JP4691736B2 - 冷凍システムの最適化方法と装置 - Google Patents

Description

本発明は、冷凍システム運転の最適化のための方法及びシステムの分野に関する。

大規模な産業システムにおいて、効率は運転の重要な側面であろう。システム効率の小さな改善であっても、かなりのコスト削減につなげることができ、同様に、効率性のロスは、コストの上昇またはシステムの故障にさえつながるであろう。冷凍装置は、運転するための強いエネルギーであり、システムの効率と能力を左右する多くのパラメーターを変動させる対象であるため、産業システムの重要な典型を代表する。

機械的な冷凍システムの大部分は、周知の原理と同様、蒸発器から凝縮機へ熱を送り出す駆動力を供給する、典型的には圧縮機等の機械的エネルギー源を備えた、冷媒が流れる閉ループ液体回路を用いて作動する。冷凍装置において、水またはブラインは、プロセスで使用するために蒸発器内で冷やされる。システムの一般的な形式においては、以下に詳述するように、蒸発器は、ハウジング内でチューブの束を形成する一組の平行チューブとして形成されている。そのチューブは分離プレートのそれぞれの端部で終わっている。水またはブラインはチューブを通して流れ、そして、冷媒はハウジング内でチューブの外側において別々に供給される。

凝縮器は、圧縮機から高温の冷媒ガスを受け、其処で冷媒ガスは冷やされる。凝縮器もまた、例えば冷却塔に流れる水で満たされたチューブを備え得る。冷やされた冷媒は、液体として凝縮し、そして重力により凝縮器の底へ流れ、バルブまたはオリフィスを通して蒸発器に供給される。

従って、圧縮機は、蒸発器から凝縮器へ積極的に熱を送り込むための駆動力を与える。一般的に圧縮機は、延ばされた寿命を与えるために、そして、精密な機械的許容差を伴った運転を可能にするために潤滑剤を要求する。潤滑剤は冷媒と混和可能なオイルである。したがって、オイルサンプがオイルを圧縮機に供給するために設けられ、そして、セパレータが、オイルを回収し再利用するために圧縮機の後ろに設けられている。通常、冷媒ガスと液状の潤滑剤とは重力により分離され、それゆえ、凝縮器は比較的にオイルがないままである。しかしながら、ある時間にわたって、潤滑オイルは、圧縮機および潤滑オイル再利用システムから凝縮器内へ移動する。凝縮器内ですぐに潤滑オイルは液化冷媒と混合され、そして、蒸発器へ運ばれる。蒸発器は冷媒を蒸発させるので、潤滑オイルは蒸発器の底にたまる。

蒸発器内のオイルは、泡立つ傾向があり、そして蒸発器のチューブの壁面にフィルムを形成する。フィンチューブ蒸発器のようなケースでは、少量のオイルは熱移動を高め、それゆえ有利である。核沸騰蒸発器のチューブのような他のケースでは、例えば１％以上のオイルの存在は、熱移動の減少という結果となる。Schlager,L.M.,Pate,M.B.,and Berges,A.E.,”A
Comparison of 150 and 300 SUS Oil Effects on Refrigerant Evaporation and
Condensation in a Smooth Tube and Micro-fin Tube”,ASHRAE
Trans.1989,95(1):387-97;Thome,J.R.,”Comprehensive Thermodynamic Approach to
Modelling Refrigerant-Lubricating Oil Mixtures”,Intl.J.HVAC&R
Research(ASHRAE)1995,110-126;Poz,M.Y.,”Heat Exchanger Analysis for
Nonazeotropic Refrigerant Mixtures”,ASHRAE Trans.1994,100(1)727-735(Paper
No.95-5-1)を参照のこと。

冷凍システムは、一般的に、蒸発器の上部の気相温度（過熱）を調節することによる方法、または、蒸発器内の液量（液レベル）を調節しようと努めることによる方法の二つの方法のうちの一つのシステムレベルに制御される。システムの負荷が増加するにつれて、蒸発器内の平衡は変化する。より高い熱負荷は、上部空間の温度を上昇させる。その上、より高い負荷は、単位時間当たりにより多くの冷媒を沸騰させ、より低い液レベルにつながる。

例えば、本明細書に特に引例として記載する、US 6,318,101は、クーラーピンチ及び過熱放出に基づいて電子式膨張バルブを制御する方法に関する。このシステムは、液スラッギングを抑制しながら、蒸発器内の冷媒レベルを推定し、これに基いてシステムを制御しようと努める。制御モニターは、電子式膨張バルブの最適な位置を決定し、システムパフォーマンス、適当な放出過熱度、および適当な冷媒充填を最適化するのに使用されるとされた特定の変数を監視する。また、本明細書に特に引例として記載する、US Patent No.6,141,980も参照のこと。

本明細書に特に引例として記載する、US Patent No.5,782,131は、液レベルセンサを備えた浸水クーラーを用いた冷凍システムに関する。

これらの各方法は、標準的で、そして運転のために要求された設定値とみなされた一つの固定設定値を準備する。この制御変数に基いて、一つまたはそれ以上の運転パラメータが変化する。一般的に、圧縮機は、速度可変ドライブ、または蒸発器から圧縮機へガス状の冷媒を偏らせる一組の角度可変翼を備えている。これらは圧縮機の出力を調節する。更に、いくつかの設計は、凝縮器と蒸発器との間に制御可能な膨張バルブを備えている。一つのメインの制御変数があるので、残りの要素は、その制御変数を設定値に維持するための内部ループとして一緒に制御される。

一般的な冷媒は、要求された冷凍温度よりも低い沸点（その運転圧力での）をもつ物質であり、それゆえ、運転状態下での蒸発（相変化）によって環境から熱を吸収する。したがって、蒸発器の環境は冷やされ、熱は凝縮器等の他の場所へ移動され、其処で蒸発の潜熱が捨てられる。このように、冷媒は蒸発を介してある領域から熱を吸収し、そして、他の領域において凝縮を介して熱を廃棄する。システムの多くのタイプにおいて、望ましい冷媒は、可能な限り高い蒸発器の圧力と、同時に可能な限り低い凝縮器の圧力を与える。高い蒸発器の圧力は、高い蒸気密度を意味し、したがって、所定の圧縮機へのより大きなシステムの熱移動容量を意味する。しかしながら、より高い圧力における効率は、特に凝縮器の圧力が冷媒の臨界圧力に近い場合はより低い。

冷凍システムの全体の効率は、各熱交換器の熱移動係数によって影響される。温度の釣り合いが損なわれ、同じ熱移動を達成するのにより大きな温度差が維持されなければならないので、より高い熱インピーダンスは、より低い効率をもたらす結果となる。熱移動インピーダンスは、一般的に熱交換器の壁面上の堆積物の結果として増加する。だけれども、場合によっては、熱移動は、種々の表面処理及び／又はオイルフィルムによって改善されるであろう。

冷媒は、圧縮機の潤滑剤、及び冷凍機器の構成材料との適合性、毒性、環境への影響、コスト有効性、そして安全性を含め、多くの他の要件を可能な限りベストに満たさなければならない。今日一般的に使用される液状の冷媒は、通常、クロロフルオロカーボン（ＣＦＣｓ）、ハイドロクロロフルオロカーボン（ＨＦＣＦｓ）、頻度は低いもののハイドロフルオロカーボン（ＨＦＣｓ）、そしてパーフルオロカーボン（ＰＦＣｓ）を含め、ハロゲン化され、部分的にハロゲン化されたアルカンを含有する。他の冷媒の多くは、プロパンおよびフルオロカーボンエーテルを含むことが知られている。いくつかの通常の冷媒は、Ｒ11、Ｒ12、Ｒ22、Ｒ500、そしてＲ502として識別され、各冷媒は、異なる用途に適した特性を有している。

産業用の冷凍装置において、蒸発器の熱交換器は、シェルを構成するより大きな容器内に束状の多数の平行チューブを収納した大型の構造物である。液状冷媒とオイルは、蒸発器の底にプールを形成し、沸騰し、チューブとその内容物を冷やす。チューブの内側では、ブラインのような水溶性の媒体が循環し、冷やされ、他の場所へ送り出され、其処でブラインは産業プロセスを冷やす。このような蒸発器は、いっそう大きな循環容積を用いて数百または数千ガロンの水溶性媒体を保持し得る。冷媒の蒸発は、プロセスにおける必須の部分であるので、液状冷媒およびオイルは、蒸発器の一部だけに入れられなければならない。

また、システムをクリーンにするために、浄化された冷媒をシステムを通して再利用することによって、冷凍または冷蔵システムを周期的に浄化することも知られている。ところが、この技法は一般的に、システム効率にかなり大きな変化を許し、そして、比較的に高いメンテナンス費用を招く。さらに、この技法は一般的に、蒸発器や例えば凝縮器内の最適な（ゼロではない）オイルレベルがあることを認めない。このように、典型的なメンテナンスは、最適状態には及ばず、点検後の追加的な交換を必要とする「クリーン」システムを形成しようと努める。冷凍システムの冷媒は、オイルを分離してクリーンな冷媒を供給するために、システムの終了を必要とするマニュアルプロセスによって回収され、または再利用される。

本明細書に特に引例として記載する、US Patent No.6,260,378は、特に不凝縮ガスの除去を制御する冷媒浄化システムに関する。

その基本的な設計は、オイルをサンプに戻すための本質的でない経路を有しているため、蒸発器内のオイルは蓄積する傾向がある。最適条件を越える量は一般的に、蒸発器内のオイル蓄積の増加に起因してシステム効率を下げる。それゆえ、蒸発器内における大量の冷媒オイルの蓄積はシステムの効率を下げる。

インラインデバイスは、蒸発器に入る冷媒から冷媒オイルを連続的に除去するために提供され得る。これらのデバイスは、オイルと冷媒を蒸発器から除去し、オイルをサンプに、そして蒸発した冷媒を圧縮機に戻す、いわゆるオイルエダクタを包含する。これらの連続的な除去デバイスの効率の悪さは、一般的に一部の冷媒による蒸発器の迂回、そして、もしかすると、冷媒を蒸発させ、或いはオイルを分離するために部分的に蒸留するための熱源の結果である。したがって、凝縮器を出る少ない割合の冷媒だけが、このシステムの対象となり、結果として蒸発器内のオイルレベルの貧弱な制御と効率ロスが生じる。それらは、エダクタを制御するのに不適切なシステムである。むしろ、エダクタは相対的に小ぶりで、連続的に作動するのが良い。蒸発のための熱はプロセスに効率的に使用されないので、大き過ぎるエダクタは比較的に効率が悪いであろう。

オイルを蒸発器から除去するその他の方法は、蒸発器内の混合された液状冷媒とオイルの一部のための圧縮機への分流器を設けることであり、其処でオイルは通常の再利用メカニズムに従う。しかしながら、この分流器は、効率が悪く、制御することが困難であろう。しかも、この方法を用いて低いオイル蓄積を達成し、維持することは困難である。

本明細書に特に引例として記載する、US Patent No.6,233,967は、エダクタの駆動流体として高圧のオイルを用いる冷凍チラーオイルの再生システムに関する。本明細書に特に引例として記載する、US Patent No.6,170,286及び5,761,914も参照のこと。

エダクタ及び分流器の両方において、オイルレベルが例えば約１％の低いレベルに達し、分離された流体の９９％が冷媒であるとき、プロセス効率の大きなロスにつながる。

ここで留意すべきは、蒸発器内のオイル蓄積を正しくサンプリングし、判断することが困難であるということである。冷媒が沸騰するにつれてオイル蓄積は増加する。したがって、冷媒の表面近くのオイル蓄積はその容積よりも高い。しかしながら、沸騰した液体が沸き返るとき、不均一性が生じ、そして、正確なサンプリングが困難または不可能になる。さらに、オイル蓄積の平均容積は、各種の構成要素のオイル効果を除いて、有意義な制御変数であるということは明らかでない。オイル蓄積を計測することが困難であるため、蒸発器内の冷媒の量を計測することもまた困難である。冷媒量の計測の困難さは、運転中に蒸発器が沸騰し、泡立つという事実によりその度を増し、システム終了中の量の計測は、他のシステムの構成要素との間の冷媒配分のどんな変化の原因にもなるに違いない。

冷却装置のチャージ状態は、システム能力とシステム運転効率の両方に実質的な効果をもつことが知られている。当然、もし蒸発器内の液状冷媒の量が不十分であるならば、システムはその冷凍の要求を満たすことができず、このことは能力を限定する。したがって、より大きな熱負荷を扱うためには、少なくとも蒸発器内においてより大量の冷媒が要求される。しかしながら、典型的な設計では、この大量の冷媒チャージを与えることによって、軽減された負荷でのシステムの運転効率は減少し、したがって、同じＢＴＵ熱量の冷却のためにより多くのエネルギーを要求する。本明細書に特に引例として記載する、Bailey,Margaret B.,”System Performance
Characteristics of a Helical Rotary Screw Air-Cooled Chiller Operating Over a
Range of Refrigerant Charge Conditions”,ASHRAE Trans.1998 104(2)。それゆえ、冷却装置の「サイズ」（例えば、冷却能力）を正しく選択することによって効率は高められる。一般的に、冷却能力は、予想最大設計負荷によって判断され、したがって、所与の設計負荷のために、一般的な設計において冷媒のチャージ量が決定される。それゆえ、改善されたシステム効率を達成するために、全てのサブシステムの運転中の高い全体システム負荷能力を認めた上で、一つまたはそれ以上の複数のサブシステムが、各システムの効率設計に余裕をもたせながら、負荷に応じて選択的に作動されるという、補充調節の技法が使用される。Trane”Engineer‘s Newsletter” December
1996,25(5):1-5を参照のこと。その他の知られた技法は、圧縮機の回転速度を変更しようと努める。本明細書に特に引例として記載する、U.S. Patent No.5,651,264を参照のこと。電子的なモータ制御を用いて圧縮機の速度を制御し、または、圧縮機内への冷媒の流れを制限することによってシステム能力を制御することも可能である。

冷却効率は一般的に冷却負荷と共に上昇する。したがって、最適なシステムは、その定格設計の近くでシステムを運転しようと努める。しかしながら、名目上のフルレベルよりも高い冷媒チャージレベルは、効率の死亡という結果を招く。さらに、冷却装置の負荷能力は、最小の冷媒チャージレベルに制約を設ける。したがって、最大効率に対する最適な冷媒チャージレベルがあることが分かる。上述したように、オイルレベルが蒸発器内で上昇するにつれ、冷媒を置き換えるだけでなく、システム効率に対する独立的な効果も有する。

複数のシステムが、冷却装置、即ち、水またはブラインのような水溶液を冷やす冷凍システムの効率の計測に利用可能である。これらのシステムにおいて、効率は、冷凍ユニット毎、一般的にトン毎に消費されたエネルギーのワット時（ボルト×アンペア×時間）、或いはイギリス熱単位（ＢＴＵ）(１イギリストンの水の温度を１°Ｃ変化させるのに必要なエネルギー量)に基いて計算される。したがって、最低限の効率の計測は、パワーメータ（時間基準、電圧計、電流計）、および出入口の水の温度計、流量計を要求する。一般的には、冷却水の圧力ゲージ、蒸発器、及び凝縮器の圧力と温度のためのゲージを含む更なる機器が設けられている。また、一般的にデータ処理システムプロセッサも、ＢＴＵ／ｋＷＨで効率を計算するために設けられている。

本明細書に特に引例として記載する、U.S.PatentNos.4,437,322;4,858,681;5,653,282;4,539,940;4,972,805;4,382,467;4,365,487;5,479,783;4,244,749;4,750,547;4,645,542;5,031,410;5,692,381;4,071,078;4,033,407;5,190,664;及び4,747,449 は、熱交換、その他同種類のものに関する。

本明細書に特に引例として記載する、U.S.2,951,349;4,939,905;5,089,033;5,110,364;5,199,962;5,200,431;5,205,843;5,269,155;5,347,822;5,374,300;5,425,242;5,444,171;5,446,216;5,456,841;5,470,442;5,534,151;
及び
5,749,245 を含めて、冷媒を分離するための多くの知られた方法と装置がある。その他、本明細書に特に引例として記載する、U.S.5,032,148;5,044,166;5,167,126;5,176,008;5,189,889;5,195,333;5,205,843;5,222,369;5,226,300;5,231,980;5,243,831;5,245,840;5,263,331;5,272,882;5,277,032;5,313,808;5,327,735;5,347,822;5,353,603;5,359,859;5,363,662;5,371,019;5,379,607;5,390,503;5,442,930;5,456,841;5,470,442;5,497,627;5,502,974;5,514,595;及び 5,934,091 を含め、多くの知られた冷媒リカバリーシステムがある。また、本明細書に特に引例として記載する、U.S.5,371,019;5,469,714;及び5,514,5951に示されたように、冷媒特性分析システムも知られている。

本発明は、冷凍システムの運転最適化のためのシステムと方法を提供する。今回の技術は、本明細書にそれぞれ特に引例として記載する、２００２年１２月９日にファイルされたU. S. Provision Patent Application Nos.
60/431, 901、及び２００２年１２月１９日にファイルされた60/434, 847からの優先権の利益を主張する。

最も知られている冷凍システムにおいて、制御は、主として液状冷媒が圧縮機に戻らないことを確実にし、そうでなければ、蒸発器内の冷媒のレベルが予め決められた確定レベルにあるだろうことを確実にするために努力する。

本発明によれば、蒸発器内の冷媒とオイルの最適なレベルは予め決められていない。むしろ、ある時間にわたり、負荷特性だけでなくシステム特性が変化するであろうこと、そして、最適な制御がより複雑なものを要求することが理解される。同様に、関連するパラメータの有効なレベルの直接的な計測値が計測不能であり、それらの代替値が提供されるであろうことが理解される。

本発明によれば、内部ループと外部ループから成る一対の制御ループが提供される。その内部ループは、圧縮機の熱を送り込むための駆動力を制御する。この内部制御ループは、外部ループからの一つの入力を受け、そして、例えば圧縮機の速度、負荷サイクル、吸込羽根の位置等に従って、圧縮機の運転を最適化する。本発明の場合、制御可能な膨張バルブ（一般的には、凝縮器と蒸発器との間に設置される。）もまた、この内部制御ループに含まれている。したがって、内部制御ループは、蒸発器への液状冷媒の供給率を制御する。

外部制御ループは、システム内の蒸発器とアキュムレータ要素との間における冷媒の配分を制御する。そのアキュムレータは、アキュムレータ内の冷媒量が厳密でなく、単にこの要素がシステムの他の部分の冷媒量の変化を許容する点で、一般的に「機能的な」システム要素ではない。そのアキュムレータは、凝縮器の下部、分離式アキュムレータ、または明らかに冷凍プロセス内の微粒子ではない蒸発器の予備部分であり得る。

安定状態での運転中、凝縮器からの液状冷媒の供給は、圧縮機へのガス取入れの割合と等しいだろう。したがって、蒸発器内での熱吸収の割合は、圧縮機のための内部制御ループを効果的に制御するであろう。一般的に、この熱吸収は、計測され、或いは、蒸発器の排出温度と排出圧力、蒸発器の水／ブラインの入出口の温度と圧力、そして、できれば、凝縮器の上部空間の温度と圧力を含む種々のシステムセンサから推定されるであろう。

外部制御ループは、蒸発器内の最適な冷媒レベルを判断する。蒸発器内の冷媒レベルの直接的な計測は、二つの理由から困難である。第一に、蒸発器は冷媒とオイルで満たされており、例えばオイル蓄積に対して光学的センサを使用することによる蒸発器の内容物の直接的なサンプリングは、一般的に運転中に有用な結果をもたらさない。システム停止中は、オイル蓄積は正確に計測されるが、そのような停止状態は、一般的に種々のシステムの構成要素内の冷媒の再配分を許す。第二に、運転中、冷媒とオイルは泡立ち、泡を吹き、それゆえ、判断される単純なレベルはない。むしろ、特に比較的に短期間に変化する、蒸発器内の冷媒量を推測するための好ましい方法は、好ましくは凝縮器の下側部分または凝縮器と一体になったアキュムレータ内の冷媒レベルを監視することである。この冷媒は比較的に純粋であり、凝縮状態下で保持されているので、そのレベルは計測することが比較的に簡単である。システムの残りの構成要素は主に冷媒ガスを含むので、凝縮器またはアキュムレータの冷媒レベルの計測は、蒸発器の冷媒レベルの変化を計測するための有益な情報を与えるであろう。もし、アキュムレータまたは凝縮器と蒸発器との両方の開始レベルが知られているならば（停止状態時に等しい）、絶対的な計測値が計算され得る。

勿論、蒸発器内の冷媒の量を計測し、計算するための他の手段があり、そして、この発明の広い実施例は、その好ましい計測方法に限定されない。

本発明は、しかし、蒸発器内の量を超える変数制御を用いた冷媒の配分があるということを提供する。外部ループは最適な状態を達成するためにこのレベルを制御する。

冷凍システムにおいて、効率は、熱移動単位毎のエネルギーの形で計算される。エネルギーは、電気、ガス、石炭、その他の源として供給され、そして、直接的に計測されるであろう。また、技術上知られた代替計測値も使用され得る。また、熱移動も知られた方法で計算され得る。例えば、冷却されたプロセス水への熱移動は、その流速とその入出口の温度を計測し、または推定することにより計算される。

様々な負荷状況下において、要求された冷媒の配分に関する制御アルゴリズムを計画することができるので、本発明の好ましい実施例は、適応性のある制御を提供する。この適応制御は、普通に発生し誘発されるであろうシステム過渡中に、与えられた運転ポイントでの冷媒配分の変化とともに、システム効率のチャージを判断する。例えば、もし、異なる熱負荷損失を要求するプロセスが変化するならば、これは入口の水温及び／又は流速の変化により表されるであろう。この変化は、蒸発器内の冷媒の蒸発の異なる割合という結果になり、したがって、配分の一時的な変化という結果になるであろう。冷媒の配分を補正する前、或いは、冷媒配分の補正とともに、その制御はシステム効率を監視する。この監視は、その制御がシステムモデルを発展させることを可能にし、そして、最適な制御表面を予想することを可能にする。その外部ループは、最適な効率を達成するために冷媒を再配分する。ここで注目すべきは、効率は一般的にｋＷ／トンで判断されるので、効率の他の計測値は、その制御戦略を実質的に変更することなく代替され得るということである。冷凍システム自体を最適化するだけでなく、例えば、その産業プロセスも含まれ得る。この場合、製造パラメータまたはプロセスの経済性が、より大域的な最適化を提供するために計算され得る。

大域的な最適化においては、他のシステムもまた制御を必要とし、或いは、入力に仕える。これらは、周知の方法で対応され得る。

ある期間にわたって、オイルは圧縮機のオイルサンプから蒸発器へ移動する。本発明の一つの態様は、蒸発器内のオイルレベルを推定するために、オイル消費を計測する制御システムを提供する。この制御システムは、したがって、サンプ内へのオイル補充、圧縮機の出口からのオイルリターン、及びエダクタからのオイルリターンを計測する。ここで注目すべきは、サンプ内のオイルは冷媒と混合されているかもしれず、したがって、例えば、冷媒を除去すべくオイルのサンプルを沸騰させることによる単純なレベルゲージ、或いは、光学型センサのようなオイル蓄積センサを使用することによる単純なレベルゲージは、おそらく補正を要求するだろうということである。したがって、蒸発器内へのオイル移動量を推定し、そして、既知の開始状態またはクリーンシステムを用いてオイル総量を推定することは可能である。入出口の水温および水圧だけでなく、蒸発器の放出温度および放出圧力の計測値を用いることによって、チューブ束の熱移動係数と、その損失を推定することが一層可能となる。その冷媒、オイル、及び熱移動損失は、蒸発器の効率を制御する主な内部変数である。短期間にわたり（そして、オイルが意図的に蒸発器に加えられていない想定）、冷媒はただ一つの効果的で有用な制御変数である。長期間にわたって、オイルエダクタは、蒸発器内のオイルレベルを最適なレベルに戻すために、推定され計測されたオイル蓄積に基いて制御され得る。長いインターバル中、熱移動損失を補正し、冷媒を浄化するために、メンテナンスが実行され得る。そのようなメンテナンスの必要性は、制御システムからの出力として示され得る。例えば、制御システムは、制御変数を最適状態に速やかに調節するために自動的に作動する。この調節は、プロセス状態またはいくつかの適応性のある自動調節プロセスの変化によって引き起こされる。加えて、ある期間にわたって、制御表面の最適化は変化する。この表面は全体効率を下げるように変化するので、オイルエダクタ、（一般的には凝縮器からの）不凝縮ガスの排除、その他の第二の補正制御が発動され得る。長期間にわたって、その制御はモデルに関するシステム運転の有効なパラメータをモデル化し、そして、システムが故障したためか、例えばチューブ束を通した熱移動が損なわれて実質的な効率の悪さが明らかになったかして、点検が要求される時期を判断し得る。

上述したように、内部制御ループは、概してプロセス変化に対する直接的な応答から分離されている。さらに、蒸発器は通常、内部制御ループの外側にあるので、この制御ループは、概して凝縮器内の不凝縮ガスの増加を除いて、ある期間にわたって不利な変化を受けない。この非凝縮ガスは、過熱度に基いて推定することが比較的に簡単であり、排除することが比較的に簡単である。したがって、内部制御ループは、典型的に予め決定された制御戦略により作動し、適応的である必要はない。言い換えると、これは静的なシステムモデルに基いて発効され、様々な状況下での最適な効率を達成するために、例えば、モータ速度、吸入羽根の位置、そして膨張バルブの制御等の多変量制御を可能とする。

他方、外部制御ループは、主にシステム負荷の変動に伴なう冷媒の配分という一つの変数に基いて短期間のシステム応答を制御しようと努める。静的なシステムモデルは、要求された正確性を達成しながら実行するのが困難または不可能であるが、そのような制御は、システム変化を補正し、そして、ある期間にわたって実際にシステム効率を不利にするシステムパラメータの偏差を補正するために、適応的な方法で直ちに実行される。

勿論、これらの制御ループとそれらのアルゴリズムの実行は融合され、実際にハイブリッド化され、一般的な戦略と同じであることが明らかである。どんな運転ポイントにおいても、冷媒配分が最大効率を達成するために制御される。そのシステムは、システム応答の変化を補正するために、制御変数の作用としての効率を検出し、試験する。

制御方法としての冷媒の配分の基本要素のより詳細な分析が提供される。冷却装置の効率は、過冷却温度および凝縮圧力を含む、いくつかの要因によって決まり、言い換えれば、冷媒のチャージレベル、名目上の冷却負荷、及び外気温によって決まる。まず、熱力学的サイクルでの過冷却が検討されるであろう。図６Ａは蒸気圧縮サイクル図を示し、図６Ｂは、実際の温度−エントロピー線図を示す。図６Ｂ内の破線は理想サイクルを表す。図６Ａに示された状態２において圧縮機を出たとき、高熱ガスとオイルとの高圧混合物は、冷媒が強制伝達により移動空気（または他の冷却媒体）に熱（Ｑｈ）を捨てるリモート空冷凝縮器のチューブに入る前に、オイルセパレータを通過する。凝縮器のコイルの最後の数列では、高圧の飽和液冷媒は、図６Ｂの状態３に示されるように、製造業者の提案に従って例えば１０Ｆ乃至２０Ｆ（５.６Ｃ乃至１１.１Ｃ）に過冷却されるであろう。この過冷却のレベルは、凝縮器に続くデバイスである電子式膨張バルブが適切に作動することを可能にする。加えて、過冷却のレベルは、冷却装置の能力と直接的な関連を有する。過冷却のレベルの低下は、（図６Ｂの）状態３を右に移し、そして、これに対応して状態４を右に移す結果となり、したがって、蒸発器の熱移動容量（Ｑ１）を減らす結果となる。

冷却装置の冷媒チャージが増加するにつれ、システムの高圧側における凝縮器内に蓄えられる冷媒の蓄積もまた増加する。凝縮器内の冷媒量の増加はまた、蒸発器内のより少ない冷媒の流れに起因して冷却装置の負荷の減少として現れ、凝縮器内の貯留（蓄積）の増加という結果となる。浸水された凝縮器は、過冷却のために使用される顕熱移動面積の増加を引き起こし、そして、これに対応して凝縮に伴なう潜熱、或いは等温の熱移動に使用される表面積の減少を引き起こす。したがって、冷媒チャージレベルの増加および冷却負荷の減少は共に、過冷却温度および凝縮温度の増加という結果となる。

したがって、本発明によれば、冷媒の貯留変動に起因する効率の悪さを減少させるために凝縮器またはアキュムレータが提供される。このことは、静的な機械的な構成、或いは制御変数の構成によって達成され得る。

外気温または他の放熱板（凝縮器の熱廃棄媒体）の温度の増加は、凝縮器の運転に反対の効果をもつ。放熱板温度が増加するにつれて、より多くの凝縮表面積が、凝縮に伴なう潜熱、或いは等温の熱移動のために使用され、そして、これに対応して過冷却のために使用される顕熱移動面積が減少する。したがって、放熱板温度の増加は、過冷却温度の減少と凝縮温度の増加という結果となる。

図６Ｂを参照すれば、過冷却の増加は状態３を左へ動かし、凝縮温度の増加は、状態２と状態３とを連結する曲線を上方へ移す。高い凝縮温度は、最終的に、圧縮機モータの過負荷と、圧縮機の電力消費の増加または効率低下とにつながり得る。過冷却が増加するにつれて、熱が蒸発器に加えられ、状態４と状態１とを連結する曲線を上方へ移す結果となる。蒸発温度が増加するにつれて、凝縮器に入る冷媒の比体積もまた増加し、圧縮機の入力電力の増加という結果となる。したがって、冷媒チャージレベルの増加、および冷凍装置の負荷状態の減少は、過冷却の増加という結果となり、圧縮機の電力入力の増加につながる。

過熱レベルは、図６Ｂの状態１として示されるように、冷媒が飽和曲線から離れた後の温度のわずかな増加によって表される。蒸発した冷媒は、冷却装置の蒸発器から出て、過熱蒸気として圧縮機に入る。本発明によれば、過熱の量は一定ではなく、効率性を達成するための運転状態に基いて変化し得る。いくつかのシステムでは、水滴による孔食および侵食、または液状スラッグによる早期の故障を避けるための例えば２.２Ｃの最小限の過熱が与えられる。しかしながら、いくらかの過熱の量は、一般的に効率の悪さを表す。本発明によれば、低い過熱レベルの「コスト」は、この要因を計算するために、任意に最適化に含まれ得る。他方、システムは、低い運転過熱レベルに従って、そのような問題を減少させ、制御するために提供され得る。

凝縮器における過熱レベルは、例えば、熱力学的な効率の悪さを引き起こす不凝縮ガスの蓄積によって増加し得る。したがって、本発明の一つの態様によれば、過熱レベルは監視され、もし、それが要求レベルを超えて増加したならば、不凝縮ガスの排除サイクル、或いは他の冷媒浄化が実施され得る。不凝縮ガスは、例えば、凝縮器から気相を抽出し、それを有効な過冷却の対象にすることによって、除去され得る。このサンプル内の冷媒は液化するので、サンプルの上部空間は主として不凝縮ガスであるだろう。液化した冷媒は、凝縮器に戻され、或いは蒸発器に供給され得る。

前述したように、放熱板の温度の増加は、放出圧力の増加を引き起こし、言い換えれば、圧縮機の吸い込み圧力を増加させる原因になる。図６Ｂの状態２と状態３を連結する曲線と状態４と状態１、３は共に、放熱板温度の増加によって上方へ移る。１を通る４の曲線の上方への移動、或いは冷媒の蒸発温度の増加は、蒸発近似温度の減少という結果となる。その近似温度が減少するにつれて、蒸発器を通過する質量流量は、適当な熱量を冷却水ループから除去するために増やさなければならない。したがって、放熱板の温度の増加は、蒸発圧力を増加させる原因となり、蒸発器を通過する冷媒の質量流量を増加させることにつながる。蒸発器を通過するより高い冷媒の質量流量と近似温度の減少との総合効果は、過熱温度の減少を引き起こす。したがって、放熱板温度と過熱温度との間には、逆の関係がある。

冷媒チャージの減少とともに、図６Ｂの状態２と３とを連結する曲線は下方へ移動し、そして、過冷却レベルは減少し、或いは、図６ＢのＴ−ｓ線図上の状態３は右へ動く。凝縮器から出たガス状冷媒の量の増加によって、膨張デバイスに通じる液ラインで泡が現われ始める。膨張デバイス（図６Ｂの状態３）に入る冷媒に適当な量の過冷却がなければ、そのデバイスは最適に作動しない。加えて、冷媒チャージの減少は、蒸発器内を流れる液冷媒の量の減少を引き起こし、そしてその後の能力の減少と、過熱及び吸込圧力の増加とを引き起こす。このように冷媒チャージレベルと過熱温度との間には逆の関係がある。

本発明によれば、凝縮器からの放出は、対応するリザーバを含めて考え、そして、このことは、要求された過冷却レベルを達成するための機会の増加を提供する。同様に、リザーバが与えられるので、冷媒チャージは、全ての運転環境下での要求を越えていると推測され、したがって、それは制限的でないだろう。また、リザーバが小ぶりである点で、ハイブリッド制御戦略を備えることも可能であり、したがって、軽負荷時には、冷媒はリザーバに蓄積し、重負荷時には、冷媒チャージは制限される。本発明による制御システムは、勿論、周知の技術でこの要素を補正する。しかしながら、好ましくは、冷媒チャージが制限されないときは、過熱温度は独立的に制御される。同様に、冷媒チャージがまさに十分である場合は、蒸発器は制御戦略の一部として人為的に欠乏状態にされ得る。

極端な冷媒チャージの不足状態では（チャージが−２０％以下）、冷媒チャージ不足は、吸込圧力の増加を引き起こす。一般的に、平均吸込圧力は、全チャージレベルが−２０％を越えている間は、冷媒チャージの増加と共に増加する。冷媒チャージレベルは過熱温度と吸込圧力の両方を判断するのに有効な変数である。

効率を計算するために冷凍システムを計測し、操作のためのプロセス変数を選択し、プロセス変数を変更することによって、冷凍システムの効率と能力を計測し、分析し、そして操作するシステムと方法が提供される。

産業プロセスにおいて、冷凍システムは、目的物を要求レベルまで冷やすために十分な能力を備えなければならない。もし、その能力が不十分であるならば、その基本プロセスは、ときに大惨事を招くほどに失敗するであろう。したがって、十分な能力の維持、及び多くの場合に予備の余裕は、重要な要請である。したがって、能力が制限的である場合、そのプロセスを許容レベル内に維持するために、最適なシステム運転からの偏差が許容され、或いは、要求されさえすることが理解される。長期間にわたって、そのシステムが有効な運転のために十分な能力を有することを確実にするための複数のステップが採用され得る。例えば、チューブ束のスケールまたは他の熱移動障害を除去するためのシステムメンテナンス、（例えば、余分オイルを排除するための）冷媒及び冷媒側の熱移動表面のクリーニング、そして、不凝縮ガスの排除が、単独で或いは複合状態で実行され得る。

効率の悪いシステムが必ずしも故障しないとはいえ、効率もまた重要である。効率の悪さは、一般的にシステム能力を減少させるので、効率とシステム能力は、多くの場合、関連がある。

本発明の他の実施例によれば、一組の状態計測値が、冷凍システムから取得され、その後、自己一貫性のために、そして効率等の基本的なパラメータを抽出するために分析される。自己一貫性は、例えば、そのシステムモデル固有の仮定を評価し、そしてそれゆえ、モデル動作からの実際のシステム動作の偏りを示し得る。実際のシステムは、モデルからそれるので、システムパラメータの実際の計測値も、それらの熱力学理論の対応部分からそれる。例えば、チューブ束上のスケールの蓄積等によって熱交換パフォーマンスが減少し、或いは、不凝縮ガス等によって圧縮機の過熱温度が減少した場合、これらの要素は、システム状態の相当する一組の計測値に現われるであろう。システムの効率の悪さにつながる要因のみならず、このような計測値もまた冷凍システムの能力を推定するのに使用され得る。言い換えれば、それらは、システムを最適状態に戻すことにより行い得るパフォーマンスの改善を評価するために使用され、そして、そのような成果のためにコスト利益の分析を実行するために使用され得る。

主として、広範囲で費用のかかるシステムメンテナンスが実行される前に、単純な状態分析ではなく、リアルタイムのパフォーマンス監視のためにそのシステムを計測することが好ましい。このようなリアルタイムのパフォーマンスのモデル化は一般的に費用がかかり、そして、通常のシステム運転の一部でない。しかしながら、状態分析のための適切な情報は一般的にシステム制御に都合が良い。リアルタイム監視システムを用いることによって、変動する環境における運転特性の分析が評価され得る。

この構想はまた、冷凍システムに限定されるものではなく、他のタイプのシステムでも使用され得る。したがって、一組のセンサ計測値が取得され、そして、システムモデルに関して分析される。その分析は、その後、システムの運転パラメータを調節し、メンテナンス処置を教唆し、或いは、コスト利益の分析の一部として使用され得る。内燃機関、ターボ機関、水圧及び空気圧システムを含む、他のシステムにこの方法が適用され得る。

好ましくは、その効率はプロセス変数と共に記録される。したがって、各システムのために、直接的に或いは代替計測によって検出されるプロセス変数に対する実際の効率性の感度が計測され得る。

本発明の更に他の態様によれば、ビジネス方法が、一般的な点検コストまたは均一費用基準でなく、コスト削減基準に基いて、複合システムの維持のために提供される。本発明のこの態様によれば、直接的なコストに基づく費用のためにシステムを点検、維持するのではなく、補正は、システムパフォーマンス基準に基づく。例えば、システムパフォーマンスのベースラインが計測される。その後、最小のシステム能力が確定され、そして他方で、そのシステムは、おそらくその点検のコスト利益に基いて、点検機関の有効な決定権で点検を受ける。点検機関は、例えば、そのベースラインを超えるコスト削減のパーセンテージ等のシステムパフォーマンスに基づいてコスト利益を補正している。本発明によれば、制御システムからのデータは、効率的な状態からのシステムパラメータの悪化を判断するために使用され得る。本発明はまた、システムパフォーマンスを監視し、そして、そのようなパフォーマンスデータを、例えば、ラジオ伝送、電話線上のモデム伝達、またはコンピュータネットワークを通じて、遠くの点検機関へ伝達することを可能にする。この伝達はまた、プロセスの変化に関する点検機関への即時の通知を可能とし、もしかすると、やがて起き、そして、その後に起きるシステム故障を防ぐことを可能にする。

この場合、そのシステムは、頻繁にまたは連続的にパフォーマンスが監視され、そして、いかなるときでも、システム能力が十分であるか否かの決定が為され、例えば、冷媒浄化、蒸発器の錆落としや掃除、不凝縮ガスの排除、或いはこれに類する確実なメンテナンス点検を実行することは費用効率が良いであろう。一般的に、もしシステム能力が、実質的に予め指定されたリザーブ値（季節により或いはその他の要因により変化し得る）よりも減少したならば、点検が要求される。しかしながら、この場合でさえ、システム能力の悪化は、要因の変化が原因となり、そのとき、最も効率的な改善が、コスト効果的に適切なシステムパフォーマンスを達成するために選択され得る。

システム点検後またはメンテナンス後、制御システムは、点検前またはメンテナンス前のパラメータが誤ってシステム動作を支配しないことを確実にするために初期化され、戻され得る。

本発明の第二の主たる実施例によれば、多変量の最適化と制御が実施される。多変量の分析と制御の場合、複数の変数または時定数の複合セットの間の相互作用は、複合制御システムを要求するであろう。制御の多くのタイプは、システムの運転を最適化するために実行されるであろう。典型的には、制御の適切なタイプが選択された後に、効率的な運転及びシステム効率に関するセンサからの入力変数の関係を確定するために、そのシステムに合わされなければならない。多くの場合、制御はしばしば、例えば好ましくない変動または不安定性を回避するため、そのシステムに特有の時間遅延の原因となる。多くの場合、仮定の簡素化または区分けが、制御の問題に対する従来の分析的解法を提供するための動作スペースの分析で行われる。他の場合、非線形の技法が、入力変数の全範囲を分析するために用いられる。最終的に、非線形の技法と、仮定の簡素化または動作スペースの区分けとの両方を使用するためにハイブリッド技法が用いられる。

例えば、本発明の第二の主たる実施例において、運転状態の範囲は直交図に沿って区分され、そして、プロセス変数操作に対するシステムの感度は、区分内のそれぞれの変数のために計測されることが好ましい。これは、全動作スペースをマッピングするためにそれぞれの変数の増加及び減少の両方を要求するのではなく、例えば、試験または訓練段階における各変数の単調な変化を許す。他方で、単一の変数の場合、計測の高速を与えるために計測が行われている間、その変数は継続的に変更されることが好ましい。

勿論、直交する（双方向性でない）パラメータを計測することが可能でないかもしれない。したがって、発明の他の実施例は、システムの運転とパフォーマンスに関する多様なデータを受け、そして、このデータに基いてシステムパフォーマンスを分析する可能性を提供する。同様に、連続的にシステムパフォーマンスを監視している間、システム特性を判断するために、既存の（普通に存在する）システム摂動を用いることが可能である。代わりに、そのシステムは、効率の悪さ、或いは好ましくないシステムパフォーマンスを招かない技術を用いて、適切なシステムパフォーマンスパラメータを判断するための一組の有効な摂動を含めるために制御され得る。

適応制御システムにおいては、その制御変数の小さな摂動に対する運転効率の感度は、自動調節システムのようにアレンジすることが困難で、訓練または試験後にシステム構成又は特性が変化するならば不正確または不完全であり得る、試験モード或いは訓練モード中にではなく、システムの実際の運転中に計測される。全運転範囲を越える各設備の特性は、しばしば完全には特徴づけられず、そして、ある期間にわたって変化を受けるので、適切な制御パラメータを判断するために、オペレータに異なる試験または試行錯誤方法を行うことを要求する手動調節は一般的に実現可能ではない。いくつかの手動調節手段は、D. E. Seborg, T. F. Edgar, and D. A.
Mellichamp, Process Dynamics and Control, John Wiley & Sons, New York (1989)
and A. B. Corripio, Tuning of Industrial Control Systems, Instrument Society of
America, Research Triangle Park, N. C. (1990).に記述されている。

自動調節方法は、そのコントローラが適切な制御パラメータを自動的に判断するために通常のプロセス制御を中断する間、周期的に開始される調節手段を要求する。その制御パラメータのそのようなセットは、次の調節処置まで変化しないままであろう。いくつかの自動調節手段は、K. J. Astrom and T. Hagglund, Automatic
Tuning of PID Controllers, Instrument Society of America, Research Triangle
Park, N. C. (1988).に記述されている。自動調節コントローラは、固定期間の外部事象に基くか、または要求されたシステムパフォーマンスからの計算された偏差に基づくかして、オペレータであり得、或いは自己開始され得る。

適応制御方法を用いれば、その制御パラメータは、プロセス力学の変化に順応するために、通常の運転中に自動的に調節される。さらに、制御変数は、他の方法による調節との間で起き得るパフォーマンス低下を回避するために連続的に更新される。他方、適応制御方法は、最適化をテストするために「最適の」状態からの必要な周期的な変動によって効率の悪さという結果を招き得る。さらに適応制御は、複合体であり、そして、高度な知能を要求するであろう。その制御は有利にシステム動作を監視し、そして、データ収集に適切な事象を選択し、修正し得る。例えば、パルス幅変調パラダイムによるシステム運転では、パルス幅及び／又は周波数は、多様な運転状態についてのデータを取得するために、システムを運転許容範囲から不必要にそらせることなく、特別な方法で変更され得る。

多数の適応制御方法が開発されている。例えば、C. J. Harris and S. A. Billings, Self-Tuning and
Adaptive Control: Theory and Applications, PeterPeregrinus LTD (1981).を参照のこと。モデル参照適応制御（MRAC）、自己調節制御、及びパターン認識適応制御（PRAC）の三つの主要な適応制御に対する提案がある。最初の二つの提案であるＭＲＡＣと自己調節制御は、一般的に完全に複合体であるシステムモデルに基づいている。そのモデルの複雑さは、異常または普通でない運転状態を予想する必要性によって必要とされる。特に、ＭＲＡＣは、指令信号に対するシステムの応答が、参照モデルの応答に従うまで、制御パラメータを調整することを含む。自己調節制御は、ライン上のプロセスモデルのパラメータを判断し、そして、プロセスモデルのパラメータに基いて制御パラメータを調整することを含む。ＭＲＡＣ及び自己調節を実行するための方法は、K. J. Astrom and B. Wittenmark, Adaptive
Control, Addison-Wesley Publishing Company (1989)に記述されている。産業冷却装置では、そのシステムの適切なモデルは、一般的にその制御を実行するのに有効でなく、したがって、自己調節制御は、伝統的なＭＲＡＣよりも好ましい。他方、満足なモデルは、上述したように、システム効率と能力を推定するのに有効であろう。

ＰＲＡＣを用いれば、閉ループ応答のパターンを特徴づけるパラメータは、有効な設定値が変化し、または外乱を取り込んだ後に判断される。その制御パラメータは、その後、閉ループ応答の特性パラメータに基いて調節される。ＥＸＡＣＴとして知られているパターン認識適応コントローラは、T. W. Kraus and T. J. Myron,
"Self-Tuning PID Controller uses Pattern Recognition Approach, "Control
Engineering, pp. 106- 111, June 1984, E. H. Bristol and T. W. Kraus, "Life
with Pattern Adaptation,"Proceedings 1984 American Control Conference, pp.
888-892, San Diego, Calif. (1984), and K. J. Astrom and T. Hagglund, Automatic
Tuning of PID Controllers, Instrument Society of America, Research Triangle
Park, N. C. (1988).に記述されている。また、本明細書に特に引例として記載する、U.S.Pat.No.Re.33,267 も参照のこと。ＥＸＡＣＴ方法、及びこれに類する他の適応制御方法は、通常の運転下で制御パラメータを調整するためにオペレータの介入を要求しない。通常運転が始まる前、ＥＸＡＣＴは、慎重に管理された起動と試験期間を要求する。この期間、エンジニアは、コントローラゲイン、積分時間、及び微分時間のための最適な初期値を決定する。そのエンジニアはまた、予想ノイズバンドと、プロセスの最大待機時間を決定する。そのノイズバンドは、フィードバック信号上のノイズの予想振幅の代表値である。その最大待機時間は、ＥＸＡＣＴアルゴリズムがフィードバック信号内の最初のピークを検出した後、二番目のピークを持つ最大時間である。さらに、ＥＸＡＣＴベースコントローラは、通常使用に置かれる前に、オペレータはまた、最大減衰係数、最大オーバーシュート、パラメータ変化リミット、微分要素、及びステップサイズのような他のパラメータを指定し得る。実際、熟練オペレータによるこれらのパラメータの準備は、概して産業冷却装置のどんな制御にとっても設備プロセスにおいて適当であり、したがって、このような最初の運転ポイントの手動定義は、事前の仮定なしに開始する技法よりも好ましい。運転スペースの案内のない探索は、効率が悪く、危険であるからである。

本発明によれば、システム運転パラメータは、事前の「安全な」運転範囲に制限される必要はなく、比較的に行き過ぎたパラメータの値が、改善されたパフォーマンスを与え、同時に、安全性の余裕を保ち、間違った或いは人為的なセンサデータを検出し或いは予測する。したがって、たぶん確からしい通常運転制限の手動入力とともに運転中に構築されたシステムモデルを使用することによって、そのシステムは、システム機能不全の可能性を判断するためにセンサデータを分析し、それゆえ、より大きな信頼性で積極的な制御計画を選択するであろう。もし、その可能性が閾値を越えるならば、エラーが示され或いは他の改善行為がとられるであろう。

第二の知られたパターン認識適応コントローラは、Chuck Rohrer and Clay G. Nelser in"Self-Tuning
Using a Pattern Recognition Approach, "Johnson Controls, Inc. , Research
Brief 228 (Jun. 13,1986).に記載されている。Rohrerコントローラは、フィードバック信号の傾斜により決定される減衰係数に基いて最適な制御パラメータを計算し、そして、通常の運転開始前に、例えば、比例バンド、積分時間、デッドバンド、調節ノイズバンド、調節変化要素、入力フィルタ、及び出力フィルタのための初期値のような様々な初期値を入力することをエンジニアに要求する。このシステムは、このように一時的な制御パラメータを重要視する。

閉ループの手動調節は、特に工業及び商業の冷凍装置を含む、ゆっくりした力学を用いたプロセスに対して長い時間がかかり得る。自動調節ＰＩＤコントローラに関する異なる方法は、Astrom, K. J. , and T. Hagglund, Automatic
Tuning of PID Controllers, Instrument Society of American, Research Triangle
Park, N. C. , 1988, and Seborg, D. E. T. , T. F. Edgar, and D. A. Mellichamp,
Process Dynamics and Control, John Wiley & sons, 1989.に記述されている。いくつかの方法は、コントローラ出力のステップ変化に対する開ループの過渡応答に基いており、そして、他の方法は、フィードバック制御のいくつかの形式下での周波数応答に基いている。開ループステップ応答方法は、外乱を取り込むことに敏感であり、そして、周波数応答方法は、長い時定数と共にシステムを調節するために多くの時間を要求する。Ziegler-Nicholの過渡応答方法は、コントローラ出力のステップ変化に対する応答を特徴づけるが、この方法の実施はノイズに敏感である。Nishikawa, Yoshikazu, Nobuo Sannomiya,
Tokuji Ohta, and Haruki Tanaka, "A Method for Autotuning of PID Control
Parameters, "Automatica, Volume 20, No. 3,1984.も参照のこ。

いくつかのシステムにとって、プロセスが安定状態に達しているか否かを判断することは、しばしば困難である。多くのシステムにおいて、もし試験があまりに早く中断された場合、時間遅延および時定数の推定は、実際の値よりもかなり異なるであろう。例えば、もし試験が最初の指令応答の三つの時定数の後に中断されたならば、それから推定された時定数は、実際の時定数の７８％と等しく、そして、試験が二つの時定数の後に中断されたならば、それから推定された時定数は実際の時定数の６０％と等しい。したがって、正確に時定数を判断する方法でシステムを分析することは重要である。したがって、自己調節システムにおいて、そのアルゴリズムは、システムの通常の摂動から、或いは、一または複数の制御変数の運転ポイントについての控えめな摂動に対するプラントの感度を周期的に試験することによって、調節データを取得する。もし、そのシステムがその運転ポイントは効率が悪いと判断したならば、最適な運転ポイントに向けて効率を改善するために、一または複数の制御変数は変更される。その効率は、例えば、冷凍ＢＴＵ毎の消費キロワット時（或いは他のエネルギ消費基準）を計測することによる絶対的な基準で、或いは、例えば圧縮機付近の冷媒の温度差と流量データ及び／又は蒸発器の熱交換器付近の第二ループ内の水の温度差と流量データのような消費エネルギーまたは冷却の代替計測値を通して判断され得る。有効な異なる原因があるか、コストが時間経過によって変化するかしてＢＴＵ毎のコストが一定でない場合、効率は経済的な条件で計測され、結果的に最適化され得る。同様に、その効率計算は他の関連する複数の「コスト」を含めることにより修正され得る。

フルパワー管理システム（ＰＭＳ）は、効率を最適化することを要求しない。しかしながら、このＰＭＳは、コスト及び有用性、或いは他の検討材料に応じて提供され得る。

多くの場合、複数のパラメータは、負荷と共に直線的に変化し、他の変数から独立しており、したがって、分析の簡素化と従来の（例えば、リニア比例積分微分）制御の可能化が計画される。本明細書に特に引例として記載する、U. S. Patent Nos. 5,568, 377, 5, 506,768, 及び 5,355, 305を参照のこと。他方、多因子依存をもつパラメータは、簡単に決定されない。この場合、本発明の好ましい実施例のように、その制御システムを、関連する変化しない多因子制御ループ、及び全システムを一緒に効率的に制御する時間変化する単純制御ループ内で区分することが好ましい。

代わりに、ニューラルネットワーク制御またはファジーニューラルネットワーク制御が使用され得る。ニューラルネットワークを訓練するために、多くのオプションが利用できる。一つのオプションは、特定の訓練モードを提供することであり、その訓練モードでは、訓練セットを与えるために、予め定義され要求されたシステム応答と共にそのシステムに人為的或いは制御された負荷及び非本質的なパラメータを課すことによって、概して系統的に全ての運転スペースを越えて運転状態が変化する。したがって、ニューラルネットワークは、実際の負荷状態にとって最適な運転ポイントへ向けてそのシステムを動かす出力を生成するために、例えばエラーの後方伝達により訓練される。その被制御変数は、例えば、冷媒及び／又は冷媒チャージ内のオイル蓄積であり得る。本明細書に特に引例として記載する、U. S. Patent No. 5,579, 993,を参照のこと。

他のオプションは、連続的な学習モードでそのシステムを運転することであり、その学習モードでは、そのシステムの局所運転スペースは、例えば、プロセス負荷、周囲温度、冷媒及び／又は冷媒チャージ内のオイル蓄積のようなプロセス変数の摂動に対するシステム感度を判断するために、運転中の制御によってマップされる。そのシステムが、現在の運転ポイントは最適状態には及んでいないと判断したときは、推定できるより効率的な状態へ向けてその運転ポイントを変更する。そのシステムはまた、特定の変化がシステムをより効率的な運転モードに戻すために提言されたという警報を広めるだろう。そのような変化は、システム自身によっては制御されない。もし、そのプロセスが、運転ポイントを適切にマップするのに不十分な可変性を有しているならば、その制御アルゴリズムは、スペースの系統的な探索を実行し、或いは出力（効率性）の効果を見つけようと努める一または複数の被制御変数内に擬似ランダム信号を入れるであろう。概して、このような探索技法自体は、システム効率上でただ小さな効果を有し、そして、各システム変化後に学習モードにはっきりと入ることなく、そのシステムが新たな状態を学習することを許すであろう。

好ましくは、その制御は、経験から運転スペースのマップまたはモデルを構築し、そして、実際のシステムパフォーマンスがそのマップまたはモデルと一致するときに、最適な運転ポイントを予測し、予測最大効率状態を達成するべくそのシステムを直接的に制御するために、このマップまたはモデルを使用する。他方、実際のシステムパフォーマンスがそのマップまたはモデルと一致しないときは、その制御は、新たなマップまたはモデルを生成しようと務める。ここで注目すべきは、そのようなマップまたはモデルがそれ自身、少ししか物理学上の意義を有しておらず、したがって、マップまたはモデルが概して、それを生成する特定のネットワーク内での用途にのみ有用であるということである。本明細書に特に引例として記載する、U. S. Patent No. 5,506, 768 を参照のこと。そのネットワークに、物理学的パラメータと一致させる重みをもたせるように制約することも可能である。しかし、この制約は、制御エラーか、効率の悪い実施及び実現かにつながるであろう。

また、A.B.Corripio,"Tuning of Industrial Control Systems", Instrument
Society of America, Research Triangle Park, NC (1990) pp.65-81.
C.J.Harris
& S.A.Billings,"Self-Tuning and Adaptive Control: Theory and
Applications", Peter Peregrinus LTD (1981) pp. 20-33.
C.Rohrer
&Clay Nesler,"Self-Tuning Using a Pattern Recognition Approach",
Johnson Controls, Inc. , Research Brief 228 (Jun. 13,1986).
D.E.Seborg,
T.F.Edgar, & D. A. Mellichamp, "Process Dynamics and Control",
John Wiley & Sons, NY (1989) pp. 294-307,538-541.
E.H.Bristol
& T. W. Kraus, "Life with Pattern Adaptation", Proceedings 1984
American Control Conference, pp. 888-892, San Diego, CA (1984).
Francis
Schied,"Shaum's Outline Series-Theory & Problems of Numerical
Analysis",McGraw-Hill Book Co. , NY (1968) pp. 236,237, 243,244, 261.
K.
J. Astrom and B.Wittenmark,"Adaptive Control",Addison-Wesley
Publishing Company (1989) pp.105-215.
K.J.Astrom,
T. Hagglund,"Automatic Tuning of PID Controllers", Instrument Society
of America, Research Triangle Park, NC (1988) pp. 105-132.
R.W.Haines,"HVAC
Systems Design Handbook", TAB Professional and Reference Books, Blue Ridge
Summit, PA (1988) pp. 170-177.
S.M.Pandit
& S.M.Wu, "Timer Series & System Analysis with Applications",
John Wiley & Sons, Inc. , NY (1983) pp. 200-205.
T.W.Kraus
7 T.J.Myron,"Self-Tuning PID Controller Uses Pattern Recognition
Approach", Control Engineering, pp. 106-111, Jun. 1984.
G
F Page, J B Gomm & D Williams:"Application of Neural Networks to
Modelling and Control", Chapman & Hall, London, 1993.
Gene
F Franklin, J David Powell & Abbas Emami-Naeini:"Feedback Control of
Dynamic Systems",Addison-Wesley Publishing Co. Reading, 1994.
George
E P Box & Gwilym M Jenkins : "Time Series Analysis: Forecasting and
Control", Holden Day, San Francisco, 1976.
Sheldon
G Lloyd & Gerald D Anderson:"Industrial Process Control", Fisher
ControlsCo. , Marshalltown, 1971.
Kortegaard,
B. L. ,"PAC-MAN, a Precision Alignment Control System for Multiple Laser
Beams Self-Adaptive Through the Use of Noise", Los Alamos National
Laboratory, date unknown.
Kortegaard,
B.L.,"Superfine Laser Position Control Using Statistically Enhanced
Resolution in Real Time", Los Alamos National Laboratory, SPIE-Los Angeles
Technical Symposium, Jan. 23-25,1985.
Donald
Specht, IEEE Transactions on NeuralNetworks,"A General Regression Neural
Network", Nov. 1991, Vol. 2, No. 6, pp. 568-576.
も参照のこと。

ファジーコントローラは、後方伝達技法、直交最小２乗法、テーブル参照スキーマ及び最近傍クラスタ分析を用いることによって、ニューラルネットワークが訓練されるのとほぼ同じように訓練される。Wang, L. , Adaptive fuzzy systems and
control, New Jersey: Prentice-Hall (1994); Fu-Chuang Chen,
"Back-Propagation Neural Networks for Nonlinear Self-Tuning Adaptive
Control", 1990 IEEE Control System Magazine.を参照のこと。

したがって、システムモデルが、特にシステム運転パラメータの大きな変化に対し有用である場合、そのメカニズム適応は、例えばリャプノフ法に基くもの等の多くのオンライン適応メカニズムとは異なって、それが明確なシステムモデルに依存しない点で都合が良い。Wang, 1994; Kang, H. and Vachtsevanos, G.
,"Adaptive fuzzy logiccontrol,"IEEE International Conference on Fuzzy
Systems, San Diego, Calif. (Mar. 1992);Layne, J. , Passino, K. and Yurkovich,
S. , "Fuzzy learning control for antiskid braking systems," IEEE
Transactions on Control Systems Technology 1 (2), pp. 122-129 (1993)を参照のこと。

その適応ファジーコントローラ（ＡＦＣ）は非線形であり、システムパフォーマンスを連続的に改善するために、ファジー制御アルゴリズムを適応メカニズムと連結する、多重入力多重出力（ＭＩＭＯ）コントローラである。適応メカニズムは、システムパフォーマンスに応じて出力要素関数の位置を修正する。その適応メカニズムは、オフライン、オンライン、または両方の組み合わせで使用され得る。そのＡＦＣは、計測されたプロセス出力と基準軌跡を使って作動するフィードバックコントローラとして、或いは、計測されたプロセス出力と基準軌跡だけでなく、計測された外乱と他のシステムパラメータをも用いて作動するフィードフォワード補正を伴なうフィードバックコントローラとして使用され得る。本明細書に特に引例として記載する、U. S. Patent Nos. 5,822, 740, 5,740,324を参照のこと。

上述したように、有効なプロセス変数は、蒸発器内での冷媒のオイル含有量である。オイル含有量は、ごくまれにかなりの時間の長さで要求値よりも低くなるので、この変数は、実際に、典型的には排除だけによってゆっくり制御され、そして、加えられたオイルの除去はそれ自体、効率が悪い。制御アルゴリズムを定義するために、例えばオイル含有量等のプロセス変数は、自動調節手段で蒸発器にクリーンな冷媒を供給すべくオイルを除去するために、蒸発器での冷媒、または蒸発器に入る冷媒を部分的に蒸留することによって、連続的に変えられる。時間経過によって、オイル含有量はゼロに達する。そのシステムパフォーマンスは、このプロセス中に監視される。この方法によって、蒸発器の最適なオイル含有量、およびオイル含有量の変化に対する感度が判断され得る。典型的な設備において、蒸発器内の最適なオイル蓄積は０％に近く、同時に、そのシステムが、蒸発器のオイル含有量を制御するための制御システムを後から取り付けられたとき、それは最適条件を越えて良い。しかして、その制御の自動調節は効率の悪さの改善と同時に起こる。

実際には、蒸発器のオイル含有量は独立的に制御され、或いは、冷媒チャージ（或いは、余分な冷媒を緩衝するためのアキュムレータと、蒸発器の冷媒レベルを調整するための制御ループとを備えた、好ましい実施例の場合においては、有効なチャージ）のような他の変数に合わせて制御される。

一つの設計によれば、冷媒の外部リザーバが提供される。冷媒は、部分蒸留装置を通して蒸発器からリザーバ内に回収され、オイルは分離して蓄えられる。その最適化制御に基づけば、冷媒とオイルとは別々にそのシステムに戻される。例えば、冷媒蒸気は蒸発器に戻され、オイルは圧縮機ループへ戻される。この方法で、最適なオイル蓄積が、それぞれの冷媒チャージレベルのために維持され得る。ここで注目すべきは、このシステムは、冷媒の回収及び部分蒸留が比較的にゆっくりとしているが、冷媒およびオイルのシステムチャージが比較的に素早く、一般的に非対称であるということである。もし、素早い冷媒の回収が要求されるならば、その部分蒸留システムは一時的にバイパスをつけるであろう。しかしながら、一般的には、次の負荷ピークに最も効率的な運転パラメータを取得することよりも、素早く負荷ピークに合わせることが重要である。

注目すべきは、本発明の第二の実施例によれば、冷媒−オイル比率および冷媒の充填量はともに、独立的にシステム運転の被制御変数であり得るということである。

その圧縮機はまた、例えば、圧縮比、圧縮機スピード、圧縮機負荷サイクル（パルス周波数、パルス幅、及び／又はハイブリッド変調）、圧縮機の吸込み流量制限、またはこれらに類するものにより調節され得る。

蒸発器の即時の効率が、単一の区画を仮定して蒸発器内で計測され、したがって、短時間後に混合されるうちに、オイル相が蒸発器のチューブ壁に付着することにも注目すべきである。大量冷媒の混合プロセスよりも、壁から離れるためのより長い時定数を有するこのオイル相は、蒸発器を通ってクリーンな冷媒が流れることによって除去される。好都合なのは、蒸発器のモデル化とシステムパフォーマンスの監視とによって、蒸発器の冷媒サイドの槽壁からオイル相を除去することによりチューブ壁の水サイド上のスケールやその他の堆積物が推定され得る。これは、結局は、そのような堆積物の効率上の効果を判断するのに有利な方法であり、そして、費用と時間がかかるチューブ束のスケール除去をいつ要求するかについて理にかなった決定をすることを可能とする。同様、チューブ壁から余分なオイルフィルムを除去することによって、効率が維持され、スケール除去の必要性を遅らせ得る。

関連する（従属）変数は、効率（ｋＷ／ｔｏｎ）、過熱温度、過冷却温度、放出圧力、過熱温度、吸込み圧力、及び冷却水の供給温度の誤差パーセントを含むので、最適な冷媒チャージレベルは名目上の冷却負荷とプラント温度の変動に制約され得る。キロワット毎トンの直接的な効率の計測が実施され、或いは、好ましくは、プロセス温度及び流速等、他の変数から推測され得る。

直接の効率データの代わりの代替変数の優先使用だけでなく、変数の複雑な相互依存は、例えば、Bailey, Margaret B. ,"System
Performance Characteristics of a Helical Rotary Screw Air-Cooled Chiller
Operating Over a Range of Refrigerant Charge Conditions", ASHRAE Trans.
1998 104 (2).で使用されたモデルと同様な非線形ニューラルネットワークモデルの方を重要視する。この場合、そのモデルは、一つの入力レイヤ、二つの隠れレイヤ、及び一つの出力レイヤを有する。その出力レイヤは、一般的に各被制御変数のための一つのノードを有するが、入力レイヤは各信号のための一つのノードを含んでいる。Baileyニューラルネットワークは、第一の隠れレイヤに五つのノードを含み、第二の隠れレイヤに各出力ノードのための二つのノードを含んでいる。好ましくは、センサデータは、ニューラルネットワークモデルへの入力に先立って処理される。例えば、センサ出力、データ標準化、統計的処理などの線形処理が、ノイズを減らすために、適切なデータセットを与えるために、或いは、ニューラルネットワークの位相的または計算の複雑さを減らすために、実行される。また、誤った検出も、ニューラルネットワークの更なる要素（或いは、分離したニューラルネットワーク）を手段とするか、或いは、他の手段によるセンサデータの分析によって、システム内で統合される。

フィードバック最適化制御戦略は、一時的で活動的な状況に適用され得る。結果を目的関数と比較するために独立制御変数の小さな摂動を意図的に導入する、進化的最適化または遺伝的アルゴリズムは、直接的にプロセス自体で作られる。実際に、遺伝的アルゴリズムの全体の理論が冷凍システムの最適化に適用され得る。例えば、本明細書に特に引例としてそれぞれ記載する、US Patent Nos. 6,496, 761; 6,493, 686;
6,492, 905; 6,463, 371; 6,446, 055; 6,418, 356; 6,415, 272; 6,411, 944; 6,408,
227; 6,405, 548; 6,405, 122; 6,397, 113; 6,349, 293; 6,336, 050; 6,324, 529;
6,314, 412; 6,304, 862; 6,301, 910; 6,300, 872; 6,278, 986; 6,278, 962; 6,272, 479;
6,260, 362; 6,250, 560; 6,246, 972; 6,230, 497; 6,216, 083; 6,212, 466; 6,186, 397;
6,181, 984; 6,151, 548; 6,110, 214; 6,064, 996; 6,055, 820; 6,032, 139; 6,021, 369;
5,963, 929; 5,921, 099; 5,946, 673; 5,912, 821; 5,877, 954; 5,848, 402; 5,778, 688;
5,775, 124; 5,774, 761; 5,745, 361; 5,729, 623; 5,727, 130; 5,727, 127; 5,649, 065;
5,581, 657; 5,524, 175; 5,511, 158;を参照のこと。

本発明によれば、その制御は複数の独立または互いに依存するパラメータで作動する。安定状態の最適化は、長い時定数を示し、そして、まれに変化する外乱変数と共に、複雑なプロセス上で使用され得る。ハイブリッド戦略はまた、長期及び短期のダイナミックの両方を含む状況で使用される。そのハイブリッドアルゴリズムは、一般的により複雑であり、真の効率性の実現のために調節する慣習を要求する。フィードバック制御は、ときどき、最適なプラントパフォーマンスを達成するためのある状況で使用され得る。

本発明の一つの実施例によれば、蒸発器の熱交換器における冷媒サイド対水サイドの熱交換の障害は、例えばオイル及び他の不純物を除去するために冷媒の組成を選択的に修正することによって区別され得る。オイル堆積物は、一般的に純粋な冷媒に溶解するので、例えば、冷媒中のオイルレベルが減少するにつれて、熱交換チューブの冷媒側のオイル堆積物もまた減少するであろう。熱交換器は、それから、少なくとも二つの異なる手段で分析され得る。第一は、もし冷媒サイドが完全に堆積物が取り除かれているならば、その後、残りのいかなるシステムパフォーマンスの減少は、水サイドの堆積物に起因しているに違いない。第二は、冷媒サイドの障害を排除する線形プロセスを仮定したとき、冷媒サイドの障害の総量は、実際に全ての障害を除去しなくても推定され得る。上述したように、ある量のオイルは、純粋な冷媒よりも、より効率的な運転につながるので、必要に応じて逆に加えられ得る。冷媒を浄化するこのプロセスは、水サイドの熱交換障害を除去するために、蒸発器のスケールを除去することよりも、比較的に簡単で安価であり、そして、システム運転に対し独立的に利点があるので、したがって、システムメンテナンスの必要性を判断するための効率的な手段を提供する。他方、冷媒の浄化は、エネルギーを消費し、能力を減らし、そして、とても低い、おそらく最適状態に及ばない蒸発器内のオイル蓄積を招く。したがって、連続的な浄化は一般的に用いられない。

このように、システム応答の摂動はシステムのパラメータを判断するために圧縮機の制御に制限されないことが分かる。そして、例えば冷媒の清浄度、冷媒チャージ、オイルレベル、及びその他同種類のものの変化がシステム運転を探索するために作られ得る。

プロセスパフォーマンスの独立変数における多数の双方向性の効果のある多変量プロセスは、フィードフォワード制御の使用によって最も最適化され得る。しかしながら、適切な予測数学モデルが要求される。これは、例えば、特に内部圧縮機制御ループに適用され得る。注目すべきは、オンライン制御コンピュータが、プロセス自体を乱すのではなく、モデルを使う変数変化の結果を評価するであろうということである。そのような予測数学モデルは、したがって、名目上の運転からのシステム偏差を表示し、そして、おそらくシステム運転を修復するために要求されるシステムメンテナンスを表示する、故障時に特に有用である。

変数最適化の結果を作成するために、フィードフォワード技法の数学モデルは、プロセスの正確な表現でなければならない。プロセスとの間で一対一関係を確かにするために、そのモデルは、好ましくは、それぞれの使用の直前に更新される。モデル更新は、モデル予測が現在のプラント運転状態と比較されるフィードバックの特別な方法である。そのとき、注意されたどんな変化も、要求された約束を実行するためにモデルのあるキー係数を調節するために使用される。一般的に、そのようなモデルは、物理学的プロセス要素に基いており、したがって、実際の計測可能な特性を暗示するために使用される。

冷却装置では、多くの関連する時定数はとても長い。このことは、リアルタイムコントローラの短い潜在的なプロセス要求を損なうとともに、機器に遅い補正を行うことにもなり、そして、その時定数が誤って算定されたならば、エラー、不安定度、または変動の危険性をもたらす。さらに、直接的で一時的な制御感度をもったニューラルネットワークを提供するために、数多くの入力ノードが、データ傾向を表現するために要求され得る。好ましくは、一時的な計算は、したがって、ニューラルネットワークへの変換された時間変化データを用いて線形の計算方法によって行われる。その変換は、例えば、時間・周波数表現、または、時間・ウェーブレット表現であり得る。例えば、センサデータまたは変換されたセンサデータの一次及び二次の微分（または適当ならばより高次の）が計算され、そして、ネットワークに供給され得る。その代わりにまたはそれに加えて、ニューラルネットワークの出力は、適切なプロセス制御信号を生成するプロセスに制約され得る。注目すべきは、例えば、もし冷却装置内の冷媒チャージが変化したならば、おそらくシステムの限界時定数も変化するであろうということである。したがって、システムが不変の時定数のセットをもつと推定するモデルはエラーを提出するであろうし、そして、本発明に従う好ましいシステムは、そのような批判的な推測を作成しない。その制御システムは、したがって、好ましくは、複数の変数の相互関係を捕らえる柔軟なモデルを用いる。

計測すべき他の有用かもしれないプロセスパラメータは、湿度、冷媒破壊生成物、潤滑油破壊生成物、不凝縮ガス、及び冷媒内のその他の知られたの不純物を含む。同様に、例えば、ブラインチューブ内の無機堆積物（少量の無機堆積物は乱流を増加させ、したがって、表面境界層を減少させるだろう。）、凝縮器を冷やす空気または水の流量パラメータのような最適化の価値を有する機械的なパラメータもある。

一般的には、理論的には最適な値がゼロである一組のプロセスパラメータがあるが、実際には、この値を実現することは困難であり、或いは達成し維持することは不可能である。この困難さは、点検コストまたはエネルギーコストとして表され得る。しかし、どんな場合でも、その制御システムは、特別に容認でき、より好ましい改善のために、理論上、次善のパラメータの解釈を可能にするようにセットされ得る。直接的なコスト利益の分析が実施され得る。しかしながら、ある閾値における改善は、一般的に効率的であると判断される。その制御システムは、したがって、それらのパラメータを監視し、そして、警報を表示して制御戦略を実行するか、別の方法を実行する。その閾値は、実際は、他のシステム状態に対して適応性または応答性を有し得る。例えば、もし、その改善自体がシステムパフォーマンスに不利に影響し、そして、運転を継続するのに十分な予備能力があるならば、プロセスの改善は、好ましくは負荷のピーク時に保留され得る。

したがって、ある場合には、蒸発器内のオイルレベルにより実証されるので、感じられたパラメータに対する最初（或いは最後）のシステム感度の判断は好ましいが、他の場合には、適応制御アルゴリズムが好ましいことは明らかである。

自動調節プロセスの場合、最適化の計算が完了した後、例えば蒸発器のオイル含有量等のプロセス変数は最適レベルに戻され得る。ここで注目すべきは、例えば、蒸発器内のオイルレベルが増加するなど、そのプロセス変数は時間経過によって変化し、したがって、最初の最適化とシステムを効率的な運転に戻すための次のメンテナンスとの間で最大の効果的な効率を与える、最初の状態を選択することが要求されるということである。したがって、その最適化は、好ましくは、最適な運転ゾーンを判断し、そして、プロセス変数は、その計測後のゾーンの下限において設立される。この下限はゼロであり得るが、ゼロである必要はない。そして、それぞれのシステムの計測によって変化し得る。

この場合、プロセス変数を連続的に制御することは必ずしも必要ではなく、むしろ、実行されるアルゴリズムは、例えば、広い不感帯、及び制御プロセスの手動実施を含む。

いつ再最適化が必要かを判断するために、モニタがプロセス変数のために提供され得る。再最適化の間、更なる効率性の計測を行うことは、常には必要ではなく、むしろ、先の計測が、要求された運転計画を再確定するために使用され得る。

したがって、その計測値が限度（例えば、ゼロ付近のオイルまたは期待された運転計画を越えるなど）に達した後、そのシステムは復帰され、必要に応じて、要求された最初の効率を達成するために、適切な終了のための適切な運転が維持されていても、例えば蒸発器内のオイル蓄積のように緩やかな変動を許容する。

効率の計測値、或いは、一または複数の代替計測値（例えば、圧縮機のアンペア数、熱力学パラメータ等）は、例えばオイルレベル等のプロセス変数がその後、いつ変化し、または、改善を求めるのに十分なレベルまで蓄積するか、を判断するために使用され得る。その代わりに、直接的なオイル蓄積の計測値が、蒸発器内の冷媒から取得され得る。冷凍圧縮機オイルの場合、例えば、そのモニタは、本明細書に特に引例として記載するU. S. Patent No. 5,694, 210に開示されたような、光学センサであり得る。

閉ループフィードバックデバイスは、プロセス変数を要求された範囲に維持することに努めるであろう。したがって、一般的に屈折計である、直接的なオイル蓄積ゲージは、冷媒のオイル含有量を計測する。設定値制御、比率制御、微分制御、積分制御、ファジー論理制御、またはこれらに類するものは、一般的に大き過ぎ、その制御限度内でよく作動する、冷媒蒸留デバイスへのバイパスバルブを制御するために使用される。オイルレベルが、効率を悪くするレベルまで増加したとき、オイルを除去するために冷媒が蒸留される。そのオイルは、例えば、圧縮機潤滑油システムに戻されるが、冷媒は圧縮機の入口に戻される。この方法では、閉ループフィードバック制御がシステムを最適な効率に維持するために用いられる。ここで注目すべきは、蒸発器にバイパスをつけない活発なインライン蒸留プロセスも使用することができるということである。例えば、Zugibeast（登録商標）システム(Hudson Technologies,Inc.)が使用され得るが、しかしながら、これは、この目的に必要とされるより、概してより大きく、そしてより複雑なシステムである。本明細書に特に引例として記載する、U. S. Patent No.5, 377, 499は、したがって、冷媒の再生利用のための持ち運びのできるデバイスを提供する。このシステムでは、冷媒は、要求されれば、どの場合でも冷媒を再生設備まで搬送せずに現場で浄化され得る。また、本明細書に特に引例として記載する、U. S. 5,709, 091も、冷媒の再生方法と装置を開示している。

オイル分離デバイスでは、好都合には、冷媒はその沸点より低い温度になるように制御された部分蒸留チャンバーに供給され、したがって、容器内に残る大量の液状冷媒内に凝縮する。揮発性のより少ない不純物は液相に残るので、比較的に純粋な冷媒は気相に存在する。その純粋な冷媒は、チャンバー温度を定め、したがって、感度がよく、安定なシステムを提供するために使用される。部分蒸留されて浄化された液状冷媒は、一つのポートから入手できるのに対し、不純物は他のポートを通して除去される。その浄化プロセスは手動または自動、連続的にまたはバッチ式であり得る。

本発明の一つの実施態様は、冷凍システムの蒸発器内の最適オイルレベルが、製品、モデル、及び特別なシステムにより変化し、それらの変数がプロセスの効率に有効で、時間経過によって変化し得るという比較的に新しい理解に由来する。その最適なオイルレベルは、ゼロである必要はなく、例えば、フィンチューブ蒸発器では、その最適なオイルレベルは、オイルが泡立ち、そして、熱交換率を増加させるフィルムをチューブ表面に形成する、１−５％の間であり得る。他方、いわゆる核沸騰熱交換チューブは、実質的には、一般的に約１％より低いオイル蓄積を有する。

そのオイル除去プロセスは、エネルギー消費と冷媒の迂回を要求し、そして、運転システムは、低いが、しかし、連続的な漏れのレベルを有するので、０％のオイル蓄積を維持しようと努めることは、それ自体効率が悪いであろう。さらに、凝縮器内のオイルレベルはまた、蒸発器の効率の変化と矛盾した方法でシステム効率に影響を与える。

したがって、本発明のこの態様は、特別なプロセスの可変パラメータの最適レベルを推測しない。むしろ、本発明による方法は、最適の値を探索し、その後、そのシステムが最適条件付近にセットされることを可能にする。同様に、本発明はまた、連続的な監視及び／又は制御を達成するためのシステムと方法を提供するけれども、その方法は、制御パラメータの連続的で厳密なメンテナンスを要求するのではなく、システムの周期的な「チューンアップ」を許す。

その冷凍システムまたは冷却装置は、例えば、最大５００アンペアで４１６０ボルト（２メガワット）を引き出す３５００トンの、大きな産業デバイスであり得る。したがって、効率の小さな変化でさえ、エネルギーコストの実質的な節約を実現し得る。たぶん、より重要なのは、効率が落ちたとき、その冷却装置がそのプロセスパラメータを要求範囲内に維持できないかもしれないことである。延長された運転時には、例えば、蒸発器内のオイル蓄積が１０％を越えて増加し、そして、システムの全体的な能力が１５００トンよりも下に落ちるかもしれない。このことは、当面の又は高価な改善を要求する、プロセスの逸脱または故障という結果になり得る。高い最適な効率を達成するために、適切なメンテナンスは、かなりコスト的に効果があるであろう。

本発明の前記ならびに他の目的、特徴、および利益は、本発明を実施するためのベストモードの一つである次の詳細な説明を、本発明の好ましい実施例を示し、図解して説明し、本発明を限定しない、添付図面と合わせて考慮して参照すれば、本発明に関する当業者にとって、直ちに明らかになるであろう。

実施例１
図１、図２に示されるように、シェル式熱交換器１内の一般的なチューブは、一般的に円筒形状のシェル３を通って延びる一組の平行チューブ２から構成されている。そのチューブ２は、チューブプレート４と共に保持されており、それぞれのチューブプレート４は、チューブ２のそれぞれの端部５に設けられている。チューブプレート４は、チューブ７の内側と連通する第一空間６を、チューブ２の外側と連通する第二空間８から区別している。一般的に、ドーム状の分流器９は、経路１０からの第一媒体の流れをチューブ２を通して分配し、それから経路１１に戻すために、シェル３のそれぞれの端部にチューブシート４を越えて設けられている。揮発性の冷媒の場合、このシステムのそれぞれの端部における流量及び流速が異なるように、そのシステムは対称的である必要はない。熱交換チューブ内の最適な分流パターンを確保するための任意の邪魔板、またはその他の手段は図示されていない。

図３に示されるように、冷媒洗浄システムは、圧縮機から冷媒を受けるための入口１１２と、制御された蒸留プロセスを利用する浄化システムと、浄化された冷媒を戻すための出口１５０とを備えている。そのシステムのこの部分は、本明細書に特に引例として記載する、U. S. 5,377, 499に記載のシステムと同様である。

圧縮機１００は冷媒を圧縮し、凝縮器１０７でガス中の熱を落とす。少量の圧縮機のオイルは、高温ガスと共に凝縮器１０７へ運ばれ、そこで冷えて冷媒を含む混合液中に凝縮し、そして流路１０８及び付属物１４を通って流出する。遮断バルブ１０２、１０９は、冷媒の流通経路内への部分蒸留装置１０５の挿入を選択的に可能にするために設けられている。部分蒸留装置１０５からの冷媒は、遮断バルブ１０２を通って蒸発器１０３により受け入れられる。

部分蒸留装置１０５は、蒸留チャンバー１３０内の汚れた冷媒を沸騰させる能力をもち、その蒸留は冷媒蒸気の絞りによって制御される。汚れた冷媒液１２０は、矢印１１０で示されたように、入口１１２及び圧力調整バルブ１１４を通って蒸留チャンバー１１６内に供給され、液レベル１１８を定める。また、バルブ１２３を備えた汚水ドレン１２１も設けられている。螺旋コイル１２２のような大きな表面積をもつ経路が汚れた冷媒液のレベル１１８の下に沈められている。三方向バルブ１２８の位置を制御して部分蒸留温度を確定する温度調節ユニット１２６のために、蒸留温度を計測する熱電対１２４がコイル１２２の中央又はその近くに配置されている。温度調節バルブ１２８は、蒸気が蒸留チャンバー１１６の液レベル１１８の上方の部分１３２に集められ、圧縮機１３６の出力１３８で高温ガス排出を生成するために経路１３４を通して圧縮機１３６に送り込まれ、温度調節ユニット１２６により制御された三方向バルブ１２８に供給されるように、バイパス経路１３０を用いて作動する。熱電対１２４が閾値よりも高い部分蒸留温度を示した場合、バイパス経路１３０は、圧縮機１３６からの出力の一部を受け入れ、閾値よりも低い場合は、出力は矢印１４０で表したように螺旋コイル１２２内へ流れ、閾値に近い場合は、圧縮機の出力からのガスは、一部はバイパス経路に沿って流れ、一部は温度を維持するために螺旋コイル内へ流れることを許される。矢印１４２、１４４のように、バイパス経路１３０を通る流れと螺旋コイル１２２からの流れとはそれぞれ、矢印１５０に示された蒸留された冷媒の出力を生成するために、補助圧縮機１４６及び圧力調整バルブ１４８を通過する。代わりに、圧縮機１４６は、付加的な温度調節ユニットにより制御されても良く、圧縮機の出力温度により制御されても良い。このようにして、凝縮器１０７からのオイルは、蒸発器１０５に入る前までに除去される。このシステムの稼動によりやがて、蒸発器１０３内のオイルの蓄積は減少し、システムを浄化する。

図４は、周期的またはバッチ式の再最適化を可能とし、或いは運転パラメータの連続的な閉ループフィードバック制御を可能とする機器を備えた冷却システムを示す。圧縮機１００は、電力計１０１に連結されており、その電力計１０１は取り出した電圧及び電流を計測することによって正確に消費電力を計測する。圧縮機１００は、経路１０６内に高温高密度の冷媒蒸気を生成し、その蒸気は凝縮器１０７に供給され、其処で蒸発時の潜熱と圧縮機１００により加えられた熱が落とされる。その冷媒は、少量の圧縮機の潤滑オイルを運ぶ。凝縮器１０７は、温度ゲージ１５５及び圧力ゲージ１５６による温度及び圧力の計測の対象である。混合オイルの一部を含んだ、液化され冷やされた冷媒は、場合によって経路１０８を通って付加的な部分蒸留装置１０５に供給され、その後、蒸発器１０３に供給される。部分蒸留装置１０５がない場合は、凝縮器１０７からのオイルは、蒸発器１０３内に集まる。蒸発器１０３は、温度ゲージ１５５及び圧力ゲージ１５６による冷媒の温度及び圧力の計測の対象である。蒸発器１０３の入力流路１５２及び出力流路１５４内の冷却水もまた、温度ゲージ１５５及び圧力ゲージ１５６による温度及び圧力の計測の対象である。蒸発器１０３からの蒸発冷媒は、流路１０４を通って圧縮機に戻る。

電力計１０１、温度ゲージ１５５、及び圧力ゲージ１５６はそれぞれ、データ収集システム１５７にデータを提供し、データ収集システム１５７は、例えばＢＴＵ／ｋＷＨ等の冷却装置の効率を表す出力１５８を作成する。オイルセンサ１５９は、蒸発器１０３内のオイル蓄積の連続的な計測値を提供し、そして、最適な運転計画に基いて部分蒸留装置１０５を制御するために、或いは、断続的な再最適化の必要性を判断するために使用され得る。電力計１０１またはデータ収集システム１５７は、蒸発器内のオイルレベル、あるいはオイル除去の必要性を推定するための代替計測値を提供し得る。

図５に示されるように、冷却装置の効率は、蒸発器１０３内のオイル蓄積に伴なって変化する。ライン１６２は非単調関係を示す。その関係が、オイル蓄積に関する効率をプロットすることにより判断された後、運転計画が確定され得る。一般的に、オイルが蒸発器１０３から除去された後、自発的に補給されない限りは、運転計画の下限値１６０は、次の除去作業において、これを越えて延長することが有益でない境界を確定する。オイルの完全な除去は、コストがかかり直接的に非効率であるだけでなく、システム効率の減少という結果にもなる。同様に、オイルレベルが運転計画の上限値１６１を越えるとき、システム効率は落ち、そして、最適な運転を回復すべく冷却装置を点検することは費用効果がある。したがって、閉ループフィードバックシステムでは、下限値１６０と上限値との間の距離は、周期的なメンテナンスシステムよりも大変狭くなるであろう。閉ループフィードバックシステム内のオイルセパレータ自体（例えば、部分蒸留装置１０５またはその他のシステム）は、一般的に周期的なメンテナンス時に一般的に使用されるより大きなシステムよりも概して効率が低く、したがって、どのタイプの処理にも有利である。

実施例２
図７Ａは、本発明による制御システムの第一の具体例のブロック図を示す。このシステムにおいて、冷媒チャージは適応制御部２００を用いて制御される。この適応制御部２００は、センサ入力２０１のためのデータ処理システムを通して、凝縮器及び蒸発器に出入りする水の温度、凝縮器及び蒸発器に出入りする水の流速と圧力、圧縮機の回転速度、吸込み及び排出の圧力と温度、そして環境の圧力と温度を含む熱力学的パラメータだけでなく、レベルトランスミッタ（例えば、Henry Valve Co.,Melrose Park ILLCA series
Liquid Level Column with E-9400 series Liquid Level Switches,digital output,or
K-Tek Magnetostrictive Level Transmitter AT200 or AT600,analog output）からの冷媒蓄積レベル２１６、及び選択的にシステムの電力消費（キロワット時）を、受け入れる制御部を備えている。これらの変数は、ニューラルネットワーク２０３の技術に基づいたシステムの非線形モデルを使用する適応制御部２００に供給される。これらの変数は、先のデータセットに基いて一時的なパラメータを表すためだけではなく、入力セットから生成された一組の変数を作成するためにも予備的に処理される。ニューラルネットワーク２０３は、入力データセットを、例えば３０秒毎に定期的に評価し、制御シグナル出力２０９またはシグナルセットを作成する。計画された制御が実行された後、実際の応答は、適応制御更新サブシステム２０４によるニューラルネットワーク２０３により確定された内部モデルに基づいて予測された応答と比較され、そして、そのニューラルネットワークは、「エラー」を反映し、或いは考慮に入れるために更新２０５される。ニューラルネットワークと一体化され、または分離されている診断部２０５からのシステムの別の出力２０６は、センサ群及びネットワーク自体、または制御されているプラントのどちらかに、適当なエラーを示す。

その被制御変数は、例えば、システムの冷媒チャージである。冷媒を除去するために、蒸発器２１１からの液状冷媒がバルブ２１０を通して貯留容器２１２に移動される。冷媒を加えるために、ガス状の冷媒が、バルブ２１５により制御された圧縮機２１４の吸込みに戻され、或いは、液状冷媒が蒸発器２１１に入れられる。貯留容器２１２内の冷媒は、分析および浄化の対象であり得る。

実施例３
図７Ｂに示されるように、制御システムの第二の具体例は、フィードフォワード最適化制御戦略を使用する。図７Ｂは、コンピュータベースのフィードフォワード最適化制御システムのシグナルフローブロック図を示す。プロセス変数２２０は、計測され、信頼性がチェックされ、フィルタ処理され、平均化され、そして、コンピュータデータベース２２２に記憶される。規制システム２２３は、プロセス変数２２０を、命令され、要求された値に維持するフロントライン制御として設けられている。その調整された計測変数のセットは、規制システム２２３内で、オペレータ２２４Ａ及び最適化ルーチン２２４Ｂからの要求された設定値と比較される。検出されたエラーはその後、プロセス２２１内の最終制御要素へ出力２２５として発信される制御動作を作成するために使用される。規制システム２２３のための設定値は、オペレータ入力２２４Ａか、或いは最適化ルーチン２２４Ｂの出力に由来する。ここで留意すべきは、最適化装置２２６は、その最適な設定値の状態２２４Ｂに至る中で、モデル２２７上で直接的に作動するということである。また、そのモデル２２７は、最適化装置２２７による使用の直前に、特別ルーチン２２８の手段により更新されることにも留意すべきである。フィードバック更新機能は、軽微な計測エラーにかかわらず、適切な数学的なプロセス記述を確実なものとし、その上、モデル２２７内に受け入れた条件の簡素化に起因する不一致を補正する。この場合には、被制御変数は、例えば圧縮機の速度だけか、或いはそれに加えて冷媒のチャージレベルであり得る。

その入力変数は、この場合、実施例２におけるものと同様であり、凝縮器及び蒸発器に出入りする水の温度、凝縮器及び蒸発器に出入りする水の流速と圧力、圧縮機の回転速度、吸引及び排出の圧力と温度、および環境の圧力と温度を含む熱力学的パラメータだけでなく、冷媒の蓄積レベル、選択的にシステムの電力消費（キロワット時）をも含む。

実施例４
図７Ｃに示されるように、冷媒のチャージレベル２３１、圧縮機の速度２３２、および蒸発器内の冷媒のオイル蓄積２３３を制御する制御システム２３０が提供される。そのシステムの単一の複合モデルを設ける代わりに、いくつかの簡略化された関連性が、データベース２３４内に与えられており、このデータベース２３４は、システムの作業スペースをセンサ入力に基づいていくつかの領域または面に区分する。入力２３５の変動に対する制御システム２３０の感度は、エネルギー効率を最適化するために、運転中の制御によって適応的に判断される。

作業スペースの格納密度に関するデータもまた、データベース２３４に記憶される。入力パラメータのセットが作業スペースにおいて十分に埋められた領域を確認したとき、迅速な遷移が、計算された最も効率的な出力条件を実現するために発効される。他方、もし作業スペースの領域が乏しく埋められているならば、その制御部２３０は、最適な出力セットを判断するために、作業スペースを検索するようにしながら出力の遅い検索の変更を与える。この検索手順は、またスペースを埋めるのに役立ち、したがって、その制御部２３０は、少ない遭遇の後の経験の少ない戦略を避ける。

加えて、作業スペースの各領域のために、統計学的な変動が判断される。もし、統計学的な変動が低ければ、そのとき、その領域のためのモデルは正確であるとみなし、そして、ローカル領域の連続的な検索は減らされる。他方、もしその変動が高ければ、制御部２３０は、任意の利用可能な入力２３５とシステム効率との関連性を判断するために、入力データセットを分析し、データベース２３４内に記憶されたその領域のためにモデルを改善しようと努める。この関連性は、一またはそれ以上の出力２３１、２３２、２３３の変更に関する入力セットの感度試験を通じて、その領域を検索することによって確定され得る。各領域のため、望ましくは、線形モデルが入力変数のセット及び最適な出力変数について構築される。代わりに、ニューラルネットワークのような比較的簡単な非線形ネットワークが使用され得る。

例えば、その作業領域は、作業スペースを、冷媒チャージレベルを設計の−４０％から＋２０％まで５％ずつ、蒸発器のオイル含有量を０％から１０％まで０．５％ずつ、及び圧縮機の速度を最小値から最大値まで１０−１００区切りに区分された領域に分割する。不均等にあけられた領域を提供することも可能であり、或いは、入力スペースの各部分での入力変動に対する出力感度に基づいて均等な適応サイズの領域を提供することも可能である。

制御システムはまた、システムの始動と終了のための特別なモデルセットを提供する。これらは、エネルギー効率が、一般的に移行中における第一の検討材料ではなく、他の制御結果が重要であり得る点で、通常の運転モデルとは異なる。これらのモデルはまた、制御システムの初期化とフェイルセーフ動作との選択を提供する。

ここで留意すべきは、システムの要求された更新時間が比較的に長いため、ニューラルネットワーク演算は、例えばウィンドウズ（登録商標）ＸＰを実行するインテルペンティアム（登録商標）IVまたはアスロンＸＰプロセッサのような汎用コンピュータ、或いはリアルタイムオペレーティングシステム上で連続的に実施され得、したがって、（データ収集インターフェイス以外の）特別なハードウェアは通常、必要でないということである。

好ましいのは、その制御システムが、例えば、どんな与えられた制御決定においても出力状態に対しより大きな影響をもつセンサ入力を確認することなどの制御行為を「説明する」診断出力２３６を与えるということである。ニューラルネットワークシステムでは、しかしながら、出力を完全に有理化することは多くの場合、可能でない。さらに、そのシステムが、制御されているプラントか、そのコントローラ自体かに、不正常な状態を検出した場合、オペレータまたは点検エンジニアにその情報を知らせることが好ましい。このことは、格納されたログ、視覚的若しくは聴覚的な指示、電話通信若しくはインターネット通信、制御ネットワーク通信若しくはローカルエリアネットワーク通信、ラジオ波通信、またはこれらに類するものを経由し得る。多くの場合、厳しい状態が検出された場合、およびそのプラントが完全に停止した場合、メンテナンスが実行されるまで、フェイルセーフ作動モードを与えることが望ましい。

本発明の好ましい具体例の先の記述は、図解し、説明するために表されており、本発明を網羅的に或いは開示された厳格な形式に限定しようとするものではない。したがって、多くの改良と変形が上記教示に照らして可能である。いくつかの改良は本明細書に記載され、他は本発明に関する当業者が思い浮かべるであろう。

図１は、シェル式熱交換蒸発器内の周知のチューブの略図である。 図２は、各チューブが熱交換蒸発器の長さ方向に沿って軸方向に延びる、チューブ束の複数のチューブの放射対称性を有する配置を表すチューブプレートの端面図を示す。 図３は、冷媒の流れからオイルを除去するための部分蒸留システムの略図を示す。 図４は冷却装置の効率計測システムの略図を示す。 図５は蒸発器内のオイル蓄積の変化に関する模式化して表した効率のグラフを示す。 図６Ａは蒸気圧縮サイクルの略図を示す。 図６Ｂは蒸気圧縮サイクルの温度−エントロピー線図を示す。 図７Ａは本発明による制御のブロック図を示す。 図７Ｂは本発明による他の制御のブロック図を示す。 図７Ｃは本発明による更に他の制御のブロック図を示す。 図８は本発明により制御された冷凍システムの半概念図を示す。 図９は本発明による冷凍システムのための制御の概念図を示す。

符号の説明

１ シェル式熱交換器
２ チューブ
３ シェル
４ チューブプレート
５ 端部
６ 第一空間
８ 第二空間
９ 分流器
１０ 経路
１１ 経路
１００ 圧縮機
１０１ 電力計
１０２、１０９ 遮断バルブ
１０３ 蒸発器
１０４ 流路
１０５ 部分蒸留装置
１０６ 経路
１０７ 凝縮器
１０８ 経路
１１０ 矢印
１１２ 入口
１１６ 蒸留チャンバー
１１８ 液レベル
１２０ 冷媒液
１２１ 汚水ドレン
１２２ コイル
１２３ バルブ
１２４ 熱電対
１２６ 温度調節ユニット
１２８ 温度調節バルブ
１３０ バイパス経路
１３４ 経路
１３６ 圧縮機
１３８ 出力
１４０、１４２、１４４、１５０ 矢印
１４６ 圧縮機
１５０ 出口
１５２ 入力流路
１５５ 温度ゲージ
１５７ データ収集システム
１５８ 出力
１５９ オイルセンサ
１６０ 下限値
１６１ 上限値
１６２ ライン
２００ 適応制御部
２０１ センサ入力
２０３ ニューラルネットワーク
２０４ 適応制御更新サブシステム
２０５ 更新
２０５ 診断部
２０６ 出力
２０９ 制御シグナル出力
２１０ バルブ
２１１ 蒸発器
２１２ 貯留容器
２１４ 圧縮機
２１５ バルブ
２１６ 冷媒蓄積レベル
２２０ プロセス変数
２２１ プロセス
２２２ コンピュータデータベース
２２３ 規制システム
２２４Ａ オペレータ入力
２２５ 出力
２２６ 最適化装置
２２７ 最適化装置
２２８ 特別ルーチン
２３０ 制御部
２３１、２３２、２３３ 出力
２３４ データベース
２３５ 入力
２３６ 診断出力

Claims (4)

1. 冷媒を圧縮する圧縮機と、
   冷媒を液体に凝縮する凝縮器と、
   前記凝縮器からの液状冷媒をガス状に蒸発させる蒸発器と、
   内部制御ループと外部制御ループを有し、
   該内部制御ループは、圧縮機の運転、凝縮器と蒸発器との間に設置された膨張バルブ、及び冷媒アキュムレータから蒸発器への冷媒の供給率のうちの少なくとも一つを制御し、蒸発器内の冷媒レベルを設定レベルに維持するように構成され、
   該外部制御ループは、冷凍システムの冷凍要求、蒸発器の冷媒レベル、及び蒸発器の冷媒のオイル蓄積における冷凍システムの運転中の蒸発器のパフォーマンスの計測結果によって取得され、コンピュータデータベースに格納された最適化パラメータに基づき、該内部制御ループに信号を入力して、蒸発器内の冷媒の設定レベルを最適レベルへと変化するように構成され、
   該内部制御ループに入力された信号は、少なくとも蒸発器内の冷媒のオイル蓄積の効果によって、蒸発器のパフォーマンスが最適化されるように、蒸発器内の冷媒レベルを制御するように定められるコントローラと、
   から成る冷凍システム。
2. 前記コントローラが遺伝的アルゴリズムにより前記最適化パラメータを導く請求項１に記載の冷凍システム。
3. 液状冷媒の予備を備えるアキュムレータを更に含む、請求項１又は２に記載の冷凍システム。
4. 前記アキュムレータ内の液状冷媒の予備のレベルの変化が前記外部制御ループによって制御される請求項１〜３に記載の冷凍システム。

Images