制冷系統智能儀表監測技術

張偉

（江蘇省精創電氣股份有限公司 記錄儀物聯網事業部，江蘇徐州，221116）

1 緒論

自20世紀60年代以來，數據挖掘（數據挖掘）技術已經形成了應用人工智能（AI）的分支，主要有數種挖掘方法，如泛化，表征，分類，聚類關聯，進化，模式匹配，數據可視化和元規則。預測是應用程序中使用的主要數據挖掘功能之一，其廣泛的應用包括市場營銷，醫療保健，土木工程等許多領域。然而，數據挖掘在能源領域很少應用，尤其是為了支持能源效率。

在制冷行業中，系統性能用COP表示，COP定義為“輸出”的熱量變化與所提供的工作的比例。有文獻使用動態神經網絡模型來預測相關的蒸汽壓縮液體制冷機的性能。該模型在兩個不同冷卻器的兩個動態過程中的應用表明，準確地確定了所有過程特征。有的研究使用COP作為衡量中國天津市不同集中供熱系統階段成本和環境影響的指標之一。也有人研究利用COP作為太陽能吸收式制冷系統的性能預測評估。這兩項研究都證實了COP是制冷系統性能指標。

2 制冷系統耗電分析

節能減排問題近來受到越來越多的關注，對能源消耗大的系統的調查已經成為人們日益關注的問題，其中之一是用于保存食物和空調的制冷系統。制冷系統在工廠，家庭，辦公室等地點無處不在。盡管其廣泛使用，但這些系統的性能尚未得到充分研究。因此，根據制冷劑條件開發適合于預測制冷系統性能的方法是必不可少的。目前，利用能量管理系統系統的的智能儀表進行數據挖掘的方法仍然很少。值得注意的是，蒸汽壓縮制冷系統中使用的制冷劑量的電特性只能通過實驗確定。本文通過實驗確定制冷系統的特性。所有實驗數據都是從智能電表中檢索出來的，這些電表也用于監測用電量和用戶行為 數據挖掘技術被用作分析工具來預測不同制冷劑量下的性能系數。

3 制冷系統自主調節建模

數據挖掘和基于人工智能的方法使用計算機系統程序通過模擬人類大腦過程來解決問題。數據挖掘方法最近在許多領域得到了發展，包括泛化，表征，分類，聚類，關聯，演化，模式匹配，數據可視化和元規則引導挖掘。因此，使用基于數據挖掘和AI的模型可以預測和改進未來制冷系統的性能。

在制冷系統中，熱量從低溫流向高溫區域。熱量流動通過制冷劑來實現，制冷劑吸收熱量并在低壓下沸騰或蒸發以形成蒸汽。壓縮機將蒸氣壓縮至更高的壓力。制冷劑將熱量傳遞至空氣或水后冷凝成液體重新進行循環。該過程將熱量從低溫源轉移到更高溫源。具有內部換熱器的制冷系統的COP取決于蒸發器溫度，冷凝器溫度，過冷溫度等參數。制冷系統，家用冰箱或商用制冷系統中，低壓蒸汽壓力在通過壓縮機時增加，隨著輸入到壓縮過程中的能量轉移到制冷劑，溫度急劇升高。制冷劑然后將蒸汽變成液體。在下一階段，高壓過冷液體通過膨脹裝置，既降低壓力又控制流入蒸發器的流量。在最后階段，蒸發器中的低壓液體制冷劑從其周圍吸收熱量并轉換空氣，水或液體。

4 自主調節模式下智能電表設計

典型制冷系統的組成部分是壓縮機，分油器，冷凝器，蓄能器，過濾器干燥器，噴油器和蒸發器。在這項研究中，系統性能通過智能儀表進行監控。儀表是一種電表，能夠記錄每小時或更少的電能消耗，并將信息發送回公用事業中心進行監控和計費。智能電表可實現電表與中央系統之間的雙向通信。與家庭能源監控器不同，智能電表可以連續報告遠程收集的數據 其主要功能是功率測量和網絡傳輸。該系統可監控所有用電信息，包括實時和歷史數據以及可通過RS-485或以太網或ZigBee傳輸的每日和每月電力需求。一旦檢測到異常信號，系統會自動通過電子郵件或文本通知用戶。系統信息傳遞流程如圖1所示。

圖1 系統信息傳遞流程

裝置同時監測16個溫度和4個壓力值，數字和機械控制。傳感器位于壓縮機入口和出口處以及油分離器，冷凝器，蓄能器，過濾干燥器噴射器和蒸發器。蒸發器的功能是壓縮冷卻的化學物質，將其從液態轉變為蒸氣形式，并吸收熱量。過濾干燥器的功能是去除制冷系統中的碎屑。蓄壓器中不可壓縮的液壓流體由外部源持續加壓。油分離器分離油和水，以防止壓縮機中的油與制冷系統中循環的制冷劑一起排出。壓縮機是一種用于壓縮蒸汽的機械裝置。冷凝器通過冷凝將蒸汽轉化為液體。

由于受監控的數據類型是“連續的”，因此使用IBM SPSS建模器中的數字預測器執行數據分析。軟件中的數字預測器節點自動創建并比較連續數字結果的默認模型。在這個實驗中選擇的制冷劑是R404A，它是一種用于熱循環的化合物，其可逆地經歷從蒸氣到液體的相變。由于R404A清潔，不易燃，對冷卻有效，而且毒性低，因此它一般取代R22和R502制冷劑。R404A制冷劑廣泛用于中低溫制冷系統。當制冷系統發生泄漏時，由于剩余制冷劑的組成和系統性能的可靠性未知，修理通常需要拆除和更換所有制冷劑。因此，該研究重新填充液態制冷劑并分析不同制冷劑量的影響，而不考慮剩余制冷劑的組成

具有內部換熱器的制冷系統的性能由蒸發器溫度，冷凝器溫度，過冷溫度，過熱溫度和冷卻能力決定。本文根據上述溫度和制冷量值估算COP值。高COP值被解釋為高設備效率。值得注意的是，可以通過繪制莫里爾圖來計算COP，該莫里爾圖是通過繪制總熱量對能量繪圖來描述熱力學系統的焓的焓熵圖。莫里爾圖可以用來顯示與制冷劑相關的物理特性，其中每條曲線表示不同的物理特性。

5 總結

本文的目的是通過智能儀表評估數據挖掘技術在預測R404A制冷劑不同環境下的制冷設備COP時的有用性和比較數據挖掘技術的性能。這項工作的一個限制是它在單一模型中使用了默認設置。因此，需要進一步的研究來研究用于預測COP的模型參數優化和檢測異常用電并減少不必要的能量消耗。

參考文獻

[1]張愷,張小松,白建波.基于VB的分布式制冷空調性能測控系統中多種智能儀表通信功能的實現[J].制造業自動化,2007(02):39-44.

[2]宋奎文.使用PLC,變頻器及智能儀表實現制冷系統的控制[J].自動化與儀表,2004(05):73-75.