空调制冷系统的优化控制策略

闫海滨

冰轮环境技术股份有限公司 山东 烟台 264000

引言

在当下时代，我们提倡环保，节约能耗，要尽可能优化技术，提升工艺水平，去减少相关产品的能源消耗。在我国的数据统计中，空调在能源消耗中占比过重，所以，急需解决空调的能源消耗问题，研究空调制冷原理，提高技术，改善空调的能源消耗水平。只有不断去更新换代，去改善空调发展的现状，才可以提高空调的运行水平，改善能源消耗过大问题，进一步实现企业的经济和社会效益。所以，企业要加大对制冷系统的研究力度，实现工艺改进，推动能耗的减少。

1 空调制冷系统的工作原理

空调制冷系统实现制冷本身就是利用不同装置进行热量的吸收以及释放，利用物理原理实现状态的转化，包括由液体蒸发为气体，由气体液化为液体。制冷剂在冷凝器、压缩机、节流阀、蒸发器四个设备中循环，节流阀主要作用是控制液体的流量，蒸发器顾名思义会转化制冷剂的状态，当吸收热量时，会将制冷剂液体状态转化为气体，之后气体进入压缩机，压缩后气体压力升高，温度升高，压缩后的气体进入冷凝器中，在这里气体会转化为液体，然后再通过节流阀节流降压后进入蒸发器，吸热蒸发降低水或空气的温度，从而实现水或空气温度的降低，达到制冷效果。在空调内部存在多种循环，其中主要是制冷剂的循环，在制冷系统中，也是由于制冷剂的循环改变液体的状态，在设备中进行循环，进行热量交换、转移，实现热量的变化，从而实现制冷效果。同时按照热力学第二定律，在这个制冷循环中产生了大量的能源消耗。所以，我们可以得知，要想控制能源的耗费，主要就是要通过优化制冷系统，去研究如何提高压缩机、蒸发器、冷凝器等设备的效率，改善制冷系统，进而实现能源消耗的减少。

2 空调制冷系统的现状

空调在我们的生活中作用日益重要，一方面可以促进生活质量提升，改善生活环境，另一方面自动化的操作又可以给生活带来许多便利，充分体现了智能化。虽说空调在现在的生活中必不可少，给生活带来了许多方便之处，但是不可否认的是空调不仅会造成能源消耗过大，还会造成环境污染，对人类健康造成安全隐患。这主要还是由于制冷剂在作祟。当前空调中的制冷剂主要是氟利昂化合物，这种化学物质的危害性很大，它泄漏到大气中后，上升到大气臭氧层，最终被分解，与大气臭氧层发生作用，最终造成温室效应和臭氧空洞现象，对我们的环境产生极大的危害。所以，我们要研究危害性小甚至是没有危害的制冷剂，探究清洁制冷剂，减少对环境的破坏。在节能减排和环境保护的大背景下，现在市场上空调使用的制冷剂大多是R410A 等HFC类制冷剂，这类制冷剂相较于传统CFC和HCFC类制冷剂而言，不含氯元素，不破坏大气臭氧层，本身也无毒性，所以受到了市场上许多企业的认可并加以利用。

3 空调制冷系统的优化控制策略

3.1 BP神经网络在空调制冷系统中的应用

BP神经网络在系统中的应用广泛，甚至在某些方面有不可或缺的作用。它可以解决多层网络的隐藏单元连接问题，解决非线性的映射问题，还没有其他系统可以超越。BP神经网络擅长于信息获取和分类，在信息化的世界中，会有各种各样的符号、语言等不同形式，但是经过BP神经网络，这些不同形式的语言形式就会被识别，然后就可以对其进行分门别类，再进行处理，非常精准且方便[1]。BP神经网络还可以进行函数建模，经过一系列操作，对于想要建模的系统经过计算后，会自行形成函数模型，这样就非常方便地应用于各类工业建设中，进行信息化的虚拟模型，提高建设的效率和质量。BP神经网络还有一个功能就是可以将数据精准化，减少占据的位置，为其他项目挪出许多空间存放数据，还可以在众多数据中筛选想要的数据，精准且快速，给选取数据的工程项目提供了许多便利。通过了解BP神经网络这些优点，我们可以充分发挥它的特点，应用在空调的制冷系统中，可以实现对空调制冷系统中制冷机吸气压力的模拟。鉴于制冷系统能量消耗是非线性的，这一点与BP神经网络相通，所以就可以利用此网络建立函数模型对消耗进行模拟。通过此网络可以筛选数据的特点，可以对模型进行监控，从而选取关键数据，来进行后续的调节。

3.2 Matlab语言在空调制冷系统中的应用

Matlab语言的优势在于它处理数据的效率极高，大量数据的处理都不在话下。在大的数据背景下，工程师可以实现各式各样的模块构建，极大地简化了对于数据的控制，削弱了复杂性，使得建模非常方便简单。相较于BP神经网络，Matlab语言侧重于控制小的方面，那么就可以根据二者的优势，使得空调制冷系统发挥作用。因为制冷系统内部影响因素不是一成不变的，反而受外界影响较大，所以为了减少外界影响，就可以充分利用这两者，找出影响制冷的因素，设置相应小的模块进行研究，对于想要的数据，利用Matlab语言来进行获取。要想使得制冷系统能源消耗降低，就要确定其最佳吸气压力的状态，但是这种状态不是呈现线性的形式，所以就在寻找具体数据时会形成阻力，加大难度[2]。所以借助这两种智能系统，充分发挥各自优势，利用BP神经网络来模拟非线性映射，利用Matlab语言来进行对所需数据的筛选，二者结合，就很轻易地对空调制冷系统中影响能源消耗的关键进行控制，从而方便日后进行研究和控制。

3.3 自适应模糊控制系统的应用

自适应模糊控制系统相较于BP神经网络和Matlab语言在控制方面更胜一筹。因为前二者只是针对数据的筛选，数据不会变动，但是自适应模糊控制则会控制住数据，在制冷系统中对于能源消耗最关键的是对相关数据进行控制，所以在这方面自适应模糊控制就要发挥作用了。自适应模糊控制可以适应制冷系统中的环境，从而进行相适应的学习，并在学习适应中不断进行调整，最终达到和谐。那么，借助自适应模糊控制就可以做到对制冷系统整体的优化控制。在对制冷系统进行控制的时候，相对来说是比较困难的，因为系统是分模块的，都是很小的部分之间在配合与协调，在整体控制上是比较艰难的，但是自适应模糊控制就可以有效改善这一现象，它可以进行整体的优化控制，达到系统的控制。其次它能够控制制冷机的消耗功率。因为在制冷系统中制冷剂会在几个设备中进行循环，会进行热量交换与性质变化，所以就要将不可逆损失减到最小，以控制能源消耗量。自适应模糊控制系统通过逻辑处理，实现温度与环境的适应，找到能源消耗最小值，从而实现对消耗的控制。自适应模糊控制系统还具备的一个优势就是可以进行有效调节，会随着环境的变化而变化，对环境的适应性极强，它的不固化和灵活性会加大控制运行效率，也就达到促进精准控制的效果。

3.4 优化室内外循环风量

要控制空调的制冷系统运行噪音，需采取措施减少噪音释放，由于空调的噪声与风机的转速有关，所以就要通过控制转速来调节噪声。风速也会受到外界环境的影响，只有在静压或者相适应的室温条件下才可以达到风速不受限制[3]。当噪声处于一定程度，我们就要采取措施来控制风速了。首先我们要改变风循环模式，只有改变它的运行模式，才可以进行下一步的操作，要调节的方向注意应该是由外到内，在控制的时候要注意内外风速的不一样，不能强求是同一个数值，反而如果将内外风速调节到一样的数值，还是不会解决噪声大的问题。所以，最佳内外风速应该保持内循环风速低于外循环风速，在这个基础上再随着环境要求而进行相应控制和调节，其中要注意使得外循环风速达到一个标准值，那么剩下的工作就是调节内风速，这样保持了风速的稳定控制后，就可以促进对噪声的控制了。借助这样的方法，我们可以达到理想的制冷状态，而这一方法是基于对风速的控制而实现的。

3.5 制冷机优化

在制冷机优化中，CFD技术可以发挥很大的作用，是不可或缺的技术。它可以对庞杂的数据进行统计，通过计算得以建模，从而大大提高了研究的效率。它的优势在于精准，它可以在大量数据中进行需要的计算，并且得到的结果十分准确，这样就会为制冷系统的研究减少大量的人力物力消耗，会减少工作时间的耗费[4]。经过CFD技术，对于数据进行评估，由技术人员进行研究和控制，会提高工作的准确性，缩减工作的时间。但是在采用CFD技术时，要注意关注压缩机的状态，因为要想建立BP神经网络模型，掌握压缩机的压力值是关键。要知悉压缩机在一单位内可以转动多少频次，并记录它在吸收冷气时的压力值，只有记录这些数据，才可以建立模型。要持续关注压缩机的状态，它的数值变化与周围温度环境、工作情况息息相关，还要仔细关注这些数值的变化，去掌握这几项数据之间存在的明确关系，从而明确压缩机变化的原因。最后我们会发现，制冷机系统的吸气压力就是 BP 神经网络模型的输出值。

3.6 热回收装置

传统空调会消耗大量能源的原因之一就是不注重余热的回收利用，导致大量余热散发，而这些余热还有很多可以再重复利用。那么我们就可以通过控制装置进行热量的传递，将热量消耗减到最小化，来达到耗能的减少。在空调的运行过程中，会进行其他排放，这样也会造成能源消耗，这部分的消耗在空调耗能中也占据不小的位置，所以如果我们可以将这一部分的能源回收利用，那么也会大大减少消耗，设置热回收装置就可以有效改善这一局面[5]。为了保证空调制冷有一定的效果，空调运行过程中会排出气体，气体的排放需要新风来进行，所以之后在对新风进行处理的时候必然又会消耗大量能量，这时候，热回收装置就可以对热风处理的这部分能量进行回收，从而减少了能源消耗。在目前的市场上存在比较多的热回收装置，他们都可以在一定程度上对能源进行节约，减少能源的消耗。探究他们的原理都是基于对于热量的回收，将热水系统与制冷机联合使用，然后在控制和监管中去调节对热量的释放，并对热能进行回收再利用，从而减少热能的无效释放，将热能最大限度地进行利用，实现能源消耗的减少，促进空调能效的改善。

4 结束语

总而言之，空调已经成为生活、学习、工作不可或缺的一部分，但是空调的能源消耗之大与我们所提倡的节能减排和可持续发展目标相违背。在消费者对于空调的需求只增不减的情况下，我们急需要去改善空调的制冷系统，研究相关原理，去减少能源消耗，保护我们的环境。那么在制冷优化策略中，就可以关注BP神经网络、Matlab语言、自适应模糊控制系统、室内外循环风量、制冷机和热回收装置。关注这些技术方面，逐步改善空调的制冷系统，从而逐渐实现工艺进步，技术提升，实现降低能源消耗，促进节能减排的目的。