制冷系统智能仪表监测技术

张伟

（江苏省精创电气股份有限公司 记录仪物联网事业部，江苏徐州，221116）

1 绪论

自20世纪60年代以来，数据挖掘（数据挖掘）技术已经形成了应用人工智能（AI）的分支，主要有数种挖掘方法，如泛化，表征，分类，聚类关联，进化，模式匹配，数据可视化和元规则。预测是应用程序中使用的主要数据挖掘功能之一，其广泛的应用包括市场营销，医疗保健，土木工程等许多领域。然而，数据挖掘在能源领域很少应用，尤其是为了支持能源效率。

在制冷行业中，系统性能用COP表示，COP定义为“输出”的热量变化与所提供的工作的比例。有文献使用动态神经网络模型来预测相关的蒸汽压缩液体制冷机的性能。该模型在两个不同冷却器的两个动态过程中的应用表明，准确地确定了所有过程特征。有的研究使用COP作为衡量中国天津市不同集中供热系统阶段成本和环境影响的指标之一。也有人研究利用COP作为太阳能吸收式制冷系统的性能预测评估。这两项研究都证实了COP是制冷系统性能指标。

2 制冷系统耗电分析

节能减排问题近来受到越来越多的关注，对能源消耗大的系统的调查已经成为人们日益关注的问题，其中之一是用于保存食物和空调的制冷系统。制冷系统在工厂，家庭，办公室等地点无处不在。尽管其广泛使用，但这些系统的性能尚未得到充分研究。因此，根据制冷剂条件开发适合于预测制冷系统性能的方法是必不可少的。目前，利用能量管理系统系统的的智能仪表进行数据挖掘的方法仍然很少。值得注意的是，蒸汽压缩制冷系统中使用的制冷剂量的电特性只能通过实验确定。本文通过实验确定制冷系统的特性。所有实验数据都是从智能电表中检索出来的，这些电表也用于监测用电量和用户行为 数据挖掘技术被用作分析工具来预测不同制冷剂量下的性能系数。

3 制冷系统自主调节建模

数据挖掘和基于人工智能的方法使用计算机系统程序通过模拟人类大脑过程来解决问题。数据挖掘方法最近在许多领域得到了发展，包括泛化，表征，分类，聚类，关联，演化，模式匹配，数据可视化和元规则引导挖掘。因此，使用基于数据挖掘和AI的模型可以预测和改进未来制冷系统的性能。

在制冷系统中，热量从低温流向高温区域。热量流动通过制冷剂来实现，制冷剂吸收热量并在低压下沸腾或蒸发以形成蒸汽。压缩机将蒸气压缩至更高的压力。制冷剂将热量传递至空气或水后冷凝成液体重新进行循环。该过程将热量从低温源转移到更高温源。具有内部换热器的制冷系统的COP取决于蒸发器温度，冷凝器温度，过冷温度等参数。制冷系统，家用冰箱或商用制冷系统中，低压蒸汽压力在通过压缩机时增加，随着输入到压缩过程中的能量转移到制冷剂，温度急剧升高。制冷剂然后将蒸汽变成液体。在下一阶段，高压过冷液体通过膨胀装置，既降低压力又控制流入蒸发器的流量。在最后阶段，蒸发器中的低压液体制冷剂从其周围吸收热量并转换空气，水或液体。

4 自主调节模式下智能电表设计

典型制冷系统的组成部分是压缩机，分油器，冷凝器，蓄能器，过滤器干燥器，喷油器和蒸发器。在这项研究中，系统性能通过智能仪表进行监控。仪表是一种电表，能够记录每小时或更少的电能消耗，并将信息发送回公用事业中心进行监控和计费。智能电表可实现电表与中央系统之间的双向通信。与家庭能源监控器不同，智能电表可以连续报告远程收集的数据 其主要功能是功率测量和网络传输。该系统可监控所有用电信息，包括实时和历史数据以及可通过RS-485或以太网或ZigBee传输的每日和每月电力需求。一旦检测到异常信号，系统会自动通过电子邮件或文本通知用户。系统信息传递流程如图1所示。

图1 系统信息传递流程

装置同时监测16个温度和4个压力值，数字和机械控制。传感器位于压缩机入口和出口处以及油分离器，冷凝器，蓄能器，过滤干燥器喷射器和蒸发器。蒸发器的功能是压缩冷却的化学物质，将其从液态转变为蒸气形式，并吸收热量。过滤干燥器的功能是去除制冷系统中的碎屑。蓄压器中不可压缩的液压流体由外部源持续加压。油分离器分离油和水，以防止压缩机中的油与制冷系统中循环的制冷剂一起排出。压缩机是一种用于压缩蒸汽的机械装置。冷凝器通过冷凝将蒸汽转化为液体。

由于受监控的数据类型是“连续的”，因此使用IBM SPSS建模器中的数字预测器执行数据分析。软件中的数字预测器节点自动创建并比较连续数字结果的默认模型。在这个实验中选择的制冷剂是R404A，它是一种用于热循环的化合物，其可逆地经历从蒸气到液体的相变。由于R404A清洁，不易燃，对冷却有效，而且毒性低，因此它一般取代R22和R502制冷剂。R404A制冷剂广泛用于中低温制冷系统。当制冷系统发生泄漏时，由于剩余制冷剂的组成和系统性能的可靠性未知，修理通常需要拆除和更换所有制冷剂。因此，该研究重新填充液态制冷剂并分析不同制冷剂量的影响，而不考虑剩余制冷剂的组成

具有内部换热器的制冷系统的性能由蒸发器温度，冷凝器温度，过冷温度，过热温度和冷却能力决定。本文根据上述温度和制冷量值估算COP值。高COP值被解释为高设备效率。值得注意的是，可以通过绘制莫里尔图来计算COP，该莫里尔图是通过绘制总热量对能量绘图来描述热力学系统的焓的焓熵图。莫里尔图可以用来显示与制冷剂相关的物理特性，其中每条曲线表示不同的物理特性。

5 总结

本文的目的是通过智能仪表评估数据挖掘技术在预测R404A制冷剂不同环境下的制冷设备COP时的有用性和比较数据挖掘技术的性能。这项工作的一个限制是它在单一模型中使用了默认设置。因此，需要进一步的研究来研究用于预测COP的模型参数优化和检测异常用电并减少不必要的能量消耗。

参考文献

[1]张恺,张小松,白建波.基于VB的分布式制冷空调性能测控系统中多种智能仪表通信功能的实现[J].制造业自动化,2007(02):39-44.

[2]宋奎文.使用PLC,变频器及智能仪表实现制冷系统的控制[J].自动化与仪表,2004(05):73-75.