WO2019097822A1 - 空気調和機の性能診断装置及び性能診断方法 - Google Patents

空気調和機の性能診断装置及び性能診断方法 Download PDF

Info

Publication number
WO2019097822A1
WO2019097822A1 PCT/JP2018/033175 JP2018033175W WO2019097822A1 WO 2019097822 A1 WO2019097822 A1 WO 2019097822A1 JP 2018033175 W JP2018033175 W JP 2018033175W WO 2019097822 A1 WO2019097822 A1 WO 2019097822A1
Authority
WO
WIPO (PCT)
Prior art keywords
data
performance
evaluation
air conditioner
reference data
Prior art date
Application number
PCT/JP2018/033175
Other languages
English (en)
French (fr)
Inventor
陽子 國眼
藤居　達郎
亜紀子 飯塚
Original Assignee
株式会社日立製作所
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社日立製作所 filed Critical 株式会社日立製作所
Priority to US16/754,151 priority Critical patent/US11561019B2/en
Publication of WO2019097822A1 publication Critical patent/WO2019097822A1/ja

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/32—Responding to malfunctions or emergencies
    • F24F11/38—Failure diagnosis
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/50—Control or safety arrangements characterised by user interfaces or communication
    • F24F11/52—Indication arrangements, e.g. displays
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
    • F24F11/49—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring ensuring correct operation, e.g. by trial operation or configuration checks
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F24—HEATING; RANGES; VENTILATING
    • F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
    • F24F11/00—Control or safety arrangements
    • F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
    • F24F11/63—Electronic processing
    • F24F11/64—Electronic processing using pre-stored data

Definitions

  • the present invention relates to an apparatus and method for performance diagnosis of an air conditioner.
  • a thermally driven refrigerator and an electric refrigerator are used as apparatuses for cooling a relatively large space such as various factories and buildings. Since the primary energy consumption of the refrigerator occupies about 20% to about 30% of the entire building, in recent years, especially promotion of energy saving is required.
  • the refrigerator controls the cooling output according to the required cooling load, and the output is large in the middle of summer in August and August, and the output is small in the middle of May and October, etc. .
  • the above-mentioned refrigerator has a water circuit for transferring cold heat from the refrigerator to the space to be cooled, and a cooling water circuit for radiating the heat input to the refrigerator and the heat of the space to be cooled.
  • the scale etc. adheres to it, resulting in deterioration of the equipment itself.
  • Patent Document 1 shows actual performance under evaluation driving conditions based on evaluation driving condition data for the purpose of accurately separating tube cleaning and overhaul as maintenance contents to be implemented for performance deterioration of a refrigerator.
  • Calculate the evaluation actual COP and the evaluation actual LTD calculate the COP change amount indicating the difference between the evaluation actual COP and the evaluation criteria COP, and calculate the LTD change amount indicating the difference between the evaluation actual LTD and the evaluation criteria LTD.
  • Disclosed are a refrigerator deterioration diagnosis device and a refrigerator deterioration diagnosis method, in which the change amount ratio R between the COP change amount and the LTD change amount at the time of evaluation is within the fixed judgment range Q or not. There is.
  • LTD is an abbreviation of Leaving Temperature Difference, which is one of the indices indicating the cooling efficiency of the refrigerator.
  • Patent Document 1 also describes an explanatory view showing a reference COP estimation model, which is expressed as a band-shaped curved surface in a three-dimensional space.
  • the performance diagnostic system that detects an abnormality before it interferes with operation and outputs a signal requesting maintenance work takes into consideration dimensional error of each device, differences in installation status, and differences in operating conditions and operating conditions, etc. More accurate diagnosis is required.
  • Patent Document 1 generally describes that operating condition data of a refrigerator obtained before an evaluation time point may be used for creation of a reference COP estimation model used in diagnosing deterioration of the refrigerator. ing.
  • the reference COP estimation model described in Patent Document 1 is an estimation model including model input data and reference COP indicating reference performance before deterioration obtained from the refrigerator, and the reference COP is a new refrigerator or a new one after overhaul. In the case where the refrigerator is not new, there is a possibility that the desired operation can not be performed until an event requiring an overhaul occurs.
  • the system configuration itself may be changed from the initial installation due to a change in heat load of the space to be cooled, maintenance, and the like. In such a case, a plurality of learned relational expressions do not hold, and there is a possibility that a sign can not be caught from a change in data.
  • the present invention is capable of updating, to an appropriate value, a specific reference value reflecting the dimensional error of each device, the difference in installation state, the difference in operating conditions, etc., against the performance deterioration of the air conditioner.
  • the purpose is to provide technology.
  • the performance diagnosis apparatus for an air conditioner includes a data collection unit that collects and records operation data of the air conditioner, and a model database that is a data group indicating performance corresponding to each operation condition of the air conditioner.
  • a reference data generation unit for obtaining reference data which is a combination of a plurality of operation conditions and a reference value using operation data and a model database; and reference data and evaluation data which is operation data to be evaluated.
  • the performance evaluation unit that compares and evaluates the performance of the air conditioner, and the reference data update unit that compares the reference data and the evaluation data when the operating conditions match, and updates the reference data in a predetermined case ing.
  • the present invention it is possible to update the inherent reference value reflecting the dimensional error of each device, the difference in installation state, the difference in operating conditions, etc. to an appropriate value for the performance degradation of the air conditioner It is possible to provide degradation diagnosis technology.
  • FIG. 5 is a table showing an example of the configuration of evaluation parameters of Example 1; 7 is a flowchart showing processing steps in the system performance evaluation unit of the first embodiment. 7 is a flowchart showing processing steps in the reference data update unit of the first embodiment.
  • 15 is a graph showing an example of a screen output as a result of the performance evaluation of the first embodiment.
  • 15 is a flowchart showing processing steps in the system performance evaluation unit of the second embodiment.
  • 15 is a flowchart showing processing steps in the reference data update unit of the second embodiment.
  • the performance diagnostic device and performance diagnostic method of the air conditioner of the present invention are suitable as a technique for monitoring the air conditioner from a remote place.
  • the cooling operation of the refrigerator is mainly described, in the case of a heat pump capable of heating operation as well as the cooling operation, it is necessary to consider an air conditioning load that combines the cooling load and the heating load.
  • an air conditioning load that combines the cooling load and the heating load.
  • a refrigerator, a heat pump, etc. are collectively called "an air conditioner.”
  • the air conditioning load factor described later means the load factor of the air conditioner that performs at least one of the cooling operation and the heating operation.
  • the air conditioner may be either an electric type or a thermal type.
  • An electric air conditioner is provided with a motorized compressor.
  • a thermally driven air conditioner an absorption refrigerator, an absorption heat pump, an adsorption refrigerator, an adsorption heat pump and the like can be mentioned.
  • the heat source of the heat-driven air conditioner is, for example, gas, heat of combustion such as oil, waste heat of a factory, and the like.
  • FIG. 1 is a block diagram showing the configuration of the performance diagnostic apparatus of this embodiment.
  • FIG. 2 shows an example of the configuration of a refrigerator to be subjected to performance evaluation.
  • the performance evaluation device 1 for the refrigerator 2 (hereinafter also referred to as “performance diagnostic device”) is connected to the refrigerator 2 via the operation data monitor 3 (display unit) and the operation data collection unit 4 which is a transmitter. .
  • the operation data acquired by the operation data collection unit 4 includes a signal from a sensor provided in the refrigerator 2 and includes raw data obtained from the refrigerator 2 that is actually operating.
  • the operation data collection unit 4 has a function of measuring data corresponding to a desired evaluation parameter via a sensor provided in the refrigerator 2 and a function of recording the measured time series data as history data. There is.
  • the operation data transmission unit may be inside the performance evaluation device 1.
  • a turbo refrigerator is assumed as the refrigerator 2, and the details of the configuration will be described later with reference to FIG.
  • the performance evaluation apparatus 1 includes a main storage unit 10 (first storage unit), a secondary storage unit 11 (second storage unit), an interface 12, a CPU 13 (central processing unit), an input unit 14 (input unit), An output device 15 (output unit) is provided to diagnose a change in performance of the refrigerator 2.
  • the main storage device 10 includes a reference data creation unit 10A, an evaluation data collection unit 10B, a system performance evaluation unit 10C (performance evaluation unit), a reference data update unit 10D, and an output unit 10E.
  • the first storage unit and the second storage unit can be collectively referred to simply as a "storage unit".
  • the secondary storage device 11 stores a model database.
  • FIG. 2 is a block diagram which shows an example of a structure of a refrigerator, and arrangement
  • the turbo refrigerator mainly constitutes a refrigerant circuit by sequentially connecting a turbo compressor 21 which obtains power from an electric motor 20, a condenser 22, an expansion mechanism 23, and an evaporator 24 by means of a refrigerant pipe. It is a thing.
  • a cold water inlet temperature sensor 24b, a cold water outlet temperature sensor 24c, a cooling water inlet temperature sensor 22b, a cooling water outlet temperature sensor 22c, a cold water flow meter 24a, and a cooling water flow meter 22a are provided at each location.
  • cold water is generated so that the temperature measured by the cold water outlet temperature sensor 24c becomes a predetermined value.
  • the cold water is sent to the space to be cooled 27 (such as the interior of a building) by the power of the water circulation pump 28 and absorbs heat from the space to be cooled 27.
  • the cold water which has absorbed heat and raised its temperature exchanges heat with the refrigerant of the evaporator 24 to be cooled.
  • the refrigerant of the evaporator 24 is carried to the condenser 22 through the refrigerant pipe and dissipates heat to the cooling water.
  • the cooling water is sent to the cooling tower 26 by the water circulation pump 25.
  • the cooling tower fan 26a is controlled so that the temperature measured by the cooling water inlet temperature sensor 22b becomes a predetermined value, and the heat of the cooling water is dissipated to the atmosphere.
  • the equipment configuration and operation of the refrigerator shown in FIG. 2 are merely examples, and the operation principle, arrangement, and the like of the refrigerator which is the evaluation object of the refrigerator performance evaluation device 1 of the present embodiment are not limited.
  • the reference data creation unit 10A shown in FIG. 1 uses the model database stored in the secondary storage device 11 and part of the data stored in the operation data collection unit 4 and does not cause deterioration in the refrigerator. It has a function to create data of system performance in all over the assumed operating range.
  • FIG. 3 shows an example of data included in the model database.
  • the model database of the present embodiment is a data group that covers operating conditions that satisfy the specifications of the refrigerator.
  • the model database is a data group indicating the performance corresponding to each operating condition of the air conditioner, and is measured using a testing machine before shipment in order to be published in the design value of the refrigerator, the catalog issued by the refrigerator manufacturer, etc. You may summarize using the result etc. of the carried out quality confirmation test.
  • the COP Coefficient of Performance: coefficient of performance
  • which corresponds to the system performance of a refrigerator changes depending on the air conditioning load factor, cooling water inlet temperature, cold water outlet temperature, etc.
  • load factor hereinafter, also referred to simply as “load factor”
  • COP COP
  • coolant inlet temperature are used as evaluation parameters and are arranged in three axes of X axis, Y axis and Z axis.
  • the air conditioning load factor is a value obtained by dividing the amount of heat treated in the indoor unit by the rated capacity of the air conditioning, and it is actually operating when cooling water is supplied by the evaporator to the indoor unit in the cooling operation. It is a value obtained by dividing the difference between the chilled water outlet temperature and the chilled water inlet temperature in the refrigerator by the difference between the chilled water outlet temperature and the chilled water inlet temperature set as the design value of the refrigerator. Specifically, in FIG. 2, the inlet temperature and the outlet temperature of the cold water cooled by the evaporator 24 are calculated using values measured by the cold water inlet temperature sensor 24b and the cold water outlet temperature sensor 24c, respectively.
  • the difference between the hot water outlet temperature and the hot water inlet temperature in the heat pump actually operating is set as the design value of the heat pump It is a value divided by the difference between the hot water outlet temperature and the hot water inlet temperature.
  • the temperature of the air on the upstream side and the downstream side of the condenser is measured
  • the air conditioning load factor is calculated by the same calculation as in the case of hot water as the inlet temperature and the outlet temperature, respectively.
  • the heating load is heated by the heat generated by at least one of the condenser and the absorber, and the hot water is sent to the indoor unit to perform heating.
  • the average value of the difference between the hot water outlet temperature and the hot water inlet temperature in the absorption heat pump that is actually operating for the hot water that has returned from the above is set as the design value of the absorption heat pump Divided by the difference between
  • FIG. 4 is a graph showing a time-series change of general heat transfer tube contamination.
  • model data The system performance data in the state without deterioration of the refrigerator 2 in the assumed full operating range is created as an individual characteristic surface.
  • the normal data may not necessarily be data for one year, and may be shorter or longer as long as data sufficient for creating the reference data can be collected.
  • the system performance evaluation unit 10C compares the operation data (operation data at a different time from the normal data) measured after obtaining the normal data with the individual characteristic curved surface to obtain the air conditioner. Performance can be evaluated.
  • the operation data to be compared may include normal data.
  • the corrected reference data is obtained based on the actual operation data acquired for each model, slight performance deterioration of the refrigerator 2 can be detected.
  • FIG. 5 is a flowchart showing data processing in the reference data creation unit 10A of FIG.
  • a method of creating the individual characteristic curved surface in the above-described reference data creation unit 10A will be described using FIG.
  • the reference numerals used in FIGS. 1 and 2 are also added.
  • the evaluation parameter input from the input device 14 is acquired, and normal data is acquired from the operation data collection unit 4.
  • the evaluation parameters are the load factor, the COP and the coolant inlet temperature.
  • the load factor is a ratio of the difference between the chilled water inlet temperature sensor 24b and the chilled water outlet temperature sensor 24c of the actual operation data to the difference between the chilled water inlet temperature and the chilled water outlet temperature which is maximum in model data.
  • the COP consumes the difference between the temperature obtained by the cold water outlet temperature sensor 24c and the cold water inlet temperature sensor 24b multiplied by the measurement value of the cold water flowmeter 24a with the motor 20 as a power source of the turbo compressor 21. Divided by the required power.
  • the cooling water inlet temperature is a measured value of the cooling water inlet temperature sensor 22b.
  • a model database is acquired from the secondary storage device 11.
  • a correction coefficient is calculated to make the normal data match the model data for each operating condition.
  • the correction coefficient is interpolated or extrapolated in the part where the operating condition matches, and the correction coefficient is calculated in the entire operating range in the model database.
  • each of the data in the model database is multiplied by the corresponding correction coefficient for each operating condition to create an individual characteristic surface which is the system performance without deterioration of the refrigerator 2 actually installed.
  • This data is not only a data group similar to the model database, but is also a three-dimensional graph in which the load factor, COP and cooling water inlet temperature, which are evaluation parameters, are three axes of X axis, Y axis and Z axis, respectively.
  • the data is output from the output unit 10 E of the main storage device 10 and displayed on the operation data monitor 3 via the output device 15.
  • FIG. 6 shows an example of the individual characteristic surface displayed on the operation data monitor 3.
  • the COP when the coolant inlet temperature is low and the load factor is high, the COP is high. On the other hand, when the coolant inlet temperature is high and the load factor is low, the COP is low.
  • an evaluation parameter should just be comprised from the item equivalent to the performance and operating condition of a refrigerator, and can be suitably changed with the measurement sensor installed in the refrigerator of evaluation object.
  • the individual characteristic surface obtained from the model database and the normal data of the refrigerator different from the test refrigerator installed in the building where the air conditioning is actually performed is the reference accuracy in the entire operation range It can be used as approximate data of a refrigerator.
  • the individual characteristic curved surface is reference data in the entire operation range in consideration of the installation state including the disposition of piping of the refrigerator, the inclination of the device, etc., and the installation state of measurement sensors etc. slightly different for each device.
  • data groups in all the required load factor areas and evaluation parameters calculated from the data groups are complete.
  • the data group includes data under operating conditions where the load factor is low, such as design values of a refrigerator, data accurately measured before shipment using a refrigerator for testing (tester), and the like. May be
  • FIG. 7 shows an example of the configuration of evaluation parameters for the installed measurement sensor.
  • Case 1 corresponds to FIG.
  • cases 2 and 3 are modifications.
  • Evaluation parameters X and Z shown in FIG. 7 correspond to the X axis and Z axis in FIG. 6, and are external factors that affect the performance of the air conditioner (refrigerator).
  • the evaluation parameter Y shown in FIG. 7 corresponds to the Y axis in FIG. 6, and is a parameter serving as an index for performance evaluation.
  • the evaluation parameter Y is arranged in relation to the evaluation parameters X and Z. In this way, the evaluation parameters X, Y and Z are organized as a data group.
  • evaluation parameters may be external factors that affect the performance of the air conditioner.
  • the individual characteristic surface includes two or more evaluation parameters (operating conditions) which are external factors affecting the performance of the air conditioner, and the two or more evaluation parameters are one other evaluation parameter. It is arranged in relation to (index of performance evaluation).
  • cooling water or heat for removing heat generated in at least one of an absorber and a condenser may be the inlet temperature of the cooling air.
  • the amount of heat input to the regenerator may be used as an evaluation parameter serving as an index for performance evaluation.
  • a function related to the air conditioning load factor may be used.
  • LTD may be used as an evaluation parameter.
  • LTD is treated as Y.
  • FIG. 8 is a flowchart showing processing steps in the system performance evaluation unit 10C of this embodiment.
  • evaluation target data is acquired from the operation data collection unit 4.
  • the evaluation target data is operation data of the refrigerator 2 (FIG. 1) in a designated period.
  • an arbitrary evaluation period may be input from the input device 14 of FIG. 1 or evaluation may be performed automatically at predetermined intervals.
  • the evaluation target data is part of the operation data of the operation data collection unit 4.
  • the evaluation target data is operation data to be evaluated and is also referred to as "evaluation data".
  • the operating condition (the most frequent operating condition) having the highest frequency of appearance in the classified evaluation target data is extracted.
  • the most frequent operating condition is the load factor with the highest frequency of appearance in the present embodiment.
  • the most frequent operation condition is the cooling water inlet temperature with the highest appearance frequency.
  • COP is calculated from the evaluation target data at the load factor with high appearance frequency extracted for each cooling water inlet temperature condition, and this is used as representative evaluation data. And the average value of evaluation object data is calculated.
  • power consumption used in the cases 2 and 3 of FIG. 7 may be used instead of the COP.
  • COP is determined to be performance deterioration when it is lowered, and is judged to be performance improvement when it is increased.
  • power consumption is determined to be performance deterioration when it rises, and it is determined that performance is improved when it decreases. Therefore, representative evaluation data is an average value in the area concerned of a parameter which is an index of performance evaluation.
  • the reference value is the value of the individual characteristic surface under the operating condition corresponding to the value of the representative evaluation data (the value of Y axis (COP) in the case of FIG. 6).
  • the representative evaluation data (representative evaluation data of evaluation data) of S113 and the reference value of S115 (reference value of reference data) are compared. Specifically, the deviation of the evaluation target data from the normal data is calculated.
  • the result and the specific reference data are accumulated in the system performance evaluation unit 10C each time the evaluation is performed, and the degree of deterioration is evaluated from the change of the system performance with respect to the elapsed time.
  • the system performance evaluation unit 10C has a function of accumulating specific reference data, and a result of comparing operation data collected at a plurality of different times with the specific reference data, Use to determine changes in the performance of the air conditioner.
  • the reference data updating unit 10D of FIG. 1 has a function of updating the reference value in a predetermined case as needed based on the performance of the evaluation target data acquired from the operation data collection unit 4.
  • the individual characteristic curved surface is acquired from the reference data creation unit 10A, and evaluation data which is a part of the operation data of the operation data collection unit 4 is collected from the evaluation data collection unit 10B.
  • step S202 the acquired evaluation data is compared with the operating condition of the individual characteristic surface.
  • the individual characteristic curved surface which is the reference data of the present embodiment, is a data group of the system performance in the state without deterioration in the assumed entire operation range of the refrigerator 2. It has conditions. Therefore, in step S202, the operation conditions match, and the process proceeds to step S203. A case where the operating conditions do not match in S202 will be described later in the second embodiment.
  • the performance of the reference data under the same operating condition is compared with the performance of the evaluation data.
  • the performance can be compared by COP (may be a predicted value of COP). If the performance of the reference data is superior to or equal to the performance of the evaluation data, the process proceeds to S204, and the deviation of the evaluation target data with respect to the reference data is calculated as the evaluation result. On the other hand, if the performance of the reference data is inferior to the performance of the evaluation data, the reference data is updated based on the value of the evaluation data (S207). That is, as shown in data processing (FIG. 5) in the reference data creation unit 10A of FIG. 1, model data is corrected with evaluation data as normal data, and an individual characteristic curved surface is created as new reference data.
  • the updated new reference data is again used for performance comparison in S203, but since the same data is compared here, the process proceeds to S204, and the deviation of the evaluation target data with respect to the reference data is calculated as the evaluation result.
  • This result is accumulated in the system performance evaluation unit 10C each time the evaluation is performed, and the degree of deterioration is evaluated from the change of the system performance with respect to the elapsed time. Further, the system performance evaluation unit 10C accumulates not only the deviation but also the update history (update time and value) of the reference data.
  • FIG. 9 is a flowchart for determining whether or not to update the reference data in S202 for convenience of describing the function of the reference data update unit 10D.
  • the system performance evaluation unit 10C in FIG. The processes in S110 to S116 are equivalent to the processes in S110 to S116, and may be considered as part of the process of the system performance evaluation unit 10C in practice.
  • the correction coefficient corresponding to the normal data is obtained for the entire area of the unique reference data, so maintenance It is possible to estimate how much the annual power consumption will increase and how much the running cost will increase if the refrigerator is kept operating without any work. This can provide compelling data to the user about the need for maintenance work.
  • evaluation parameters in the range of all operating conditions including operating conditions where the air conditioning load factor is high are estimated using the correction coefficients using the operation data acquired in spring, autumn and winter when the air conditioning load factor is low. Therefore, the current degree of performance deterioration can be determined in consideration of the annual power consumption, the running cost, and the like.
  • the air conditioning load factor is, for example, 50% in proportion to the maximum value.
  • the estimated value of the operation data in the area where the ratio exceeds 50% is calculated, and the estimated value and the individual characteristic surface The data may be compared.
  • annual power consumption, running costs, and the like may be calculated using the estimated value. It is possible to judge the current degree of performance deterioration in consideration of annual power consumption, running cost and the like. The above judgment may be made using those collected at the time when the above ratio is 30% or less.
  • the introduction timing of the performance evaluation device 1 is late with respect to the start of operation of the refrigerator, and the data collection unit obtains operation data immediately after operation of the refrigerator to be evaluated.
  • the reference data created by the reference data creation unit in the end can be obtained by providing the function of updating the reference value. It is possible to obtain an ideal value without deterioration while reflecting the dimensional error of each device, the difference between the installation states, the difference between the operating conditions and the operating conditions, and the like. This makes it possible to provide a highly accurate degradation diagnosis technique.
  • the reference data before the update and the new reference data are written together and displayed on the operation data monitor 3 via the output device 15, thereby improving the performance improvement after the maintenance work
  • the frequency of maintenance work of the refrigerator can be easily confirmed, it is possible for the user to make it easy to make a maintenance plan.
  • FIG. 10 shows an example of the evaluation result displayed on the operation data monitor 3.
  • the horizontal axis shows the data collection time
  • the vertical axis shows the COP under the maximum load condition (maximum temperature of the cooling water inlet and 100% load factor) which is a representative value of performance. In other words, it is a time series of COP.
  • COP is expressed as a percentage relative to the reference value. This is also called "COP ratio".
  • the COP in the maximum load condition is shown in this figure, the COP in any operating condition (load condition) may be used.
  • the gray bars are the standard values set in April 2005, and the black bars are the new standard values updated in August 2005.
  • the other hatched bars represent data collected at each time.
  • Refrigeration machine 2 started collecting data in April 2005, and in July 2005 it was maintained at 25% or more lower than the COP based on the performance as of April 2005, so maintenance in August 2005 I did the work. Since it showed better performance than the standard value in August 2005, which was subsequently measured, it was newly evaluated using the performance of August 2005 as the standard value. From September 2005 to January 2006, the COP has fallen moderately, but at this point it indicates that it is not at a stage that requires maintenance work.
  • the air conditioning load factor is generally at the spring / autumn winter season in the case of the refrigerator.
  • the ratio to the maximum value is often 50% or less (half or less). At such a time, by evaluating the performance using the operation data collected at that time, it is necessary to perform maintenance work involving the shutdown of the air conditioner without significantly impairing the comfort in the building. It can be done accordingly. More preferably, the above ratio is 30% or less.
  • the deterioration degree of the air conditioner can be detected in a short period of time by using the system performance in the absence of deterioration under the same conditions as the operation condition of the evaluation target data as a reference value. It becomes possible. In other words, the performance deterioration of the air conditioner can be detected more quickly.
  • the reference value can be a value without deterioration that reflects the difference in the installation state, the operating condition or the operating condition, etc., it is possible to provide a more accurate refrigerator degradation diagnosis technique.
  • the deterioration detection is performed with high accuracy, the number of measurement sensors is small, and the introduction cost can be suppressed.
  • performance diagnosis can be performed according to the operating condition of evaluation object data irrespective of the operating condition of an air conditioner. For this reason, performance deterioration can be detected at a time when the cooling load is low, and as a result, it is possible to perform maintenance work accompanied by shutdown of the air conditioner without impairing the comfort in the building.
  • the performance diagnostic apparatus of the present embodiment has the same configuration as the apparatus described in the first embodiment, but is applied to a diagnostic method for detecting an abnormality when the deviation is large, with the amount of change in evaluation data relative to normal data being the deviation. It is
  • the reference data creation unit 10A of the present embodiment among the operation data stored in the operation data collection unit 4, for example, data of the initial one year is assumed to be data that does not include deterioration, and all of them are reference Data (hereinafter referred to as "learning data").
  • the learning data includes not only the raw data of the sensor collected by the operation data collection unit 4 but also the calculated value using them.
  • FIG. 11 is a flowchart showing processing steps in the system performance evaluation unit 10C of this embodiment.
  • evaluation target data is acquired from the operation data collection unit 4.
  • data to be evaluated are classified according to operating conditions.
  • This operating condition is the cooling water inlet temperature in this embodiment. Note that this operating condition does not have to depend on the performance of the refrigerator, and may be, for example, a load factor.
  • learning data is acquired from the reference data creation unit 10A. Then, it progresses to S123 and compares the operation condition of learning data and evaluation data. If the operating conditions are the same, the process proceeds to S124, the deviation of the evaluation target data with respect to the learning data is calculated for each data to be held, and the sum is calculated as the evaluation result. Finally, the evaluation result is output from the output unit 10E of the main storage device 10 in S125, and displayed on the operation data monitor 3 via the output device 15.
  • FIG. 12 is a flowchart showing processing steps in the reference data updating unit 10D of the present embodiment.
  • evaluation target data is acquired from the operation data collection unit 4, and learning data is acquired from the reference data creation unit 10A.
  • data that does not match the operation conditions constituting the learning data is extracted from the evaluation target data.
  • a model database is acquired from the secondary storage device 11.
  • a relational expression representing the relationship between the load factor and the COP is stored for each cooling water inlet temperature condition.
  • a predicted value of COP under operating conditions not included in the learning data in the data to be evaluated is calculated.
  • the predicted value may be calculated by interpolation or extrapolation using the above-mentioned relational expression or the like. Thereby, it is possible to determine that the evaluation data is excellent if there is a predicted value such as COP above the individual characteristic curved surface as shown in FIG. 6 under any operating condition.
  • the evaluation data subjected to the processing of the reference data update unit 10D is returned to the system performance evaluation unit 10C again regardless of the addition of the learning data, and is provided to the processing.
  • the deviation of evaluation target data with respect to learning data is calculated with respect to all sensor data and calculation values, and the sum is used as an evaluation target to detect one change in performance such as COP.
  • changes in performance can be evaluated in multiple ways, abnormalities in the refrigerator can be detected at an earlier stage.
  • Performance evaluation device 2 Refrigerator: 3: Operation data monitor 10: Main storage device 10A: Reference data creation unit 10B: Evaluation data collection unit 10C: System performance evaluation unit 10D: Reference data update unit , 10E: output unit, 11: secondary storage device, 12: interface, 13: CPU, 14: input device, 15: output device, 20: motor, 21: turbo compressor, 22: condenser, 22a: cooling water flow rate Total, 22b: cooling water inlet temperature sensor, 22c: cooling water outlet temperature sensor, 23: expansion mechanism, 24: evaporator, 24a: cold water flow meter, 24b: cold water inlet temperature sensor, 24c: cold water outlet temperature sensor, 25, 28: water circulation pump, 26: cooling tower, 26a: cooling tower fan, 27: cooled space.

Landscapes

  • Engineering & Computer Science (AREA)
  • Combustion & Propulsion (AREA)
  • General Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Signal Processing (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • Air Conditioning Control Device (AREA)

Abstract

空気調和機の稼動データを収集し記録するデータ収集部(4)と、空気調和機の稼動条件ごとに対応する性能を示すデータ群であるモデルデータベース(11)と、を備えた、空気調和機の性能診断装置(1)において、さらに、稼動データとモデルデータベースとを用いて、複数の稼動条件と基準値との組合せである基準データを求める基準データ作成部(10A)と、基準データと評価対象の稼動データである評価データとを比較し、空気調和機の性能を評価する性能評価部(10C)と、稼動条件が一致する場合における基準データと評価データとを比較し、所定の場合に基準データを更新する基準データ更新部(10D)と、を備えている。これにより、空気調和機の性能劣化に対して、機器それぞれの寸法誤差、設置状態の差、稼動条件の違いなどを反映した固有の基準値を、適切な値に更新することができる劣化診断技術を提供することができる。

Description

空気調和機の性能診断装置及び性能診断方法
　本発明は、空気調和機の性能診断装置及び性能診断方法に関するものである。
　各種工場やビル等、比較的大規模な空間を冷房するための装置として、熱駆動式の冷凍機や電気式の冷凍機が用いられている。冷凍機の１次エネルギーの消費量は、建物全体の２割から３割程度を占めるため、近年、特に省エネルギーの推進が求められている。
　一般に、冷凍機は、求められる冷房負荷によって冷房出力を制御しており、７、８月の盛夏期は出力が大きく、５、１０月等の中間期は出力が小さくなるなど、複雑に変化する。
　また、冷凍機は、長期間使い続けることが前提となるため、省エネルギーには設置時に高効率な機器を選択するばかりでなく、経年後もシステム性能を維持することが重要となる。上述の冷凍機は、冷凍機から被冷却空間へ冷熱を運ぶ水回路や、冷凍機への入熱や被冷却空間の熱を放熱するための冷却水回路を備えているため、経年により配管内にスケールなどが付着し、機器自体の劣化が生じる。所定のシステム性能を維持するためには、定期的な保守作業により性能劣化を解消することが必要である。
　特許文献１には、冷凍機の性能劣化に対して実施すべきメンテナンス内容としてチューブ洗浄とオーバーホールとを正確に切り分けることを目的として、評価運転状況データに基づいて評価運転状況下における実性能を示す評価実ＣＯＰと評価実ＬＴＤとを計算し、当該評価実ＣＯＰと評価基準ＣＯＰとの差分を示すＣＯＰ変化量と、当該評価実ＬＴＤと評価基準ＬＴＤとの差分を示すＬＴＤ変化量とを計算し、評価時点におけるＣＯＰ変化量とＬＴＤ変化量との変化量比Ｒが一定の判定領域Ｑ内であるか否かで場合分けをする、冷凍機劣化診断装置及び冷凍機劣化診断方法が開示されている。ここで、ＬＴＤは、冷凍機の冷却効率を示す指標の１つであるLeaving Temperature Differenceの略称である。特許文献１には、３次元空間内で帯形状の曲面として表された、基準ＣＯＰ推定モデルを示す説明図も記載されている。
特開２０１６－２０５６４０号公報
　空気調和機の運転停止を伴う保守作業は、冷房負荷が大きい盛夏期や暖房負荷が大きい厳冬期に行うと、冷房及び暖房（空調）の対象である建物内の快適性を著しく損ねることになるため、あらかじめ性能劣化が現れる時期を予測し、空調負荷の小さい春秋期に行うことが望ましい。もちろん、暖房運転を行わず冷房運転だけを行う場合には、冬期などの無負荷時に行ってもよい。
　また、運転に支障をきたす以前に異常を検知し、保守作業を要求する信号を出力する性能診断システムは、機器それぞれの寸法誤差、設置状態の差、稼動条件や運転状況の違いなどを考慮した、より正確な診断が求められる。
　特許文献１には、冷凍機の劣化診断の際に用いる基準ＣＯＰ推定モデルの作成に関して、概括的に、評価時点以前に得られた冷凍機の運転状況データを利用してもよいことが記載されている。
　しかしながら、特許文献１に記載の基準ＣＯＰ推定モデルは、モデル入力データと冷凍機から得られる劣化前の基準性能を示す基準ＣＯＰからなる推定モデルであって、基準ＣＯＰは冷凍機が新品あるいはオーバーホール直後の冷凍機から得られる性能を示すＣＯＰとしているため、冷凍機が新品で無い場合は、オーバーホールを必要とする事象が起きるまでは所望の運用できない可能性があった。
　また、冷凍機（空気調和機）は、長期間使い続ける間に、被冷却空間の熱負荷の変化やメンテナンスなどにより、設置当初とはシステム構成そのものが変更される場合がある。そのような場合には学習した複数の関係式が成立せず、データの変化から予兆を捉えることができない可能性がある。
　本発明は、空気調和機の性能劣化に対して、機器それぞれの寸法誤差、設置状態の差、稼動条件の違いなどを反映した固有の基準値を、適切な値に更新することができる劣化診断技術を提供することを目的としている。
　本発明の空気調和機の性能診断装置は、空気調和機の稼動データを収集し記録するデータ収集部と、空気調和機の稼動条件ごとに対応する性能を示すデータ群であるモデルデータベースと、を備え、さらに、稼動データとモデルデータベースとを用いて、複数の稼動条件と基準値との組合せである基準データを求める基準データ作成部と、基準データと評価対象の稼動データである評価データとを比較し、空気調和機の性能を評価する性能評価部と、稼動条件が一致する場合における基準データと評価データとを比較し、所定の場合に基準データを更新する基準データ更新部と、を備えている。
　本発明によれば、空気調和機の性能劣化に対して、機器それぞれの寸法誤差、設置状態の差、稼動条件の違いなどを反映した固有の基準値を、適切な値に更新することができる劣化診断技術を提供することができる。
実施例の性能評価装置の構成を示すブロック図である。 実施例の冷凍機の構造及び計測センサの配置を示す模式構成図である。 実施例のモデルデータベースの一例を示す表である。 一般的な伝熱管汚れの時系列変化を示すグラフである。 実施例１の基準データ作成部における処理工程を示すフローチャートである。 実施例１の個別特性曲面の一例を示す三次元グラフである。 実施例１の評価パラメータの構成の一例を示す表である。 実施例１のシステム性能評価部における処理工程を示すフローチャートである。 実施例１の基準データ更新部における処理工程を示すフローチャートである。 実施例１の性能評価の結果として出力された画面の一例を示すグラフである。 実施例２のシステム性能評価部における処理工程を示すフローチャートである。 実施例２の基準データ更新部における処理工程を示すフローチャートである。
　本発明の空気調和機の性能診断装置及び性能診断方法は、空気調和機を遠隔地から監視する技術として好適である。
　以下の説明においては、主として、冷凍機の冷房運転について説明しているが、冷房運転だけでなく暖房運転も可能なヒートポンプの場合には、冷房負荷及び暖房負荷を合わせた空調負荷を考慮する必要がある。本明細書においては、冷房運転のみの場合でも、冷房運転及び暖房運転の両方を行う場合でも適用可能な技術を開示している。冷凍機、ヒートポンプ等は、まとめて「空気調和機」と呼ぶことにする。後述の空調負荷率は、冷房運転及び暖房運転のうち少なくとも一方を行う空気調和機の負荷率を意味する。
　空気調和機は、電気式及び熱駆動式のうちいずれであってもよい。
　電気式の空気調和機は、電動式の圧縮機を備えたものである。一方、熱駆動式の空気調和機としては、吸収式冷凍機、吸収式ヒートポンプ、吸着式冷凍機、吸着式ヒートポンプ等が挙げられる。熱駆動式の空気調和機の熱源は、ガス、石油等の燃焼熱、工場排熱等である。
　以下、本発明の実施例に係る空気調和機（冷凍機）の性能診断装置及び性能診断方法について、図面を参照しながら詳細に説明する。
　図１は、本実施例の性能診断装置の構成を示すブロック図である。
　図２は、性能評価対象である冷凍機の構成の一例を示したものである。
　まず、図１の性能診断装置の構成を説明する。
　冷凍機２の性能評価装置１（以下「性能診断装置」ともいう。）は、稼動データモニタ３（表示部）及び送信機である稼動データ収集部４を介して冷凍機２と接続されている。稼動データ収集部４により取得される稼動データは、冷凍機２に設けられたセンサからの信号を含むものであり、実際に運転している冷凍機２から得られる生データを含む。稼動データ収集部４は、冷凍機２に設けられたセンサを介して、所望の評価パラメータに対応するデータを計測する機能と、計測した時系列データを履歴データとして記録する機能と、を備えている。なお、本実施例では、稼動データ送信部が性能評価装置１の外部にある構成を説明するが、性能評価装置１の内部にあってもよい。
　また、本実施例では、冷凍機２としてターボ冷凍機を想定しており、その構成の詳細については、図２を用いて後述する。
　性能評価装置１には、主記憶装置１０（第一の記憶ユニット）、副記憶装置１１（第二の記憶ユニット）、インターフェース１２、ＣＰＵ１３（中央処理ユニット）、入力装置１４（入力ユニット）、および出力装置１５（出力ユニット）が設けられ、冷凍機２の性能変化を診断する。主記憶装置１０は、基準データ作成部１０Ａと、評価データ収集部１０Ｂと、システム性能評価部１０Ｃ（性能評価部）と、基準データ更新部１０Ｄと、出力部１０Ｅと、から構成されている。なお、第一の記憶ユニット及び第二の記憶ユニットは、まとめて単に「記憶ユニット」と呼ぶことができる。
　副記憶装置１１には、モデルデータベースが格納されている。
　図２は、冷凍機の構造と、性能評価装置を適用した場合における計測センサの配置の一例を示す構成図である。本図は、冷凍機がターボ冷凍機の場合を示したものである。
　ターボ冷凍機は、主に、電動機２０から動力を得るターボ圧縮機２１と、凝縮器２２と、膨張機構２３と、蒸発器２４と、を順次冷媒配管で接続することにより、冷媒回路を構成したものである。
　計測センサとしては、冷水入口温度センサ２４ｂ、冷水出口温度センサ２４ｃ、冷却水入口温度センサ２２ｂ、冷却水出口温度センサ２２ｃ、冷水流量計２４ａ、及び冷却水流量計２２ａが各所に設けられている。
　蒸発器２４では、冷水出口温度センサ２４ｃにより測定した温度が所定の値となるように、冷水が生成される。この冷水は、水循環ポンプ２８の動力により被冷却空間２７（建物の室内等）へ送られ、被冷却空間２７から吸熱する。吸熱し温度が上昇した冷水は、蒸発器２４の冷媒と熱交換をして冷却される。そして、蒸発器２４の冷媒は、冷媒配管を介して凝縮器２２に運ばれ、冷却水に対して放熱する。冷却水は、水循環ポンプ２５により冷却塔２６に送られる。冷却塔２６では、冷却水入口温度センサ２２ｂにより測定した温度が所定の値となるように、冷却塔ファン２６ａを制御し、冷却水の熱が大気へ放熱される。
　図２に示す冷凍機の機器構成ならびに動作は、あくまで一例であり、本実施例の冷凍機の性能評価装置１が評価対象とする冷凍機の作動原理、配置等を限定するものではない。
　図１の基準データ作成部１０Ａは、副記憶装置１１に格納されたモデルデータベースと、稼動データ収集部４に格納されたデータの一部と、を用いて、冷凍機に劣化が生じてない状態におけるシステム性能のデータを、想定される全稼動範囲にわたり作成する機能を備えている。
　図３は、モデルデータベースに含まれるデータの一例を示したものである。
　本実施例のモデルデータベースは、冷凍機の仕様を満たす稼動条件を網羅するデータ群である。モデルデータベースは、空気調和機の稼動条件ごとに対応する性能を示すデータ群であり、冷凍機の設計値、冷凍機メーカーが発行するカタログなどに掲載するために出荷前に試験機を用いて測定された品質確認試験の結果等を利用してまとめたものであってもよい。冷凍機のシステム性能に相当するＣＯＰ（Coefficient of Performance：成績係数）は、空調負荷率、冷却水入口温度、冷水出口温度などにより変化するが、本図においては、冷水出口温度を固定し、空調負荷率（以下では単に「負荷率」ともいう。）、ＣＯＰ及び冷却水入口温度を評価パラメータとして、Ｘ軸、Ｙ軸及びＺ軸の３軸で整理したものを用いている。
　本図に示すように、負荷率が等しい場合で比較すると、冷却水入口温度が低い条件（春、秋及び冬）では、ＣＯＰが高くなっている。一方、冷却水入口温度が高い条件（夏）では、ＣＯＰが低くなっている。
　なお、本実施例の評価対象は、水冷式の冷凍機であるが、冷却水を必要としない空冷式の冷凍機においては、冷却水入口温度の代わりに凝縮器の周囲空気温度を評価パラメータとしてもよい。
　ここで、空調負荷率は、室内機における処理熱量を、空調の定格能力で除した値であり、冷房運転において冷水を蒸発器により冷却して室内機に供給する場合、実際に稼動している冷凍機における冷水出口温度と冷水入口温度との差を、冷凍機の設計値として設定されている冷水出口温度と冷水入口温度との差で除した値である。具体的には、図２においては、蒸発器２４により冷却される冷水の入口温度及び出口温度として、それぞれ、冷水入口温度センサ２４ｂ、冷水出口温度センサ２４ｃにより測定した値を用いて計算する。
　一般に、圧縮式の冷凍機（ヒートポンプ）の場合、凝縮器で発生する熱を用いて暖房運転を行うことも可能である。この場合、空調負荷率は、温水を凝縮器により加熱して室内機に供給する場合、実際に稼動しているヒートポンプにおける温水出口温度と温水入口温度との差を、ヒートポンプの設計値として設定されている温水出口温度と温水入口温度との差で除した値である。なお、圧縮式の冷凍機（ヒートポンプ）による暖房運転を、室内機と凝縮器とを循環する熱媒体として空気を用いて行う場合には、凝縮器の上流側及び下流側における空気の温度を測定し、それぞれ、入口温度、出口温度として、温水の場合と同様の計算により、空調負荷率を算出する。
　吸収式ヒートポンプにおける暖房運転の場合、凝縮器及び吸収器のうち少なくとも一方で発生する熱により温水を加熱し、この温水を室内機に送ることにより、暖房を行うため、空調負荷率は、室内機から戻ってきた温水について、実際に稼動している吸収式ヒートポンプにおける温水出口温度と温水入口温度との差の平均値を、吸収式ヒートポンプの設計値として設定されている温水出口温度と温水入口温度との差で除した値である。
　ところで、実際の冷凍機のシステム性能は、設置初期のシステム性能に劣化がない状態であっても、設置状況などの影響により、モデルデータベースと一致しないことが一般的である。本実施例では、機器ごとに劣化のない状態でのシステム性能を正確に把握するために、稼動データ収集部４に格納されたデータの一部を使用し、モデルデータベースを補正して、冷凍機２固有の基準データ（稼動条件と基準値との組合せデータ群、以下「個別特性曲面」ともいう。）を作成する。
　図４は、一般的な伝熱管汚れの時系列変化を示すグラフである。
　冷凍機のシステム性能の劣化原因の大部分は、冷却水または冷水の伝熱管内部に、スケールなどが付着することで生じるものである。伝熱管内では、循環水の加熱や蒸発により、水中のミネラル分などが結晶化し、これが堆積してスケールとなる。
　図４から、循環水の流速や温度により、汚れ（スケール）の付着速度は異なるものの、伝熱管の内部に汚れが付着しない一定期間ｔｄが存在することがわかる。この期間は、機器の構成や設置環境、稼動状況などにより変化するが、本実施例に示すような冷凍機では、設置後１年間はスケールの付着によるシステム性能の劣化がほとんどないという傾向が得られている。また、本図から、汚れが付着し始めると、急速に汚れ係数が増加することがわかる。
　そこで、図１に示す基準データ作成部１０Ａでは、稼動データ収集部４に格納された稼動データのうち、例えば、初期の１年間のデータ（以下「正常データ」という。）を用いて、モデルデータを補正し、想定される全稼動範囲での冷凍機２の劣化のない状態のシステム性能のデータを、個別特性曲面として作成する。なお、正常データは、必ずしも１年間のデータでなくてもよく、これより短くても長くても基準データの作成に十分なデータが収集できればよい。
　よって、システム性能評価部１０Ｃにおいては、正常データを取得した後で計測される稼動データ（正常データとは異なる時期の稼動データ）と、個別特性曲面と、を比較することにより、空気調和機の性能の評価をすることができる。なお、比較対象の稼動データが正常データを含んでいてもよい。
　このように、機種ごとに取得される実際の稼動データに基づいて、補正された基準データが得られるため、冷凍機２のわずかな性能劣化を検知することができる。
　図５は、図１の基準データ作成部１０Ａにおけるデータ処理を示すフローチャートである。以下、図５を用いて、上述した基準データ作成部１０Ａでの個別特性曲面の作成方法について説明する。なお、以下の説明においては、図１及び２において用いた符号も付加している。
　まず、Ｓ１００において、入力装置１４から入力された評価パラメータを取得するともに、稼動データ収集部４から正常データを取得する。本実施例では、評価パラメータは、負荷率、ＣＯＰ及び冷却水入口温度である。
　ここで、負荷率は、モデルデータにおいて最大となる冷水入口温度と冷水出口温度との差分に対する、実稼動データの冷水入口温度センサ２４ｂと冷水出口温度センサ２４ｃとの差分の割合である。ＣＯＰは、冷水出口温度センサ２４ｃと冷水入口温度センサ２４ｂとで得られた温度の差分に冷水流量計２４ａの測定値を乗じたものを、ターボ圧縮機２１の動力源である電動機２０等で消費する電力で除した値である。また、冷却水入口温度は、冷却水入口温度センサ２２ｂの測定値である。
　次に、Ｓ１０１において、システム性能を評価するため、評価パラメータ中の冷凍機２のシステム性能に相当するＣＯＰ以外の負荷率及び冷却水入口温度を稼動条件として、正常データを稼動条件ごとに分類する。
　その後、Ｓ１０２において、副記憶装置１１からモデルデータベースを取得する。そして、Ｓ１０３において、稼動条件ごとに正常データとモデルデータとを一致させる補正係数を算出する。冷凍機２の稼動条件によっては、正常データはないが、稼動条件が一致する部分の補正係数の内挿または外挿を行い、モデルデータベースにある全稼動範囲において、補正係数を算出する。このように補正係数を算出することにより、設置状況がそれぞれ異なる冷凍機（実際に設置された冷凍機）から得られる正常データが少ない場合であっても、正常データに対応する全稼動範囲における補正係数を算出することができる。
　最後に、Ｓ１０４において、モデルデータベースにあるデータのそれぞれに、対応する補正係数を稼動条件ごとに乗じて、実際に設置された冷凍機２の劣化のないシステム性能である個別特性曲面を作成する。このデータは、モデルデータベースと同様のデータ群だけでなく、評価パラメータである負荷率、ＣＯＰ、冷却水入口温度をそれぞれ、Ｘ軸、Ｙ軸、Ｚ軸の３軸とした三次元のグラフとして、主記憶装置１０の出力部１０Ｅから出力され、出力装置１５を介して稼動データモニタ３に表示される。
　図６は、稼動データモニタ３に表示された個別特性曲面の一例を示したものである。
　本図に示すように、冷却水入口温度が低く負荷率が高い場合は、ＣＯＰが高くなっている。一方、冷却水入口温度が高く負荷率が低い場合は、ＣＯＰが低くなっている。
　なお、評価パラメータは、冷凍機の性能と稼動条件に相当する項目とから構成されればよく、評価対象の冷凍機に設置する計測センサにより、適宜変更することが可能である。
　このように、モデルデータベースと、実際に空調する建物に設置された試験用の冷凍機とは異なる冷凍機の正常データと、から得られた個別特性曲面は、全稼動範囲において基準となる正確な冷凍機の近似データとして用いることができる。この個別特性曲面は、冷凍機の配管の配置や装置の傾き等も含む設置状態、装置ごとに若干異なる計測センサ等の設置状態等を勘案した全稼動範囲における基準データである。なお、モデルデータベースには、必要とされる負荷率のすべての領域におけるデータ群と、そのデータ群から算出された評価パラメータと、が完備されている。当該データ群は、負荷率が低い稼動条件におけるデータも含むものであって、冷凍機の設計値、試験用の冷凍機（試験機）を用いて出荷前に正確に測定されたデータなどであってもよい。
　図７は、設置した計測センサに対する評価パラメータの構成の一例を示したものである。
　事例１は、図６に対応するものである。一方、事例２及び３は、変形例である。
　図７に示す評価パラメータＸ、Ｚは、図６のＸ軸、Ｚ軸に対応するものであり、空気調和機（冷凍機）の性能に影響を及ぼす外的要因である。一方、図７に示す評価パラメータＹは、図６のＹ軸に対応するものであり、性能評価の指標となるパラメータである。言い換えると、評価パラメータＹは、評価パラメータＸ及びＺとの関係で整理されるものである。このようにして、評価パラメータＸ、Ｙ及びＺは、データ群としてまとめられる。
　なお、空気調和機の性能に影響を及ぼす外的要因となる評価パラメータは、３つ以上であってもよい。
　まとめると、個別特性曲面は、空気調和機の性能に影響を及ぼす外的要因となる２つ以上の評価パラメータ（稼動条件）を含み、当該２つ以上の評価パラメータは、他の１つの評価パラメータ（性能評価の指標）との関係で整理される。
　なお、吸収式冷凍機の場合は、空気調和機の性能に影響を及ぼす外的要因となる評価パラメータとしては、吸収器及び凝縮器のうち少なくともいずれか一方で発生する熱を除去する冷却水又は冷却用空気の入口温度であってもよい。性能評価の指標となる評価パラメータとしては、再生器への投入熱量であってもよい。
　また、空気調和機の性能に影響を及ぼす外的要因となる評価パラメータとしては、空調負荷率に関連する関数であってもよい。
　さらに、評価パラメータとしてＬＴＤを用いてもよい。この場合、ＬＴＤは、Ｙとして扱う。
　次に、本実施例のシステム性能の評価方法について説明する。
　図８は、本実施例のシステム性能評価部１０Ｃにおける処理工程を示すフローチャートである。
　まず、Ｓ１１０において、稼動データ収集部４から評価対象データを取得する。評価対象データは、指定された期間の冷凍機２（図１）の稼動データである。期間の指定方法としては、図１の入力装置１４より任意の評価期間を入力するか、一定期間ごとに自動で評価を実施する設定としてもよい。言い換えると、評価対象データは、稼動データ収集部４が有する稼動データの一部である。なお、評価対象データは、評価対象の稼動データであり、「評価データ」ともいう。
　次に、Ｓ１１１において、評価対象データを稼動条件ごとに分類する。この稼動条件は、個別特性曲面の稼動条件の評価パラメータと一致させたものであり、本実施例では、冷却水入口温度である。その後、Ｓ１１２において、分類した評価対象データ内の最も出現頻度の高い稼動条件（最頻稼動条件）を抽出する。ここで、最頻稼動条件は、本実施例においては、最も出現頻度の高い負荷率である。また、Ｓ１１１において評価対象データを分類する稼動条件を負荷率とした場合には、最頻稼動条件は、最も出現頻度の高い冷却水入口温度である。
　さらに、Ｓ１１３では、冷却水入口温度条件ごとに抽出した、出現頻度の高い負荷率における評価対象データよりＣＯＰを算出し、これを代表評価データとする。そして、評価対象データの平均値を算出する。なお、代表評価データとしては、ＣＯＰの代わりに、図７の事例２及び３で用いた消費電力を用いてもよい。ＣＯＰは、低下した場合に性能劣化と判定され、上昇した場合に性能向上と判定される。一方、消費電力は、上昇した場合に性能劣化と判定され、低下した場合に性能向上と判定される。よって、代表評価データは、性能評価の指標となるパラメータの当該領域における平均値である。
　一方で、Ｓ１１４では、基準データ作成部１０Ａで作成された個別特性曲面を取得する。
　そして、Ｓ１１５においては、個別特性曲面のうち、代表評価データの稼動条件と一致するデータを抽出し、これを基準値と設定する。よって、基準値は、代表評価データの値に対応する稼動条件における個別特性曲面の値（図６の場合、Ｙ軸（ＣＯＰ）の値）である。
　Ｓ１１６では、Ｓ１１３の代表評価データ（評価データの代表評価データ）とＳ１１５の基準値（基準データの基準値）とを比較する。具体的には、正常データに対する評価対象データの偏差を算出する。この結果と固有の基準データは、評価を行うごとにシステム性能評価部１０Ｃに蓄積され、経過時間に対するシステム性能の変化から劣化度合いを評価する。言い換えると、システム性能評価部１０Ｃは、固有の基準データと、複数の異なる時期に収集された稼動データと固有の基準データとを比較した結果と、を蓄積する機能を有し、それらの値を用いて、空気調和機の性能の変化を判定する。
　最後に、Ｓ１１７において、主記憶装置１０の出力部１０Ｅから出力され、出力装置１５を介して稼動データモニタ３に表示される。
　次に、本実施例の基準データ更新部の更新方法について説明する。図１の基準データ更新部１０Ｄでは、稼動データ収集部４から取得した評価対象データの性能を元に、必要に応じて所定の場合に基準値を更新する機能を備えている。
　図９は、基準データ更新部１０Ｄにおける更新の要否を判定するための処理工程を示すフローチャートである。
　まず、Ｓ２０１において基準データ作成部１０Ａから個別特性曲面を取得し、評価データ収集部１０Ｂから稼動データ収集部４が有する稼動データの一部である評価データを収集する。
　その後、Ｓ２０２において、取得した評価データと個別特性曲面の稼動条件を比較する。本実施例の基準データである個別特性曲面は、冷凍機２の想定される全稼動範囲での劣化のない状態のシステム性能のデータ群であるため、本実施例では基準データは評価データの稼動条件を有している。そのため、Ｓ２０２では稼動条件が一致する場合となり、Ｓ２０３のステップに進む。なお、Ｓ２０２で稼動条件が一致しない場合については、実施例２で後述する。
　Ｓ２０３では、同一稼動条件における基準データの性能と評価データの性能とを比較する。ここで、当該性能は、ＣＯＰ（ＣＯＰの予測値でもよい。）で比較することができる。基準データの性能が評価データの性能より優れているか同等であれば、Ｓ２０４へ進み、評価結果として基準データに対する評価対象データの偏差を算出する。一方、基準データの性能が評価データの性能より劣っている場合には、評価データの値をもとに、基準データを更新する（Ｓ２０７）。つまり、図１の基準データ作成部１０Ａにおけるデータ処理（図５）に示すとおり、評価データを正常データとしてモデルデータを補正し、新しい基準データとして個別特性曲面を作成する。
　更新された新しい基準データは、再びＳ２０３において性能比較に用いるが、ここでは同じデータの比較となるため、Ｓ２０４へ進み、評価結果として基準データに対する評価対象データの偏差を算出する。この結果は、評価を行うごとにシステム性能評価部１０Ｃに蓄積され、経過時間に対するシステム性能の変化から劣化度合いを評価する。また、システム性能評価部１０Ｃは、偏差だけでなく、基準データの更新履歴（更新時期と値）も蓄積する。
　これらの結果は主記憶装置１０の出力部１０Ｅから出力され、出力装置１５を介して稼動データモニタ３に表示される。
　なお、図９は、基準データ更新部１０Ｄの機能を説明する都合上、Ｓ２０２において基準データを更新するか否かを判定するフローチャートとしているが、Ｓ２０１からＳ２０３は、図８のシステム性能評価部１０Ｃでの処理Ｓ１１０からＳ１１６に相当する処理であり、実用上はシステム性能評価部１０Ｃの工程の一部として考えてよい。
　上記の偏差は、指定された期間内の狭い範囲の評価対象データから算出されるものであるが、正常データに対応する補正係数は、固有の基準データの全領域について得られているため、保守作業を行わずに冷凍機を稼動し続けた場合に、年間消費電力がどの程度大きくなり、ランニングコストがどの程度高くなるか等の試算を行うことができる。これにより、保守作業の必要性について説得力のあるデータをユーザーに提供することができる。
　具体的には、空調負荷率が低い稼動条件となる春秋冬等に取得した稼動データを用いて、空調負荷率が高い稼動条件を含むすべての稼動条件の範囲における評価パラメータを補正係数により推算することができるため、現状の性能劣化の度合いについて、年間消費電力、ランニングコスト等を考慮して判断することができる。
　更に具体的には、空調負荷率が高くなる時期（冷凍機の場合、一般には盛夏期）における空調負荷率の最大値を基準として、空調負荷率が、その最大値に対する割合で、例えば５０％以下になっている時期（冷凍機の場合、春秋冬等）に収集されたものを用いて、当該割合が５０％を超える領域における稼動データの推算値を算出し、当該推算値と個別特性曲面データとを比較してもよい。また、当該推算値を用いて、年間消費電力、ランニングコスト等を算出してもよい。年間消費電力、ランニングコスト等を考慮して、現状の性能劣化の度合いについて判断することができる。上記の判断は、上記の割合が３０％以下になっている時期に収集されたものを用いて行ってもよい。
　また、本実施例の性能評価装置１は、例えば冷凍機の稼動開始に対して性能評価装置１の導入タイミングが遅く、データ収集部が評価対象の冷凍機の稼動直後からの稼動データを得ることができない場合、つまり、正常データに劣化が含まれる可能性がある場合であっても、基準値を更新する機能を備えていることで、最終的に基準データ作成部で作成される基準データについて、機器それぞれの寸法誤差、設置状態の差、稼動条件や運転状況の違いなどを反映しつつ、劣化のない理想的な値とすることができる。これにより、精度の高い劣化診断技術を提供することができる。
　更には、基準データの更新を行った場合に、更新以前の基準データと新しい基準データとを併記して出力装置１５を介して稼動データモニタ３に表示することで、保守作業後の性能改善効果や、冷凍機の保守作業の頻度を容易に確認できるため、ユーザーにとって保守計画を立てやすい仕組みとすることができる。
　図１０は、稼動データモニタ３に表示される評価結果の一例を示したものである。横軸にはデータの収集時期を、縦軸には性能の代表値である最大負荷条件（冷却水入口が最大温度かつ負荷率１００％）におけるＣＯＰを示している。言い換えると、ＣＯＰの時系列である。ＣＯＰは、基準値に対する百分率で表している。これを「ＣＯＰ比」とも呼ぶ。本図においては、最大負荷条件におけるＣＯＰを示しているが、任意の稼動条件（負荷条件）におけるＣＯＰを用いてもよい。灰色の棒は２００５年４月に設定した基準値であり、黒色の棒は、２００５年８月に更新した新しい基準値である。その他の斜線によるハッチングが施されている棒は、それぞれの時期において収集されたデータを表している。
　本図では、ＣＯＰ低下率２５％で保守作業が必要と定義して評価をする場合を想定して説明する。冷凍機２は、２００５年４月からデータ収集を開始し、２００５年７月に２００５年４月時点の性能を基準値としたときのＣＯＰに対し２５％以上低下したため、２００５年８月に保守作業をおこなった。その後計測した２００５年８月には、基準値よりも優れた性能を示したため、新たに２００５年８月の性能を基準値として、評価を行った。２００５年９月から２００６年１月までは、ＣＯＰは緩やかに低下しているが、この時点では保守作業を要する段階ではないことを示している。
　なお、本図においては、月ごとのデータを示したが、本発明は、これに限定されるものではなく、例えば、週ごとのデータを取得することもでき、そのデータを用いて保守作業の必要性を判断してもよい。
　これにより、個別の冷凍機の小さな変化を高頻度で正確に取得し、早い段階で劣化を判定することができる。
　また、以前の基準値を更新した新しい基準値と同時に示すことにより、ユーザーに対して、保守作業による冷凍機の性能改善効果を理解しやすくするとともに、次回の保守作業の時期を事前に計画しやすくする効果がある。
　なお、空調負荷率が高くなる時期（冷凍機の場合、一般には盛夏期）における空調負荷率の最大値を基準として、冷凍機の場合、一般には春秋冬の時期には、空調負荷率が、その最大値に対する割合で、５０％以下（半分以下）となっている場合が多い。このような時期において、その時期に収集された稼動データを用いて性能の評価をすることにより、空気調和機の運転停止を伴う保守作業を、建物内の快適性を著しく損ねることなく、必要に応じて行うことができる。上記の割合は、３０％以下であることが更に望ましい。
　本実施例の性能評価装置によれば、以下の効果を奏する。
　まず、設置場所や稼動状況により同一機種でも初期のシステム性能が異なる空気調和機に対して、個別特性曲面を作成することにより、想定される全稼動範囲において劣化のない状態のシステム性能が得られるため、評価対象データの稼動条件と同一条件での劣化のない状態のシステム性能を基準値として、劣化度合いを診断することができ、短期間で空気調和機のシステム性能の劣化を検知することが可能となる。言い換えると、空気調和機の性能劣化をより早く検出することが可能となる。
　そして、基準値を更新する機能を備えていることで、データ収集を開始した時点で作成した基準データに劣化が含まれている場合であっても、最終的には、機器それぞれの寸法誤差、設置状態の差、稼動条件や運転状況の違いなどを反映した劣化のない値を基準値とすることができるため、より精度の高い冷凍機劣化診断技術を提供することができる。
　また、このように精度よく劣化検知を行うにもかかわらず、計測センサの数は少なく、導入コストを抑えることができる。
　そして、性能診断は、空気調和機の稼動条件にかかわらず、評価対象データの稼動条件に合わせて行うことが可能である。このため、冷房負荷の低い時期に性能劣化を検知することができ、結果として、空気調和機の運転停止を伴う保守作業を、建物内の快適性を損ねることなく行うことが可能である。
　本実施例の性能診断装置は、実施例１で述べた装置と同じ構成であるが、正常データに対する評価データの変化量を偏差として、偏差が大きい場合に異常を検出する診断方法に対して適用するものである。
　具体的には、本実施例の性能診断装置は、図１のブロック図に示す副記憶装置１１に格納されたモデルデータベースの内容と、基準データ作成部１０Ａでのデータ作成方法と、システム性能評価部１０Ｃでの評価方法と、基準データ更新部１０Ｄとが実施例１とは異なる。
　まず、本実施例の基準データ作成部１０Ａでは、稼動データ収集部４に格納された稼動データのうち、例えば、初期の１年間のデータを劣化が含まれないデータと想定し、これら全てを基準データ（以下「学習データ」という。）とする。学習データには、稼動データ収集部４が収集したセンサの生データだけでなく、それらを使った演算値なども含む。
　次に、本実施例のシステム性能の評価方法について説明する。
　図１１は、本実施例のシステム性能評価部１０Ｃにおける処理工程を示すフローチャートである。
　まず、Ｓ１２０において、稼動データ収集部４から評価対象データを取得する。次に、Ｓ１２１において、評価対象データを稼動条件ごとに分類する。この稼動条件は、本実施例では、冷却水入口温度である。なお、この稼動条件は、冷凍機の性能に依存するものでなければよく、例えば、負荷率などでもよい。
　その間、Ｓ１２２において、基準データ作成部１０Ａから学習データを取得する。その後、Ｓ１２３へ進み、学習データと評価データの稼動条件を比較する。稼動条件が同等であれば、Ｓ１２４に進み、学習データに対する評価対象データの偏差を保有するデータごとに算出し、合計して評価結果とする。最後に、評価結果は、Ｓ１２５において、主記憶装置１０の出力部１０Ｅからを出力され、出力装置１５を介して稼動データモニタ３に表示される。
　一方、稼動条件が異なる場合には、Ｓ１２６へ進み、基準データ更新部１０Ｄにおいて、学習データの追加を行う。これは、実施例１の基準データ更新部の処理工程を示すフローチャート（図９）のＳ２０６にあたる。
　図１２は、本実施例の基準データ更新部１０Ｄにおける処理工程を示すフローチャートである。
　まず、Ｓ２２０において、稼動データ収集部４から評価対象データを取得するとともに、基準データ作成部１０Ａから学習データを取得する。次に、Ｓ２２１において、評価対象データの中から、学習データを構成する稼動条件と一致しないデータを抽出する。
　同時に、Ｓ２２２において、副記憶装置１１からモデルデータベースを取得する。本実施例のモデルデータベースには、負荷率とＣＯＰとの関係を表す関係式が冷却水入口温度条件ごとに格納されている。Ｓ２２３では、これらの関係式と学習データをもとに、評価対象データ内の学習データに含まれない稼動条件でのＣＯＰの予測値を算出する。ここで、予測値は、上記の関係式等を用いて内挿法又は外挿法により算出してもよい。これにより、どのような稼動条件であっても、図６に示すような個別特性曲面の上方にＣＯＰ等の予測値があれば、評価データが優れていると判定することができる。
　その後、Ｓ２２４において、この予測値と評価データを比較し、評価データが優れている場合には、Ｓ２２５へ進み、評価データを学習データに追加する。
　一方、Ｓ２２４において評価データよりも学習データが優れている場合には、Ｓ２２６へ進み、学習データを変更しないことが確定する。
　基準データ更新部１０Ｄの処理を施した評価データは、学習データの追加の有無にかかわらず、再びシステム性能評価部１０Ｃへ戻し、処理に供する。
　本実施例の性能評価装置によれば、以下の効果を奏する。
　まず、学習データに対する評価対象データの偏差を、全てのセンサデータと演算値に対して算出し、その合計を評価対象とすることで、ＣＯＰなどの性能の変化量の１つを監視する検出方法に比べ、性能の変化を多面的に評価することができるので、冷凍機の異常をより早い段階で検出することができる。
　また、学習データを更新する構成をもつことで、単なる稼動条件の違いなどによる誤検知を防ぐことができるとともに、稼動時間が経過するほど学習データが蓄積され、より精度の高い予兆検知が可能となる。
　さらに、最大負荷条件とは異なる稼動条件においても、容易に性能評価をすることができるため、データの換算等による誤差の発生を抑制することができる。
　１：性能評価装置、２：冷凍機、３：稼動データモニタ、１０：主記憶装置、１０Ａ：基準データ作成部、１０Ｂ：評価データ収集部、１０Ｃ：システム性能評価部、１０Ｄ：基準データ更新部、１０Ｅ：出力部、１１：副記憶装置、１２：インターフェース、１３：ＣＰＵ、１４：入力装置、１５：出力装置、２０：電動機、２１：ターボ圧縮機、２２：凝縮器、２２ａ：冷却水流量計、２２ｂ：冷却水入口温度センサ、２２ｃ：冷却水出口温度センサ、２３：膨張機構、２４：蒸発器、２４ａ：冷水流量計、２４ｂ：冷水入口温度センサ、２４ｃ：冷水出口温度センサ、２５、２８：水循環ポンプ、２６：冷却塔、２６ａ：冷却塔ファン、２７：被冷却空間。

Claims (10)

  1. 　空気調和機の稼動データを収集し記録するデータ収集部と、
    　前記空気調和機の稼動条件ごとに対応する性能を示すデータ群であるモデルデータベースと、を備え、前記空気調和機の性能を診断する装置において、
    　さらに、前記稼動データと前記モデルデータベースとを用いて、複数の稼動条件と基準値との組合せである基準データを求める基準データ作成部と、
    　前記基準データと評価対象の稼動データである評価データとを比較し、前記空気調和機の性能を評価する性能評価部と、
    　前記稼動条件が一致する場合における前記基準データと前記評価データとを比較し、所定の場合に前記基準データを更新する基準データ更新部と、を備えていることを特徴とする、空気調和機の性能診断装置。
  2. 　前記基準データは、前記稼動データに対応するように、前記モデルデータベースに対して補正されたものであることを特徴とする、請求項１記載の空気調和機の性能診断装置。
  3. 　前記基準データ更新部は、前記評価データの稼動条件が、前記基準データを構成する稼動条件と一致しない場合には、前記評価データを前記基準データに追加することにより前記基準データを更新することを特徴とする、請求項１記載の空気調和機の性能診断装置。
  4. 　前記基準データ更新部は、前記評価データの稼動条件が、前記基準データを構成する稼動条件と一致する場合には、前記基準データの前記基準値と前記評価データの代表評価データとを比較し、前記評価データの方が性能向上を示していると判定された場合には前記代表評価データを新しい基準値として、前記基準データを更新することを特徴とする、請求項１記載の空気調和機の性能診断装置。
  5. 　前記基準データ更新部は、前記評価データの稼動条件が、前記基準データを構成する稼動条件と一致しない場合には、前記基準データを構成する前記稼動条件とその基準値との組合せから推定される前記評価データの稼動条件における基準値よりも、前記評価データの代表評価データが性能向上を示していると判定された場合に限り、前記評価データを前記基準データに追加することにより前記基準データを更新することを特徴とする、請求項１記載の空気調和機の性能診断装置。
  6. 　前記モデルデータベースは、前記空気調和機の仕様を満たす稼動条件を網羅するデータ群であることを特徴とする、請求項１記載の空気調和機の性能診断装置。
  7. 　さらに、前記稼動データを収集し記録するデータ収集部を備えていることを特徴とする、請求項１記載の空気調和機の性能診断装置。
  8. 　さらに、表示部を備え、
    　前記表示部は、前記基準データ及び前記評価データを対比可能に表示する機能を有し、　前記基準データ更新部により前記基準データを更新した場合には、更新前後の前記基準データ、及び前記評価データを表示することを特徴とする、請求項１記載の空気調和機の性能診断装置。
  9. 　前記基準値は、成績係数又はＬＴＤであることを特徴とする、請求項１記載の空気調和機の性能診断装置。
  10. 　空気調和機の稼動データを収集し記録する工程を含み、
    　前記空気調和機の稼動条件ごとに対応する性能を示すデータ群であるモデルデータベースを用いる、前記空気調和機の性能を診断する方法において、
    　さらに、前記稼動データと前記モデルデータベースとを用いて、複数の稼動条件と基準値との組合せである基準データを求める工程と、
    　前記基準データと評価対象の稼動データである評価データとを比較し、前記空気調和機の性能を評価する工程と、
    　前記稼動条件が一致する場合における前記基準データと前記評価データとを比較し、所定の場合に前記基準データを更新する工程と、を含むことを特徴とする、空気調和機の性能診断方法。
PCT/JP2018/033175 2017-11-16 2018-09-07 空気調和機の性能診断装置及び性能診断方法 WO2019097822A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US16/754,151 US11561019B2 (en) 2017-11-16 2018-09-07 Performance diagnosis device and performance diagnosis method for air conditioner

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017220648A JP6933564B2 (ja) 2017-11-16 2017-11-16 空気調和機の性能診断装置及び性能診断方法
JP2017-220648 2017-11-16

Publications (1)

Publication Number Publication Date
WO2019097822A1 true WO2019097822A1 (ja) 2019-05-23

Family

ID=66540249

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/033175 WO2019097822A1 (ja) 2017-11-16 2018-09-07 空気調和機の性能診断装置及び性能診断方法

Country Status (3)

Country Link
US (1) US11561019B2 (ja)
JP (1) JP6933564B2 (ja)
WO (1) WO2019097822A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021081167A (ja) * 2019-11-22 2021-05-27 中部電力株式会社 空調機のショートサーキット評価装置
CN115325665A (zh) * 2021-05-11 2022-11-11 博纳信远能源科技有限公司 中央空调的节能优化控制方法、设备及系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110726272B (zh) * 2018-07-16 2023-06-06 开利公司 冷机站性能预测系统和方法
CN110701744B (zh) * 2019-10-23 2021-06-01 广东美的暖通设备有限公司 空调器的运行方法、装置、空调器和计算机可读存储介质
CN115899964A (zh) * 2022-12-22 2023-04-04 北京航天智造科技发展有限公司 基于多维的空调智能监测方法与系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010048433A (ja) * 2008-08-19 2010-03-04 Daikin Ind Ltd 診断支援装置
JP2011012839A (ja) * 2009-06-30 2011-01-20 Taikisha Ltd 熱源システム又は空調システムの性能評価方法及び性能評価装置
JP2015203544A (ja) * 2014-04-16 2015-11-16 株式会社日立製作所 空調機器管理システム
JP2016205640A (ja) * 2015-04-15 2016-12-08 アズビル株式会社 冷凍機劣化診断装置および方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9606520B2 (en) * 2009-06-22 2017-03-28 Johnson Controls Technology Company Automated fault detection and diagnostics in a building management system
DE102013111062B4 (de) * 2013-10-07 2017-03-16 Borgwarner Ludwigsburg Gmbh Verfahren zum Einstellen einer Anregungsfrequenz eines Schwingkreises einer Koronazündeinrichtung
KR102364621B1 (ko) * 2017-04-04 2022-02-17 엘지전자 주식회사 공기조화기 시스템 및 그 제어방법

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010048433A (ja) * 2008-08-19 2010-03-04 Daikin Ind Ltd 診断支援装置
JP2011012839A (ja) * 2009-06-30 2011-01-20 Taikisha Ltd 熱源システム又は空調システムの性能評価方法及び性能評価装置
JP2015203544A (ja) * 2014-04-16 2015-11-16 株式会社日立製作所 空調機器管理システム
JP2016205640A (ja) * 2015-04-15 2016-12-08 アズビル株式会社 冷凍機劣化診断装置および方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021081167A (ja) * 2019-11-22 2021-05-27 中部電力株式会社 空調機のショートサーキット評価装置
JP7412146B2 (ja) 2019-11-22 2024-01-12 中部電力株式会社 空調機のショートサーキット評価装置
CN115325665A (zh) * 2021-05-11 2022-11-11 博纳信远能源科技有限公司 中央空调的节能优化控制方法、设备及系统
CN115325665B (zh) * 2021-05-11 2023-09-22 博纳信远能源科技有限公司 中央空调的节能优化控制方法、设备及系统

Also Published As

Publication number Publication date
US11561019B2 (en) 2023-01-24
JP2019090585A (ja) 2019-06-13
JP6933564B2 (ja) 2021-09-08
US20210080138A1 (en) 2021-03-18

Similar Documents

Publication Publication Date Title
WO2019097822A1 (ja) 空気調和機の性能診断装置及び性能診断方法
US6701727B2 (en) Apparatus and method for managing heat source unit for air conditioner
CN106288162B (zh) 一种除霜进入判定方法、系统和空调
Zhou et al. A model‐based fault detection and diagnosis strategy for HVAC systems
CN110186155A (zh) 一种空调外机脏堵检测及自清洁的方法及空调器
JP6750091B2 (ja) 空気調和機の性能診断装置及び性能診断方法
WO2020003528A1 (ja) 空調管理システム、空調管理方法、及びプログラム
CN110325805B (zh) 用于确定冷却器的效率的系统和方法
JP4966921B2 (ja) 冷熱供給システムの劣化診断装置、劣化診断方法、及び劣化診断システム
JP2012047364A (ja) 冷凍サイクル装置
JP2016205640A (ja) 冷凍機劣化診断装置および方法
JP2010025475A (ja) 冷凍サイクル機器に用いられる故障診断装置
JP2020008204A (ja) センサ状態判定装置、センサ状態判定方法およびプログラム
JP4224275B2 (ja) 空気調和装置用熱源機の管理装置及び管理方法
JP4134997B2 (ja) 余寿命予測プログラム及び余寿命予測システム
Guo et al. Performance benchmarking of residential air conditioning systems using smart thermostat data
JP3933599B2 (ja) Ｇｈｐ故障予知診断方法およびその装置
CN111788598B (zh) 利用高楼能量管理系统数据的能量效率分析系统
CN102520010A (zh) 一种用于蒸气压缩循环冷水机组的冷凝器污垢检测方法
JP2006046762A (ja) Ｇｈｐ故障予知診断方法及びその装置
WO2018179333A1 (ja) 冷媒圧縮式ヒートポンプ利用機器、冷媒圧縮式ヒートポンプの診断装置及び冷媒圧縮式ヒートポンプの診断方法
CN112905947B (zh) 一种间接空冷塔翅片管换热器脏污程度的实时监测方法
JP3083930B2 (ja) 吸収式冷凍機の故障診断システム
JP2020003202A (ja) 空調管理システム、空調管理方法、及びプログラム
JP6948756B1 (ja) 吸収式冷温水機の性能診断方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18877337

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 18877337

Country of ref document: EP

Kind code of ref document: A1