Google Patents
一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 Download PDFInfo
- Publication number
- CN115408875A CN115408875A CN202211128632.7A CN202211128632A CN115408875A CN 115408875 A CN115408875 A CN 115408875A CN 202211128632 A CN202211128632 A CN 202211128632A CN 115408875 A CN115408875 A CN 115408875A
- Authority
- CN
- China
- Prior art keywords
- model
- solution
- generator
- absorber
- lithium bromide
- 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
- AMXOYNBUYSYVKV-UHFFFAOYSA-M lithium bromide Chemical compound [Li+].[Br-] AMXOYNBUYSYVKV-UHFFFAOYSA-M 0.000 title claims abstract description 98
- 238000005094 computer simulation Methods 0.000 title claims abstract description 50
- 238000005057 refrigeration Methods 0.000 title claims abstract description 50
- 238000010521 absorption reaction Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000008859 change Effects 0.000 claims abstract description 26
- 230000004044 response Effects 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 15
- 238000004088 simulation Methods 0.000 claims abstract description 14
- 238000002474 experimental method Methods 0.000 claims abstract description 5
- 239000006096 absorbing agent Substances 0.000 claims description 87
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 70
- 239000003507 refrigerant Substances 0.000 claims description 41
- 238000004134 energy conservation Methods 0.000 claims description 31
- 239000000498 cooling water Substances 0.000 claims description 26
- 239000012530 fluid Substances 0.000 claims description 23
- 238000011160 research Methods 0.000 claims description 9
- 230000001105 regulatory effect Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract 1
- 238000012546 transfer Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 239000011541 reaction mixture Substances 0.000 description 6
- 238000001816 cooling Methods 0.000 description 5
- 230000007423 decrease Effects 0.000 description 4
- 230000005494 condensation Effects 0.000 description 2
- 238000009833 condensation Methods 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000001704 evaporation Methods 0.000 description 2
- 230000008020 evaporation Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 239000002918 waste heat Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/27—Relating to heating, ventilation or air conditioning [HVAC] technologies
-
- 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]
- Y02B30/62—Absorption based systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Geometry (AREA)
- Operations Research (AREA)
- Evolutionary Computation (AREA)
- Algebra (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Sorption Type Refrigeration Machines (AREA)
Abstract
本发明涉及一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，包括：通过Modelica建模语言对溴化锂吸收式制冷系统的各组件进行建模，形成组件模型；针对系统中不同物理域分别建立连接器；在各组件模型上添加相应的连接器，将各连接器按照系统特性对应连接构成动态仿真模型，实现组件模型之间的变量传递；根据设计工况下的输入参数设置系统结构参数，开展设计工况下的仿真计算，并通过调整结构参数对动态仿真模型进行修正；对动态仿真模型的输入参数进行阶跃变化实验，得到溴化锂吸收式制冷系统的输出参数的动态响应。本发明降低了模型的复杂度提高了计算精度和运行速度，为溴化锂吸收式制冷系统及控制器设计提供依据。
Description
技术领域
本发明涉及数值仿真技术领域，尤其是一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法。
背景技术
溴化锂吸收式制冷系统能有效利用低品位的余热并且对环境友好，在化工、制药、钢铁等领域得到了广泛应用。溴化锂吸收式制冷循环一般由制冷剂回路、溶液回路、热源回路、冷却水回路和冷冻水回路构成。由发生器、热源等构成的热源回路驱动机组运行；吸收器、冷凝器、冷却水泵等设备构成的冷却水回路用于排除溶液吸收热和蒸汽冷凝热；蒸发器、冷冻水泵等设备形成的冷冻水循环产生冷量。其中，制冷剂蒸汽由发生器产生，经冷凝器冷却冷凝后进入节流阀降压节流，然后进入蒸发器蒸发吸热，最后被吸收器中的稀溶液吸收。而吸收器中的稀溶液吸收水后经过溶液泵和溶液热交换器，进入发生器，发生后的浓溶液通过溶液热交换器和溶液阀后回到吸收器，形成溶液回路。目前，阻碍溴化锂吸收式制冷系统高效、安全运行的技术难题包括：由于吸收式制冷系统本身的热惯性大和调节时间长，对其进行试验研究的成本较大。另外，系统运行过程中外界环境的变化和制冷需求的改变，使机组频繁地以非设计工况运行。因此为了解在动态过程中溴化锂吸收制冷机组的运行特性，需要设计高效、经济的控制器，需要设计一种高精度、易于扩展和移植的数值仿真模型。
传统数值仿真的建模方法通常是运用基于命令行的编程语言，比如C、Fortran等语言。这种建模方法通常需要根据不同的系统结构来确定单独的求解算法，在仿真系统调试、修改时带来不便。并且，传统的建模语言大多是因果建模，即针对仿真系统中不同的部件模型可能需要不同的化简方法来求解。这些特点使动态仿真模型的建模复杂度提升，并降低了模型的重用性。
发明内容
针对现有技术的不足，本发明提供一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，目的是降低建模复杂度同时提高仿真计算的精度。
本发明采用的技术方案如下：
一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，包括：
将溴化锂吸收式制冷系统按功能拆分为不同组件，基于热交换、质量守恒、能量守恒和动量守恒，通过Modelica建模语言对各组件进行建模，形成组件模型，包括发生器模型、吸收器模型、相变换热器模型、溶液热交换器模型、溶液泵及阀门模型，所述相变换热器模型适用于描述蒸发器和冷凝器；
针对溴化锂吸收式制冷系统中不同的物理域分别建立连接器，用于计算不同物理域的变量并在组件模型之间传递所述变量；
在各所述组件模型上添加相应的所述连接器，根据溴化锂吸收式制冷系统的结构，将各组件模型中的相同类型的连接器对应连接，构成动态仿真模型；
根据设计工况下的输入参数，设置系统的结构参数，开展设计工况下的仿真计算，将仿真结果与实际系统的输出结果对比，对动态仿真模型进行验证，并通过调整结构参数对动态仿真模型进行修正；
进行动态仿真研究：对动态仿真模型的输入参数进行阶跃变化实验，得到溴化锂吸收式制冷系统的输出参数的动态响应。
进一步技术方案为：
所述通过Modelica建模语言对各组件进行建模，包括：
发生器模型的建立：
根据发生器壳侧的能量守恒方程及壳侧与管壁的换热方程，建立发生器壳侧动态模型，其中，在发生器壳侧能量守恒方程中考虑推动功项：
其中，Mgen，hgen，pgen分别为发生器内的累计质量、溶液比焓和压力；
分别为稀溶液质量流量、浓溶液质量流量、发生蒸汽质量流量；Vgen为发生器体积；hweak，hstrong，hv,gen分别为稀溶液比焓、浓溶液比焓和发生蒸汽比焓；
为发生器壳侧与管壁的换热量；t代表时间；
根据发生器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立发生器管侧动态模型；
根据发生器管壁的能量守恒方程，建立发生器管壁动态模型；
将所述发生器壳侧动态模型、所述发生器管侧动态模型和所述发生器管壁动态模型组合成所述发生器模型。
所述通过Modelica建模语言对各组件进行建模，包括：
吸收器模型的建立：
根据吸收器壳侧的能量守恒方程及壳侧流体与管壁的换热方程，建立吸收器壳侧动态模型，其中，在吸收器壳侧能量守恒方程中考虑推动功项：
其中，Mabs，habs，pabs分别为吸收器内的累计质量、溶液比焓和压力；
分别为稀溶液质量流量、浓溶液质量流量、吸收蒸汽质量流量；Vabs为吸收器体积；hv,abs为吸收蒸汽比焓；
为吸收器壳侧与管壁的换热量；t代表时间；
根据吸收器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立吸收器管侧动态模型；
根据吸收器管壁的能量守恒方程，建立吸收器管壁动态模型；
将所述吸收器壳侧动态模型、所述吸收器管侧动态模型和所述吸收器管壁动态模型组合成所述吸收器模型。
所述通过Modelica建模语言对各组件进行建模，包括：
建立相变换热器模型：
将相变换热器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，相变换热器制冷剂侧的控制体积的控制方程为：
其中，Vr,i为制冷剂侧的控制体积；ρr,i，pr,i，hr,i分别为制冷剂侧第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出第i个制冷剂侧控制体积的质量流量；
和
分别为流入和流出的制冷剂比焓；
和
分别为流入和流出的制冷剂压力；Qr,i为制冷剂侧与壳体的换热量；t代表时间。
所述通过Modelica建模语言对各组件进行建模，包括：
建立溶液热交换器模型：
将溶液热交换器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，溶液热交换器制冷剂侧的控制体积的控制方程为：
其中，
和
分别为流入和流出第i个控制体积的溶液质量流量；
和
分别为流入和流出溶液的质量分数；Vsol,i为溶液热交换器的控制体积；
和
分别为流入和流出的溶液比焓；ρsol,i，psol,i，hsol,i分别为溶液热交换器中第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出的溶液压力；Qsol,i为溶液热交换内第i个控制体积的换热量；t代表时间。
所述通过Modelica建模语言对各组件进行建模，包括：
通过溶液泵和阀门的流量计算公式建立溶液泵及阀门模型，所述阀门包括溶液调节阀和制冷机节流阀。
所述连接器包括溶液连接器、水连接器和热连接器，所述溶液连接器中的流通变量为溶液质量流量，势变量为压力，流动变量为温度和溶液的质量分数，所述水连接器中的流通变量为制冷剂的质量流量，势变量为压力，流动变量为制冷剂的比焓，所述热连接器中的流通变量为热流量，势变量为温度。
所述输入参数包括发生器管侧热源水流量和发生器管侧热源水进口温度、蒸发器换热介质侧的冷冻水进口流量和冷冻水进口温度、吸收器管侧冷却水流量和吸收器管侧冷却水进口温度、阀门开度和溶液泵的转速；所述输出参数包括冷凝器内换热量、蒸发器内换热量、溶液热交换器内换热量、蒸发器换热介质侧的冷冻水出口温度、发生器壳侧与管壁的换热量、吸收器壳侧与管壁的换热量。
本发明的有益效果如下：
本发明降低了模型的复杂度，提高了仿真计算精度和运行速度。
本发明通过调整设计工况下的模型结构参数使动态仿真模型的结果能与实际系统的输出值相吻合，保证了动态仿真模型的准确度。
本发明运用通过阶跃响应实验，可获动态仿真模型的输出参数的动态响应曲线，便于开展系统动态特性分析，为系统和控制器设计提供参考。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。
附图说明
图1为本发明实施例的溴化锂吸收式制冷系统的结构示意图。
图2为本发明实施例的基于Modelica建模语言构建的溴化锂吸收式制冷系统动态仿真模型的图形化界面。
图3为本发明实施例的溴化锂吸收式制冷系统动态仿真模型仿真得到的冷冻水出口温度、系统能效与系统实际输出的对比图。
图4为本发明实施例动态仿真研究过程中热源水流量和温度发生阶跃变化时发生器发生蒸汽流量和发生器功率的动态响应图。
图5为本发明实施例动态仿真研究过程中热源水流量和温度发生阶跃变化时冷冻水出口温度和系统能效的动态响应图。
图6为本发明实施例动态仿真研究过程中冷却水流量和温度发生阶跃变化时发生器发生蒸汽流量和吸收器功率的动态响应图。
图7为本发明实施例动态仿真研究过程中冷却水流量和温度发生阶跃变化时冷冻水出口温度和系统能效的动态响应图。
具体实施方式
以下结合附图说明本发明的具体实施方式。
本实施例的一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，包括：
S1、将溴化锂吸收式制冷系统按功能拆分为不同组件，通过Modelica建模语言基于热交换、质量守恒、能量守恒和动量守恒，对各组件进行建模，形成组件模型，包括发生器模型、吸收器模型、相变换热器模型、溶液热交换器模型、溶液泵及阀门模型，所述相变换热器模型适用于描述蒸发器和冷凝器。
本实施例的溴化锂吸收式制冷系统的结构参见图1所示。溴化锂吸收式制冷循环由制冷剂回路、溶液回路、热源回路、冷却水回路和冷冻水回路构成。由发生器、热源水构成的热源回路驱动机组运行；吸收器、冷凝器、冷却水泵等设备构成的冷却水回路用于排除溶液吸收热和蒸汽冷凝热；蒸发器、冷冻水泵等设备形成的冷冻水循环产生冷量。制冷剂蒸汽由发生器产生，经冷凝器冷却冷凝后进入节流阀降压节流，然后进入蒸发器蒸发吸热，最后被吸收器中的稀溶液吸收。吸收器中的稀溶液吸收水后经过溶液泵和溶液热交换器，进入发生器，发生后的浓溶液通过溶液热交换器和溶液阀后回到吸收器，形成溶液回路。
其中溶液即为溴化锂，制冷剂为水。设定发生器功率为9kW，吸收器功率为8.6kW，冷凝器功率为7.4kW，蒸发器功率为7kW；热源水设计输入温度为90℃，流量为0.82m3/h；冷却水设计输入温度为30℃，流量为1.34m3/h；冷冻水设计输入温度为18℃，流量为2.2m3/h。
具体的，通过Modelica建模语言分别对各组件进行建模形成组件模型，包括：
S11、发生器模型的建立：
根据发生器壳侧的能量守恒方程及壳侧与管壁的换热方程，建立发生器壳侧动态模型如下：
式(1)中，Mgen，wgen，hgen，pgen分别为发生器内(溴化锂溶液的)的累计质量、溴化锂质量分数、溶液比焓和压力；
分别为稀溶液质量流量、浓溶液质量流量、发生蒸汽质量流量；wweak，wstrong分别为稀溶液质量分数和浓溶液质量分数；Vgen为发生器体积；hweak，hstrong，hv,gen为稀溶液比焓、浓溶液比焓和发生蒸汽比焓；pstrong为浓溶液压力；
为发生器壳侧与管壁的换热量；
和
分别为发生器壳侧的传热系数和传热面积；
和
分别为发生器管壁温度和壳侧温度；t代表时间。
式(1)中，在发生器壳侧能量守恒方程中考虑了推动功项：
通过推动功项的设置，能更好的发生器内的压力变化带给能量方程的影响，更准确的描述发生器的动态。
根据发生器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立发生器管侧动态模型如下：
式(2)中，
为发生器管侧与管壁的换热量；
和
分别为发生器管侧的传热系数和传热面积；
和
分别为发生器管侧热源水出口温度和进口温度；
为管侧热源水流量；
为管侧热源水比热容；
为管侧热源水密度；
为管侧控制体积。
根据发生器管壁的能量守恒方程，建立发生器管壁动态模型如下：
式(3)中，
为发生器管壁比热容；
为发生器管壁密度；
为发生器管壁控制体积；
为发生器管壁温度。
将式(1)至式(3)组合成所述发生器模型。
S12、吸收器模型的建立：
根据吸收器壳侧的能量守恒方程及壳侧流体与管壁的换热方程，建立吸收器壳侧动态模型如下：
式(4)中，Mabs，wabs，habs，pabs分别为吸收器内的(溴化锂溶液的)累计质量、溴化锂质量分数、溶液比焓和压力；
为吸收蒸汽质量流量；Vabs为吸收器体积；hv,abs为吸收蒸汽比焓；pweak为稀溶液压力；
为吸收器壳侧与管壁的换热量；
和
分别为吸收器壳侧的传热系数和传热面积；
和
分别为吸收器管壁温度和壳侧温度；t代表时间；
式(4)中，在吸收器壳侧能量守恒方程中考虑了推动功项：
通过推动功项的设置，能更好的吸收器内的压力变化带给能量方程的影响，更准确的描述吸收器的动态。
根据吸收器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立吸收器管侧动态模型如下：
式(5)中，
为吸收器管侧与管壁的换热量；
和
分别为吸收器管侧的传热系数和传热面积；
和
分别为管侧冷却水出口温度和进口温度；
为管侧冷却水流量；
为管侧冷却水比热容；
为管侧冷却水密度；
为管侧控制体积。
根据吸收器管壁的能量守恒方程，建立吸收器管壁动态模型如下：
式(6)中，
为吸收器管壁比热容；
为吸收器管壁密度；
为吸收器管壁控制体积；
为吸收器管壁温度。
将式(4)至式(6)组合成所述发生器模型。
相较传统的建模方式，本实施例的建模方式能更加便捷的修改、调试发生器模型/吸收器模型，且无需对动态方程进行数学处理。
S13、将相变换热器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，建立相变换热器模型如下：
式(7)中，Vr,i,Vw,i,Vshell,i分别为制冷剂侧，换热介质侧和壳体的第i个控制体积；ρr,i，pr,i，hr,i分别为制冷剂侧第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出第i个制冷剂侧控制体积的质量流量；
和
分别为流入和流出第i个介质侧控制体积的质量流量；
和
分别为流入和流出的制冷剂比焓；
和
分别为流入和流出的制冷剂压力；ρw,i，Tr,i分别为介质侧第i个控制体积内的密度和温度；Cp,w为介质侧的定压热容；
和
分别为流入和流出的介质温度；ρshell，Cp,shell，Tshell,i分别为壳体的密度、定压比热和第i个控制体积的温度；Qr,i和Qw,i分别为制冷剂侧与壳体的换热量和介质侧与壳体的换热量；kr,i和kw,i分别为制冷剂侧和介质侧的换热系数；Ar,i和Aw,i分别为制冷剂侧和介质侧的传热面积；Tr,i和Tw,i分别为制冷剂侧和介质侧第i个控制体积的温度；t代表时间。
式(7)中，考虑了制冷剂侧的控制体积的控制方程：
相较传统建模方式，可提高计算精度，本实施例的基于Modelica建模语言的相变换热器控制体积建模方式，只需对一个控制体积进行动态建模，降低了建模复杂度，保证了计算速度。
S14、将溶液热交换器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，建立溶液热交换器模型如下：
式(8)中，
和
分别为流入和流出第i个控制体积的溶液质量流量；
和
分别为流入和流出溶液的质量分数；Vsol,i为溶液热交换器的控制体积；
和
分别为流入和流出的溶液比焓；ρsol,i，psol,i，hsol,i分别为溶液热交换器中第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出的溶液压力；Qsol,i为溶液热交换内第i个控制体积的换热量；ksol,i和Asol,i分别为控制体积的传热系数和传热面积；ΔTsol,i为溶液热交换器第i个控制体积两侧流体的温差；t代表时间。
式(8)中，制冷剂侧的控制体积的控制方程为：
相较传统建模方式，可提高计算精度，本实施例的基于Modelica建模语言的溶液热交换器控制体积建模方式，只需对一个控制体积进行动态建模，降低了建模复杂度，保证了计算速度。
S15、通过溶液泵和阀门的流量计算公式建立溶液泵及阀门模型如下：
式(9)中，
和
分别为溶液泵和阀门的质量流量；np，Vp分别为溶液泵的转速和容积排量；ρpump为进入溶液泵的溶液密度；u和S分别为阀门开度和阀门横截面积；ph和pl分别为阀门两侧的高压压力和低压压力；ρvalve为进入阀门的流体密度。
所述阀门包括溶液调节阀和制冷机节流阀。
S2、针对溴化锂吸收式制冷系统中不同的物理域分别建立连接器，包括溶液连接器、水连接器和热连接器，用于计算不同物理域的变量并在组件模型之间传递所述变量。
具体的，每种连接器中可能存在的变量包括流通变量、势变量和流动变量。其中，溶液连接器中的流通变量为溶液质量流量，势变量为压力，流动变量为温度和溶液的质量分数；水连接器中的流通变量为制冷剂的质量流量，势变量为压力，流动变量为制冷剂的比焓；热连接器中的流通变量为热流量，势变量为温度。
S3、根据溴化锂吸收式制冷系统的结构，在各所述组件模型上添加相应的所述连接器，使组件模型具备交换变量的功能，将各组件模型中的相同类型的连接器对应连接，构成动态仿真模型。
具体的，连接器分为流入和流出两种类型。在相应组件中应用时流入、流出连接器上的流动变量的边界条件有所不同，且在图形界面上也有所区分，使用这些连接器时应注意流向。
具体的，在组件模型中添加连接器，通过图形化建模将组件连接起来，各连接器之间的连接关系参见图2。
如图2所示，在发生器模型中添加一个溶液流入连接器，一个溶液流出连接器，两个水流入连接器和一个水流出连接器；在吸收器模型中加入一个溶液流入连接器，一个溶液流出连接器，一个水流入连接器和两个水流出连接器；蒸发器模型和冷凝器模型中分别添加两个水流入连接器和两个水流出连接器；溶液泵和溶液调节阀模型中加入一个溶液流入连接器和一个溶液流出连接器；节流阀模型中放置一个水流入连接器和一个水流出连接器；溶液热交换器中加入两个溶液流入连接器和两个溶液流出连接器。其中，发生器的一个水流出连接器表示发生蒸汽的出口与冷凝器的水进口连接器相连，制冷剂蒸汽通过节流阀后，流入蒸发器的水流入连接器，最后进入吸收器的水流入连接器，完成了制冷剂回路。浓溶液从发生器的一个溶液流出连接器经过溶液热交换器、溶液调节阀后进入吸收器的溶液流入连接器，吸收器中的稀溶液从溶液流出连接器经过溶液泵和溶液热交换器后进入发生器，完成了溶液回路。
如图2所示，所构建的动态仿真模型的输入参数包括发生器管侧热源水流量
和发生器管侧热源水进口温度
蒸发器换热介质侧的冷冻水进口流量
和冷冻水进口温度
吸收器管侧冷却水流量
和吸收器管侧冷却水进口温度
阀门开度u和溶液泵的转速np；所构建的动态仿真模型的输出参数包括冷凝器内换热量Qcon、蒸发器内换热量Qevp、溶液热交换器内换热量Qhex、蒸发器换热介质侧的冷冻水出口温度
发生器壳侧与管壁的换热量
吸收器壳侧与管壁的换热量
S4、确定设计工况下的输入参数，输入参数一致时，设置系统结构参数，包括溶液泵的容积排量3.8E-07m3、溶液调节阀的横截面积为9.6E-06m2，节流阀的横截面积为2.5E-05m2，发生器和吸收器体积为0.024m3，蒸发器体积为0.002m3，冷凝器体积为8.4E-04m3，溶液热交换器的体积为5E-04m3。开展仿真计算，获得动态仿真模型的输出结果，对比设计工况下动态仿真模型的结果与实际系统的输出值，当热源温度阶跃上升10℃时，系统能效和冷冻水出口温度的变化情况与实际系统输出值的对比图分别如图3中(a)、(b)所示，它们变化规律相似，且达到稳态时的参数值能较好地吻合。
说明本实施例的动态仿真模型的准确性较高。
如果准确性没有达到预设标准，则可通过调整所述系统结构参数对动态仿真模型进行修正。
S5、进行动态仿真研究：对动态仿真模型的输入参数进行阶跃变化实验，得到溴化锂吸收式制冷系统的输出参数的动态响应。动态仿真研究过程中，可运用Modelica语言能记录动态过程中中间变量的特性，通过动态响应，分析动态特性形成的原因，研究溴化锂吸收式制冷系统的动态特性，为系统和控制器设计提供参考。具体包括：
S51：设定热源水初始温度为92℃，初始质量流量为0.9m3/h，在15000s前，每过5000s对质量流量进行阶跃变化，在20000s后对热源温度进行阶跃变化，来分析发生器产生蒸汽流量、发生器功率、冷冻水出口温度和系统能效的动态响应。
热源水的阶跃变化和发生器参数的动态响应如图4中(a)、(b)所示。热源水流量或温度的增加将导致发生器功率的增加，使其产生更多的制冷剂蒸汽。可以注意到，当热水供应条件发生变化时，蒸汽流量和发生器温度会出现超调和初始反向的特性。
这是由于发生器功率的增加，使发生器内的温度逐渐升高，减小了传热温差，于是发生器功率又会发生下降。因此，发生器功率存在超调现象，产生的蒸汽也有相同趋势。同理，当进入发生器的热水温度或流量降低时，发生器功率将急剧下降，导致发电机温度下降，使传热温差增大，最终发电机功率和蒸汽流量出现初始反向现象。
如图5所示，溴化锂吸收式制冷系统动态仿真模型的系统能效和发生器功率具有相反的趋势，冷冻水出口温度的变化趋势则与发生器功率的变化趋势相似。当发生器的加热条件变好时，冷冻水出口温度会上升，且上升的响应时间也会有所不同，在5000秒时约为3750秒，在15000秒时为2750秒。这是由于蒸汽流量越大，积累质量和能量时所需的平衡时间越长。
S52：将热源水流量设定为0.9m3/h，热源水温度设定为92℃，并使冷却水初始流量为2.5m3/h，每隔5000s进行阶跃变化；在20000s后，保持冷却水流量不变，设定初始冷却水温度为30℃，每隔5000s对其进行阶跃变化，并分析发生蒸汽流量、吸收器功率、冷冻水出口温度和系统能效的动态响应。
冷却水的状态变化和发生蒸汽流量及吸收器功率的响应如图6中(a)、(b)所示。可以看出，当冷却水流量增加或温度降低时，蒸汽流量增加，因为两者都改善了溴化锂吸收式制冷系统的冷却条件。由于较好的冷却条件会降低吸收器内的温度，提高溶液的吸收能力，从而增大蒸汽流量；随着吸收器温度的降低，传热温差减小，吸收器温度达到一个新的稳定值。因此，产生的蒸汽流量存在超调现象。同理，由于吸收器中的传热过程，当冷却条件恶化时，蒸汽流量将呈现初始反向特性。吸收器功率的变化也遵循这种规律。
如图7所示为冷冻水出口温度和系统能效的动态响应。可以注意到，改善冷却条件可以提高系统能效，同时降低冷冻水出口温度。与改变热源水的动态响应相比，系统能效的变化较为平缓，因为冷却水间接影响发生器功率和冷却功率。传热过程也会引起系统能效和冷冻水出口温度的初始反向特性和超调特性
本申请运用Modelica语言面向对象和图形化建模的特性，对包含多物理域的溴化锂吸收式制冷系统进行建模、对连接器进行建模，并将系统的组件通过连接器组合成为动态仿真模型。相较于传统建模方式，无需对动态方程进行数学处理，能更加便捷地对发生器、吸收器等模型进行修改、调试。
本申请对相变换热器、溶液热交换器的建模方式，提高了计算精度，并保证了计算速度，且只需对一个控制体积进行动态建模，降低了建模复杂度。
本申请运用Modelica语言能记录动态过程中的各中间变量的特性，提高了溴化锂制冷机的动态特性分析的便捷度。
本领域普通技术人员可以理解：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (8)
1.一种基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，包括：
将溴化锂吸收式制冷系统按功能拆分为不同组件，基于热交换、质量守恒、能量守恒和动量守恒，通过Modelica建模语言对各组件进行建模，形成组件模型，包括发生器模型、吸收器模型、相变换热器模型、溶液热交换器模型、溶液泵及阀门模型，所述相变换热器模型适用于描述蒸发器和冷凝器；
针对溴化锂吸收式制冷系统中不同的物理域分别建立连接器，用于计算不同物理域的变量并在组件模型之间传递所述变量；
在各所述组件模型上添加相应的所述连接器，根据溴化锂吸收式制冷系统的结构，将各组件模型中的相同类型的连接器对应连接，构成动态仿真模型；
根据设计工况下的输入参数，设置系统的结构参数，开展设计工况下的仿真计算，将仿真结果与实际系统的输出结果对比，对动态仿真模型进行验证，并通过调整结构参数对动态仿真模型进行修正；
进行动态仿真研究：对动态仿真模型的输入参数进行阶跃变化实验，得到溴化锂吸收式制冷系统的输出参数的动态响应。
2.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述通过Modelica建模语言对各组件进行建模，包括：
发生器模型的建立：
根据发生器壳侧的能量守恒方程及壳侧与管壁的换热方程，建立发生器壳侧动态模型，其中，在发生器壳侧能量守恒方程中考虑推动功项：
其中，Mgen，hgen，pgen分别为发生器内的累计质量、溶液比焓和压力；
分别为稀溶液质量流量、浓溶液质量流量、发生蒸汽质量流量；Vgen为发生器体积；hweak，hstrong，hv,gen分别为稀溶液比焓、浓溶液比焓和发生蒸汽比焓；
为发生器壳侧与管壁的换热量；t代表时间；
根据发生器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立发生器管侧动态模型；
根据发生器管壁的能量守恒方程，建立发生器管壁动态模型；
将所述发生器壳侧动态模型、所述发生器管侧动态模型和所述发生器管壁动态模型组合成所述发生器模型。
3.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述通过Modelica建模语言对各组件进行建模，包括：
吸收器模型的建立：
根据吸收器壳侧的能量守恒方程及壳侧流体与管壁的换热方程，建立吸收器壳侧动态模型，其中，在吸收器壳侧能量守恒方程中考虑推动功项：
其中，Mabs，habs，pabs分别为吸收器内的累计质量、溶液比焓和压力；
分别为稀溶液质量流量、浓溶液质量流量、吸收蒸汽质量流量；Vabs为吸收器体积；hv,abs为吸收蒸汽比焓；
为吸收器壳侧与管壁的换热量；t代表时间；
根据吸收器管侧流体的能量守恒方程和管侧流体与管壁的换热方程，建立吸收器管侧动态模型；
根据吸收器管壁的能量守恒方程，建立吸收器管壁动态模型；
将所述吸收器壳侧动态模型、所述吸收器管侧动态模型和所述吸收器管壁动态模型组合成所述吸收器模型。
4.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述通过Modelica建模语言对各组件进行建模，包括：
建立相变换热器模型：
将相变换热器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，相变换热器制冷剂侧的控制体积的控制方程为：
其中，Vr,i为制冷剂侧的控制体积；ρr,i，pr,i，hr,i分别为制冷剂侧第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出第i个制冷剂侧控制体积的质量流量；
和
分别为流入和流出的制冷剂比焓；
和
分别为流入和流出的制冷剂压力；Qr,i为制冷剂侧与壳体的换热量；t代表时间。
5.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述通过Modelica建模语言对各组件进行建模，包括：
建立溶液热交换器模型：
将溶液热交换器沿流体流动方向划分为若干等长的控制体积，每个控制体积都遵循质量守恒、能量守恒和动量守恒，溶液热交换器制冷剂侧的控制体积的控制方程为：
其中，
和
分别为流入和流出第i个控制体积的溶液质量流量；
和
分别为流入和流出溶液的质量分数；Vsol,i为溶液热交换器的控制体积；
和
分别为流入和流出的溶液比焓；ρsol,i，psol,i，hsol,i分别为溶液热交换器中第i个控制体积内的密度、压力和比焓；
和
分别为流入和流出的溶液压力；Qsol,i为溶液热交换内第i个控制体积的换热量；t代表时间。
6.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述通过Modelica建模语言对各组件进行建模，包括：
通过溶液泵和阀门的流量计算公式建立溶液泵及阀门模型，所述阀门包括溶液调节阀和制冷机节流阀。
7.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述连接器包括溶液连接器、水连接器和热连接器，所述溶液连接器中的流通变量为溶液质量流量，势变量为压力，流动变量为温度和溶液的质量分数，所述水连接器中的流通变量为制冷剂的质量流量，势变量为压力，流动变量为制冷剂的比焓，所述热连接器中的流通变量为热流量，势变量为温度。
8.根据权利要求1所述的基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法，其特征在于，所述输入参数包括发生器管侧热源水流量和发生器管侧热源水进口温度、蒸发器换热介质侧的冷冻水进口流量和冷冻水进口温度、吸收器管侧冷却水流量和吸收器管侧冷却水进口温度、阀门开度和溶液泵的转速；所述输出参数包括冷凝器内换热量、蒸发器内换热量、溶液热交换器内换热量、蒸发器换热介质侧的冷冻水出口温度、发生器壳侧与管壁的换热量、吸收器壳侧与管壁的换热量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211128632.7A CN115408875B (zh) | 2022-09-16 | 2022-09-16 | 基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211128632.7A CN115408875B (zh) | 2022-09-16 | 2022-09-16 | 基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115408875A true CN115408875A (zh) | 2022-11-29 |
| CN115408875B CN115408875B (zh) | 2024-02-02 |
Family
ID=84165728
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211128632.7A Active CN115408875B (zh) | 2022-09-16 | 2022-09-16 | 基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115408875B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105975692A (zh) * | 2016-05-05 | 2016-09-28 | 西安航天动力研究所 | 基于模型的挤压式双组元液体动力系统动态分析方法 |
| WO2017088763A1 (zh) * | 2015-11-26 | 2017-06-01 | 四川捷元科技有限公司 | 吸收式制冷单元浅槽式换热机构、制冷单元和制冷矩阵 |
| CN107357961A (zh) * | 2017-06-15 | 2017-11-17 | 苏州同元软控信息技术有限公司 | 基于Modelica模型的航天器推进系统动态分析方法 |
| CN110044098A (zh) * | 2019-05-20 | 2019-07-23 | 天津商业大学 | 一种风光电联合驱动的溴化锂吸收式制冷系统 |
| CN113719929A (zh) * | 2021-08-05 | 2021-11-30 | 西安交通大学 | 一种溴化锂空调系统整体性优化控制方法和系统 |
| CN114021253A (zh) * | 2021-11-03 | 2022-02-08 | 西安航天动力研究所 | 一种基于Modelica语言的液体火箭发动机动态仿真方法 |
-
2022
- 2022-09-16 CN CN202211128632.7A patent/CN115408875B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017088763A1 (zh) * | 2015-11-26 | 2017-06-01 | 四川捷元科技有限公司 | 吸收式制冷单元浅槽式换热机构、制冷单元和制冷矩阵 |
| CN105975692A (zh) * | 2016-05-05 | 2016-09-28 | 西安航天动力研究所 | 基于模型的挤压式双组元液体动力系统动态分析方法 |
| CN107357961A (zh) * | 2017-06-15 | 2017-11-17 | 苏州同元软控信息技术有限公司 | 基于Modelica模型的航天器推进系统动态分析方法 |
| CN110044098A (zh) * | 2019-05-20 | 2019-07-23 | 天津商业大学 | 一种风光电联合驱动的溴化锂吸收式制冷系统 |
| CN113719929A (zh) * | 2021-08-05 | 2021-11-30 | 西安交通大学 | 一种溴化锂空调系统整体性优化控制方法和系统 |
| CN114021253A (zh) * | 2021-11-03 | 2022-02-08 | 西安航天动力研究所 | 一种基于Modelica语言的液体火箭发动机动态仿真方法 |
Non-Patent Citations (3)
| Title |
|---|
| YING-CAI ZHANG等: "Simulation on the Performance of Lithium Bromide Absorption-Refrigeration System using Heat Pipe Exchangers", 2009 INTERNATIONAL CONFERENCE ON ENERGY AND ENVIRONMENT TECHNOLOGY, pages 321 - 324 * |
| 张杰: "基于Modelica/Dymola的吸收式制冷系统仿真模型库的研究", 万方学位论文, pages 8 - 9 * |
| 许玉杰;张士杰;肖云汉;: "单效溴化锂吸收式制冷机动态特性及控制分析", 中国电机工程学报, no. 1, pages 105 - 112 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115408875B (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103983041A (zh) | 反应釜用高放热量的制冷加热控温系统 | |
| TWI681159B (zh) | 用於熱調節流體的系統及方法、控制系統及機器可讀取媒體 | |
| Benhmidene et al. | Effect of operating conditions on the performance of the bubble pump of absorption-diffusion refrigeration cycles | |
| Zhang et al. | Modeling and output feedback control of automotive air conditioning system | |
| CN115408875B (zh) | 基于Modelica语言的溴化锂吸收式制冷系统动态仿真方法 | |
| Zhou et al. | Dynamic modeling and thermodynamic analysis of lithium bromide absorption refrigeration system using Modelica | |
| Li et al. | A model and multi-mode control of a centrifugal chiller system: A computer simulation study | |
| CN107763890A (zh) | 一种基于高压储液罐控制的高温热泵系统及控制方法 | |
| KR20190021798A (ko) | 수열원을 이용한 열교환 가변 제어형 히트펌프 시스템 | |
| CN1723376A (zh) | 吸收式制冷机的控制逻辑 | |
| CN107797453A (zh) | 一种co2跨临界循环的余热发电系统设计方法 | |
| CN108800598A (zh) | 烟气余热回收利用联合暖风器双旁路宽负荷调整方法 | |
| Ng et al. | Theoretical and experimental analysis of an absorption chiller | |
| JP6603066B2 (ja) | 排熱投入型吸収式冷温水機 | |
| CN210862148U (zh) | 热回收式高温烘干专用热泵机组 | |
| Yang et al. | Control for hvac chilled water system | |
| CN105956329A (zh) | 换热器各通道增益的机理建模计算方法 | |
| CN206398943U (zh) | 空调机组热回收系统 | |
| Valarmathi et al. | Design of genetic algorithm based internal model controller for a heat exchanger | |
| Ikegami et al. | Refrigerator system modeling and validation | |
| CN113959115B (zh) | 一种R134a-DMF吸收式热泵机组控制系统及方法 | |
| Verheyleweghen et al. | Self-optimizing control of a two-stage refrigeration cycle | |
| Okazaki et al. | Optimization of start-up operation for centrifugal chiller | |
| CN210522489U (zh) | 高低温一体机一拖二温控系统 | |
| Ma et al. | Dynamic simulation of batch-wise solar driven liquid desiccant air conditioning with TRNSYS |
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 |