CN116952627A - 空调制冷量测试装置及方法、计算设备及计算机存储介质 - Google Patents
空调制冷量测试装置及方法、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN116952627A CN116952627A CN202211096144.2A CN202211096144A CN116952627A CN 116952627 A CN116952627 A CN 116952627A CN 202211096144 A CN202211096144 A CN 202211096144A CN 116952627 A CN116952627 A CN 116952627A
- Authority
- CN
- China
- Prior art keywords
- pressure
- outlet temperature
- refrigerant
- air conditioner
- evaporator
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
- 238000001816 cooling Methods 0.000 title claims abstract description 77
- 238000012360 testing method Methods 0.000 title claims abstract description 54
- 238000004378 air conditioning Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 33
- 239000003507 refrigerant Substances 0.000 claims abstract description 156
- 238000001704 evaporation Methods 0.000 claims abstract description 55
- 230000008020 evaporation Effects 0.000 claims abstract description 54
- 230000005494 condensation Effects 0.000 claims abstract description 53
- 238000009833 condensation Methods 0.000 claims abstract description 53
- 238000005057 refrigeration Methods 0.000 claims abstract description 18
- 238000010586 diagram Methods 0.000 claims description 23
- 238000012417 linear regression Methods 0.000 claims description 21
- 238000004891 communication Methods 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 16
- 239000000523 sample Substances 0.000 description 7
- 238000009434 installation Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000009533 lab test Methods 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 238000009529 body temperature measurement Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K17/00—Measuring quantity of heat
- G01K17/02—Calorimeters using transport of an indicating substances, e.g. evaporation calorimeters
- G01K17/025—Calorimeters using transport of an indicating substances, e.g. evaporation calorimeters where evaporation, sublimation or condensation caused by heating or cooling, is measured
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明公开了一种空调制冷量测试装置及方法、计算设备及计算机存储介质，其中空调制冷量测试装置包括：安装在空调的蒸发器出口的管道上的第一贴片式温度计，用于检测蒸发器出口温度；安装在空调的冷凝器出口的管道上的第二贴片式温度计，用于检测冷凝器出口温度；与空调的低压针阀连接的第一压力传感器，用于检测蒸发压力；与空调的高压针阀连接的第二压力传感器，用于检测冷凝压力；控制模块，用于根据蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。本发明通过外置第一、第二贴片式温度计和第一、第二压力传感器，通过采集制冷剂侧的压力及温度参数计算空调的制冷量，提升了测试的准确性。
Description
技术领域
本发明涉及设备测试领域，具体涉及一种空调制冷量测试装置及方法、计算设备及计算机存储介质。
背景技术
数据中心拥有大量服务器、网络设施及存储设备，需要不间断的空调制冷。为了保障安全，当前数据中心大量采用直膨式空调系统，该系统可有效避免服务器进水的隐患。制冷量作为空调的核心指标，其入网验收和日常检测通常采用第三方实验室检测或蒸发器进出风焓差法。其中，第三方实验室检测是将空调样机安装在标准焓差实验室，实验室内布置假负载，用热平衡法测量标准工况下的制冷量，当室内热环境稳定时，假负载的发热量即为空调的制冷量。蒸发器进出风焓差法是指在蒸发器的进风侧和出风侧布置若干个温湿度探头和风速探头，通过测量进出风的平均焓差，测量蒸发器表面的通风量，根据热容公式Q＝cmΔT获得空调制冷量。
然而，现有上述采用第三方实验室检测或蒸发器进出风焓差法检测制冷量的技术方案，均存在不同的缺点。其中，采用第三方实验室检测制冷量存在如下缺点：一是由于空调的制冷量与现场安装条件(如外机安装位置、管路长度等)有关，第三方实验室与现场机房条件也不同，因而第三方测得的制冷量往往大幅优于现场情况。例如，某台制冷量为100kW的机房专用空调，在第三方实验室安装条件优越，空调内外机间管路长度较短，检测出的制冷量为100kW。而机房现场由于安装空间限制，空调内外机间管路远长于实验室测试条件，现场实际测得制冷量只有80kW，不满足使用要求；二是由于空调制冷量与系统的调试状况息息相关，不同工程师的调试结果往往具有一定差异，现场调试和第三方实验室检测时调试人员不同，因而与实际制冷量也会有一定差异，有一定的人员因素影响；三是由于空调制冷量随运行时间增加会有一定衰减，而第三方检测测得的制冷量是一次性的，可能会出现后期制冷量不足而无法发现的安全隐患。
采用蒸发器进出风焓差法检测制冷量存在如下缺点：一是由于进出风的温湿度、风速每一秒都在变动，使用焓差法测量误差可能在20％以上，导致测量的结果不稳定，并且，为了避免较大误差需要较长的测量时间以取平均值，耗时耗力；二是为了避免较大的误差，还需要布置数量较多的温湿度、风速探头，并且，不同品牌的空调，其风口结构一般也不同，因此该方法应用在不同品牌的空调时布置探头的方式也不同，不具有通用性。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述测试空调制冷量时存在的测试准确性较低及测试不便捷问题的空调制冷量测试装置及方法、计算设备及计算机存储介质。
根据本发明的一个方面，提供了一种空调制冷量测试装置，包括：
安装在空调的蒸发器出口的管道上的第一贴片式温度计，用于检测蒸发器出口温度；
安装在空调的冷凝器出口的管道上的第二贴片式温度计，用于检测冷凝器出口温度；
与空调的低压针阀连接的第一压力传感器，用于检测蒸发压力；
与空调的高压针阀连接的第二压力传感器，用于检测冷凝压力；
控制模块，用于根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
在一种可选的方式中，还包括：显示屏，用于显示空调的制冷量、蒸发器出口温度、冷凝器出口温度、蒸发压力、冷凝压力。
根据本发明的另一方面，提供了一种适用于上述空调制冷量测试装置的空调制冷量测试方法，所述方法包括：
检测空调的蒸发器出口温度、冷凝器出口温度、蒸发压力和冷凝压力；
根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
在一种可选的方式中，所述根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量进一步包括：
根据所述冷凝器出口温度、所述冷凝压力得到蒸发器入口的制冷剂比焓值；
根据所述蒸发器出口温度、所述蒸发压力得到蒸发器出口的制冷剂比焓值；
将蒸发器出口温度、蒸发压力和冷凝压力输入至预先拟合得到的制冷剂流量模型得到制冷剂流量；
根据所述蒸发器入口的制冷剂比焓值、所述蒸发器出口的制冷剂比焓值以及所述制冷剂流量，计算得到所述空调的制冷量。
在一种可选的方式中，所述根据所述冷凝器出口温度、所述冷凝压力得到蒸发器入口的制冷剂比焓值进一步包括：
根据所述冷凝器出口温度、所述冷凝压力在内置制冷剂热力性能参数自动对比获取冷凝器出口的制冷剂比焓值；
根据制冷剂压焓图和冷凝器出口的制冷剂比焓值，确定蒸发器入口的制冷剂比焓值。
在一种可选的方式中，所述根据所述蒸发器出口温度、所述蒸发压力得到蒸发器出口的制冷剂比焓值进一步包括：
由所述蒸发器出口温度、所述蒸发压力的状态点在制冷剂压焓图上查得所述蒸发器出口的制冷剂比焓值。
在一种可选的方式中，所述制冷剂流量模型是由因变量为制冷剂流量，自变量为蒸发器出口温度、蒸发压力、冷凝压力拟合得到的线性回归模型。
在一种可选的方式中，所述根据所述蒸发器入口的制冷剂比焓值、所述蒸发器出口的制冷剂比焓值以及所述制冷剂流量，计算得到所述空调的制冷量具体公式为：
Q＝(h1-h4)×m
其中，Q为空调的制冷量；h1为蒸发器出口的制冷剂比焓值；h4为蒸发器入口的制冷剂比焓值；m为制冷剂流量。
根据本发明的又一方面，提供了一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述空调制冷量测试方法对应的操作。
根据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述空调制冷量测试方法对应的操作。
根据本发明提供的方案，安装在空调的蒸发器出口的管道上的第一贴片式温度计用于检测蒸发器出口温度；安装在空调的冷凝器出口的管道上的第二贴片式温度计用于检测冷凝器出口温度；与空调的低压针阀连接的第一压力传感器用于检测蒸发压力；与空调的高压针阀连接的第二压力传感器用于检测冷凝压力；控制模块用于根据蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。本发明利用外置第一、第二贴片式温度计和第一、第二压力传感器，通过采集制冷剂侧的压力及温度参数计算空调的制冷量，提升了测试的准确性，同时使测试更加便捷、测试的适用场景更为广泛。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例的空调制冷量测试装置的结构框图；
图2示出了本发明实施例的空调制冷量测试装置的原理示意图；
图3示出了现有技术中空调制冷原理示意图；
图4示出了本发明一个实施例的空调制冷量测试方法的流程示意图；
图5示出了本发明另一个实施例的空调制冷量测试方法的流程示意图；
图6示出了本发明实施例的制冷剂压焓图的示意图；
图7示出了本发明实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
如图1所示为本实施例的空调制冷量测试装置，包括：两个贴片式温度计(本文也称为第一贴片式温度计、第二贴片式温度计)、低压力传感器(也称为第一压力传感器)、高压力传感器(也称为第二压力传感器)和控制模块(位于主机内部)。
目前的机房空调主要由蒸发器、压缩机、冷凝器和膨胀阀组成，如图3所示，其制冷原理为：制冷剂经膨胀阀节流，降低压力和温度；低温低压的制冷剂在蒸发器中吸收周围空气的热量，从而降低室温达到制冷的目的，根据能量守恒，制冷剂吸收的热量等于空气失去的热量，即为空调的制冷量。制冷系统在膨胀阀和压缩机间设置有低压针阀和高压针阀，在调试阶段作为制冷剂的充注口，日常维护时用作压力检测口。
本实施例中，如图2所示，所述第一贴片式温度计(贴片式温度计T1)、第二贴片式温度计(贴片式温度计T3)分别安装在空调蒸发器出口和冷凝器出口的管道上，第一压力传感器(低压力传感器P0)和第二压力传感器(高压力传感器Pk)分别连接至制冷系统的低压针阀和高压针阀。根据检测的蒸发器出口温度，冷凝器出口温度，蒸发压力，冷凝压力通过控制模块计算得到空调的制冷量。由于通过采集制冷剂侧的压力及温度参数计算空调制冷量，与蒸发器进出风焓差法相比，测量的数据较为稳定，测试的结果也更为准确，并且，不需要布置数量较多的温湿度、风速等探头或传感器，也无需考虑不同品牌空调的风口结构，提升了测试的便捷性和通用性。
在一些实施例中，如图1、图2所示，安装在空调的蒸发器出口的管道上的第一贴片式温度计(贴片式温度计T1)，用于检测蒸发器出口温度，第一贴片式温度计贴在蒸发器出口的管道(或铜管)表面；安装在空调的冷凝器出口的管道上的第二贴片式温度计(贴片式温度计T3)，用于检测冷凝器出口温度，第二贴片式温度计贴在冷凝器出口的管道(或铜管)表面。由于贴片式温度计和被测管道的接触面积大、接触紧密，其测量温度的准确性高、反应速度快，并且体积小方便固定安装。
与空调的低压针阀连接的第一压力传感器(低压力传感器P0)，用于检测蒸发压力。可选地，采用1/4英寸压力传感器接头与空调的低压针阀连接。
与空调的高压针阀连接的第二压力传感器(高压力传感器Pk)，用于检测冷凝压力。可选地，采用1/4英寸压力传感器接头与空调的高压针阀连接。
控制模块通过测量高压压力、低压压力和压缩机吸气温度关键参数计算空调的制冷量，具体地，根据蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。所述控制模块集成制冷剂流量的线性回归模型、神经网络模型和/或支持向量机模型，可通过云服务方式与上述传感器采集装置连接。
本装置通过在空调的蒸发器出口、冷凝器出口的管道上分别外置贴片式温度计检测温度，使采集温度的操作更为便捷；通过利用日常维护时用作压力检测口的低压针阀、高压针阀检测蒸发压力、冷凝压力，在采集压力数据过程中基本不影响用户对空调的正常使用；与第三方实验室检测方法相比，可适用于如现场入网验收、性能维护等在用设备空调制冷量的实时测量或长期测量，适用的场景也更为广泛；与蒸发器进出风焓差相比，减少了需要测量的参数量，使测试工作更加便捷。
在一些实施例中，如图1所示，还包括显示屏，用于显示空调的制冷量、蒸发器出口温度、冷凝器出口温度、蒸发压力、冷凝压力。
图4示出了本发明一个实施例的空调制冷量测试方法的流程示意图，该方法根据上述空调制冷量测试装置测试空调制冷量，包括以下步骤：
步骤S401：检测空调的蒸发器出口温度、冷凝器出口温度、蒸发压力和冷凝压力。
根据空调的制冷原理，对于实验室或实际已安装使用的在役的如采用间接蒸发冷却、变频氟泵等技术的压缩机型号的冷式空调系统(包括一拖多冷式空调系统)，和/或，暖式空调系统(包括一拖多暖式空调系统)，可通过上述第一贴片式温度计、第二贴片式温度计、第一压力传感器与第二压力传感器分别检测得到空调的蒸发器出口温度，冷凝器出口温度、蒸发压力和冷凝压力。
步骤S402：根据蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
以制冷量为例，根据能量守恒定律，制冷剂吸收的热量等于空气失去的热量，即为空调的制冷量，可根据蒸发器出口制冷剂比焓值、蒸发器入口制冷剂比焓值以及制冷剂流量间接测量数据计算得到。上述间接测量数据可根据蒸发器出口温度、冷凝器出口温度、蒸发压力与冷凝压力直接测量数据，以及，制冷剂压焓图和拟合的制冷剂流量模型得到。其中，拟合的制冷剂流量模型包括线性回归模型、支持向量机模型和/或神经网络模型。
本发明上述实施例提供的方案，通过直接测量蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力数据，并通过模型拟合间接变量、直接变量之间的关联关系，计算/估算间接测量数据/变量，进而计算得到空调的制冷量。由于需要较少的直接测量数据，也即需要较少的温度、风量采集设备或传感器，测试更加便捷。
图5示出了本发明另一个实施例的空调制冷量测试方法的流程示意图，根据蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。具体地，包括以下步骤：
步骤S500：检测空调的蒸发器出口温度、冷凝器出口温度、蒸发压力和冷凝压力。
步骤S501：根据冷凝器出口温度、冷凝压力得到蒸发器入口的制冷剂比焓值。
根据压焓图可确定蒸发器入口的制冷剂比焓值等于冷凝器出口的制冷剂比焓值。其中，压焓图指压力与焓值的曲线图，常用于制冷剂分析，包括等压线、等焓线、等温线、等熵线、等容线以及等干度线，在上述的状态参数中，根据其中任意两个状态参数值即可确定制冷剂的热力状态，因此，可根据温度、压力参数可得到蒸发器入口的制冷剂比焓值。
具体地，根据冷凝器出口温度、冷凝压力状态参数，在制冷剂热力性能参数自动对比获取到该状态下的冷凝器出口的制冷剂比焓值，同时也降低了制冷剂比焓值的计算复杂度。
在一种可选的方式中，根据冷凝器出口温度、冷凝压力在内置制冷剂热力性能参数自动对比获取冷凝器出口的制冷剂比焓值；根据制冷剂压焓图和冷凝器出口的制冷剂比焓值，确定蒸发器入口的制冷剂比焓值。
如图6所示，冷凝器出口的制冷剂比焓值(h3)可根据压力、温度状态参数在内置制冷剂热力性能参数自动对比获取，其中，压力为冷凝压力，温度为冷凝器出口温度。
根据制冷剂压焓图，蒸发器入口的制冷剂比焓值(h4)等于冷凝器出口的制冷剂比焓值(h3)。
步骤S502：根据蒸发器出口温度、蒸发压力得到蒸发器出口的制冷剂比焓值。
蒸发器出口的制冷剂比焓值可由压力、温度状态点在制冷剂压焓图上查得，其中，压力为冷凝压力，温度为冷凝器出口温度。
在一种可选的方式中，由蒸发器出口温度、蒸发压力的状态点在制冷剂压焓图上查得蒸发器出口的制冷剂比焓值。
步骤S503：将蒸发器出口温度、蒸发压力和冷凝压力输入至预先拟合得到的制冷剂流量模型得到制冷剂流量。
通过预先建立空调装置基准样机的制冷剂流量与各个关键影响参数之间的关联关系，采用多组样本数据进行拟合，获得该空调装置在任意工况下的制冷剂流量的数学模型(制冷剂流量模型)，其中，所述各个关键影响参数包括高压压力(冷凝压力)，低压压力(蒸发压力)，压缩机吸气温度(蒸发器出口温度)。
制冷剂流量模型可以是线性回归模型、神经网络模型和/或支持向量机模型，将蒸发器出口温度、蒸发压力和冷凝压力输入至制冷剂流量模型预测得到制冷剂流量。
本实施例中，制冷剂流量模型是由因变量为制冷剂流量，自变量为蒸发器出口温度、蒸发压力、冷凝压力拟合得到的线性回归模型。
具体地，通过预先建立空调装置基准样机的制冷剂流量与各个关键影响参数之间的线性回归函数，采用多组样本数据进行拟合，获得该空调装置在任意工况下的制冷剂流量的线性回归模型，其中，所述各个关键影响参数包括高压压力PK(冷凝压力)，低压压力P0(蒸发压力)，压缩机吸气温度T1(蒸发器出口温度)，线性回归模型的具体公式为：
m＝x1P0+x2PK+x3T1+c
其中，m为制冷剂流量；x1、x2、x3、c为常数参数。
需测量多组m、P0、PK、T1实验数据并用线性回归模型拟合得到上述常数参数，即m、P0、PK、T1之间的线性或非线性关系。为得到上述实验数据，可在厂家空调焓差实验室对如压缩机型号为VR190的标注样机进行测试，在样机管路安装流量计，测量多组不同的高压压力PK、低压压力P0、压缩机吸气温度T1以及标准流量m(即制冷剂流量)实验数据(或称为数据集、训练集)，如表1所示：
表1
基于表1的实验数据进行线性回归计算/拟合，得到该款压缩机的制冷剂流量的计算公式(即制冷剂流量线性回归模型)为：
m＝201.527P0-6.722PK-3.59T1-14.943
上述制冷剂流量线性回归模型是由因变量为制冷剂流量m，自变量为蒸发器出口温度T1、蒸发压力P0、冷凝压力PK拟合得到。对于给定的一组自变量(P0、PK、T1)可通过制冷剂流量线性回归模型预测得到制冷剂流量(m)。
可选地，为提高制冷剂流量模型预测的准确度进行误差分析和校正。具体地，对空调进行多组工况测试并验证，比较流量计实测得到的制冷剂流量和通过制冷剂流量模型得到的制冷剂流量，计算多组测试的平均误差，用于校正空调在任意工况下的制冷量流量。例如，为减少流量计实测得到的流量和通过制冷剂流量线性回归模型计算得到的流量之间存在的误差，对空调进行多组工况测试并验证，计算实测流量与预测流量的平均误差(平均误差取多组工况测试误差的平均值，如平均误差为0.4％)，并利用该平均误差计算/校正空调在任意工况下的制冷剂流量，即制冷剂流量等于预测流量加上平均误差，如表2所示：
表2
| P0 | PK | T1 | 预测流量 | 实测流量 | 误差 |
| 4.3 | 15 | 19 | 596 | 595 | 0.2％ |
| 4.4 | 15.5 | 17 | 613 | 613 | 0.0％ |
| 4.2 | 15 | 28 | 560 | 560 | 0.1％ |
| 4.4 | 16 | 19 | 607 | 606 | 0.1％ |
| 4.5 | 15.2 | 18 | 625 | 625 | 0.1％ |
| 4.6 | 15.3 | 17 | 641 | 642 | -0.1％ |
| 4.8 | 16.5 | 12 | 677 | 682 | -0.7％ |
| 4.4 | 15.5 | 13.6 | 622 | 623 | -0.2％ |
| 4.5 | 15.5 | 13 | 637 | 639 | -0.4％ |
| 4.2 | 15.5 | 8 | 608 | 611 | -0.5％ |
| 4.6 | 17 | 25 | 616 | 615 | 0.2％ |
| 4.2 | 15 | 12 | 600 | 601 | -0.2％ |
| 4.5 | 15 | 7 | 653 | 660 | -1.0％ |
| 4.5 | 15 | 7 | 653 | 660 | -1.0％ |
| 4.4 | 15 | 12 | 627 | 629 | -0.3％ |
| 4.4 | 15.5 | 16 | 616 | 616 | -0.1％ |
| 4.2 | 14.2 | 20 | 583 | 581 | 0.3％ |
| 4.3 | 15.5 | 19 | 595 | 594 | 0.1％ |
| 4.6 | 15.3 | 24 | 624 | 623 | 0.2％ |
| 4.5 | 15 | 13 | 638 | 641 | -0.4％ |
| 4.2 | 16.3 | 21 | 573 | 573 | 0.0％ |
| 4.3 | 14 | 10 | 622 | 623 | -0.2％ |
| 4.3 | 14.5 | 9 | 622 | 625 | -0.4％ |
| 4.3 | 15 | 15.9 | 604 | 604 | 0.0％ |
| 4.5 | 15.5 | 12 | 639 | 642 | -0.4％ |
| 4.4 | 15 | 13 | 625 | 626 | -0.2％ |
| 4.6 | 16 | 24 | 622 | 621 | 0.1％ |
| 4 | 14 | 7 | 588 | 590 | -0.4％ |
| 4 | 13 | 8 | 589 | 592 | -0.5％ |
| 4.4 | 15 | 5 | 644 | 650 | -0.9％ |
| 4.4 | 15.3 | 9 | 633 | 638 | -0.7％ |
| 4.3 | 15.6 | 10 | 616 | 619 | -0.4％ |
可选地，分别预先建立各个常见压缩机型号空调设备/系统的制冷剂流量模型，将蒸发器出口温度、蒸发压力和冷凝压力输入至预先拟合的制冷剂流量模型得到相应的制冷剂流量。例如，对于其它常用的压缩机，分别进行相应的实测和拟合线性回归模型，得到各个压缩机的线性回归模型系数，如表3所示：
表3
| 压缩机型号 | x1 | x2 | x3 | c |
| VR190 | 201.527 | -6.722 | -3.590 | -14.943 |
| VR144 | 149.350 | -2.175 | -2.358 | -26.096 |
| VR125 | 137.060 | -3.341 | -2.453 | -30.102 |
对于不同型号的压缩机选取相应的制冷剂流量线性回归模型计算得到制冷剂流量，如：对于压缩机型号VR125，选取m＝137.060P0-3.341PK-2.453T1-30.102的线性回归模型计算该压缩机型号空调设备的制冷剂流量。
步骤S504：根据蒸发器入口的制冷剂比焓值、蒸发器出口的制冷剂比焓值以及制冷剂流量，计算得到空调的制冷量。
本实施例中，计算得到空调的制冷量的具体公式为：
Q＝(h1-h4)×m
其中，Q为空调的制冷量；h1为蒸发器出口的制冷剂比焓值；h4为蒸发器入口的制冷剂比焓值；m为制冷剂流量。
本发明上述实施例提供的方案，根据冷凝器出口温度、冷凝压力、蒸发器出口温度、蒸发压力，借助压焓图计算得到蒸发器出口和入口的制冷剂比焓值，显著降低了计算的复杂度；通过预先拟合的制冷剂流量模型建立与难以直接测量的目标变量之间的关联关系，对易于测量的变量/参数采用直接测量的方式，对于无法直接测量或不易于测量的变量/参数采用间接测量的方式，不仅有效提取了直接测量变量/参数的数据特征以及直接测量变量/参数和间接测量变量/参数之间的关联关系，还增强了模型的泛化能力、增加了测试的适用场景；根据蒸发器入口的制冷剂比焓值、蒸发器出口的制冷剂比焓值以及制冷剂流量，计算得到空调的制冷量，需要较少的直接测量变量/参数，测试较为便捷、实现性较好，测试的数据也更加稳定、准确；针对不同的压缩机分别建立相应的线性回归函数模型，预测得到制冷剂流量，并将预测流量与实际流量进行误差分析，进一步提高了测量的准确性。
图7示出了本发明计算设备实施例的结构示意图，本发明具体实施例并不对计算设备的具体实现做限定。
如图7所示，该计算设备可以包括：处理器(processor)702、通信接口(Communications Interface)704、存储器(memory)706、以及通信总线708。
其中：处理器702、通信接口704、以及存储器706通过通信总线708完成相互间的通信。通信接口704，用于与其它设备比如客户端或其它服务器等的网元通信。处理器702，用于执行程序710，具体可以执行上述用于空调制冷量测试方法实施例中的相关步骤。
具体地，程序710可以包括程序代码，该程序代码包括计算机操作指令。
处理器702可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器706，用于存放程序710。存储器706可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序710具体可以用于使得处理器702执行以下操作：
检测空调的蒸发器出口温度、冷凝器出口温度、蒸发压力和冷凝压力；
根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
根据所述冷凝器出口温度、所述冷凝压力得到蒸发器入口的制冷剂比焓值；
根据所述蒸发器出口温度、所述蒸发压力得到蒸发器出口的制冷剂比焓值；
将蒸发器出口温度、蒸发压力和冷凝压力输入至预先拟合得到的制冷剂流量模型得到制冷剂流量；
根据所述蒸发器入口的制冷剂比焓值、所述蒸发器出口的制冷剂比焓值以及所述制冷剂流量，计算得到所述空调的制冷量。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
根据所述冷凝器出口温度、所述冷凝压力在内置制冷剂热力性能参数自动对比获取冷凝器出口的制冷剂比焓值；
根据制冷剂压焓图和冷凝器出口的制冷剂比焓值，确定蒸发器入口的制冷剂比焓值。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
由所述蒸发器出口温度、所述蒸发压力的状态点在制冷剂压焓图上查得所述蒸发器出口的制冷剂比焓值。
在一种可选的方式中，所述制冷剂流量模型是由因变量为制冷剂流量，自变量为蒸发器出口温度、蒸发压力、冷凝压力拟合得到的线性回归模型。
在一种可选的方式中，所述程序710使所述处理器执行以下操作：
计算得到所述空调的制冷量具体公式为：
Q＝(h1-h4)×m
其中，Q为空调的制冷量；h1为蒸发器出口的制冷剂比焓值；h4为蒸发器入口的制冷剂比焓值；m为制冷剂流量。
本发明上述实施例提供的方案，根据冷凝器出口温度、冷凝压力、蒸发器出口温度、蒸发压力，借助压焓图计算得到蒸发器出口和入口的制冷剂比焓值，显著降低了计算的复杂度；通过预先拟合的制冷剂流量模型建立与难以直接测量的目标变量之间的关联关系，对易于测量的变量/参数采用直接测量的方式，对于无法直接测量或不易于测量的变量/参数采用间接测量的方式，不仅有效提取了直接测量变量/参数的数据特征以及直接测量变量/参数和间接测量变量/参数之间的关联关系，还增强了模型的泛化能力、增加了测试的适用场景；根据蒸发器入口的制冷剂比焓值、蒸发器出口的制冷剂比焓值以及制冷剂流量，计算得到空调的制冷量，需要较少的直接测量变量/参数，测试较为便捷、实现性较好，测试的数据也更加稳定、准确。
本发明实施例提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的空调制冷量测试方法。
在此提供的算法或显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明实施例也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤，除有特殊说明外，不应理解为对执行顺序的限定。
Claims (10)
1.一种空调制冷量测试装置，其特征在于，包括：
安装在空调的蒸发器出口的管道上的第一贴片式温度计，用于检测蒸发器出口温度；
安装在空调的冷凝器出口的管道上的第二贴片式温度计，用于检测冷凝器出口温度；
与空调的低压针阀连接的第一压力传感器，用于检测蒸发压力；
与空调的高压针阀连接的第二压力传感器，用于检测冷凝压力；
控制模块，用于根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
2.根据权利要求1所述的空调制冷量测试装置，其特征在于，还包括：显示屏，用于显示空调的制冷量、蒸发器出口温度、冷凝器出口温度、蒸发压力、冷凝压力。
3.一种适用于权利要求1或2所述的空调制冷量测试装置的空调制冷量测试方法，其特征在于，所述方法包括：
检测空调的蒸发器出口温度、冷凝器出口温度、蒸发压力和冷凝压力；
根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量。
4.根据权利要求3所述的方法，其特征在于，所述根据所述蒸发器出口温度、冷凝器出口温度、蒸发压力以及冷凝压力，计算得到空调的制冷量进一步包括：
根据所述冷凝器出口温度、所述冷凝压力得到蒸发器入口的制冷剂比焓值；
根据所述蒸发器出口温度、所述蒸发压力得到蒸发器出口的制冷剂比焓值；
将蒸发器出口温度、蒸发压力和冷凝压力输入至预先拟合得到的制冷剂流量模型得到制冷剂流量；
根据所述蒸发器入口的制冷剂比焓值、所述蒸发器出口的制冷剂比焓值以及所述制冷剂流量，计算得到所述空调的制冷量。
5.根据权利要求4所述的方法，其特征在于，所述根据所述冷凝器出口温度、所述冷凝压力得到蒸发器入口的制冷剂比焓值进一步包括：
根据所述冷凝器出口温度、所述冷凝压力在内置制冷剂热力性能参数自动对比获取冷凝器出口的制冷剂比焓值；
根据制冷剂压焓图和冷凝器出口的制冷剂比焓值，确定蒸发器入口的制冷剂比焓值。
6.根据权利要求4所述的方法，其特征在于，所述根据所述蒸发器出口温度、所述蒸发压力得到蒸发器出口的制冷剂比焓值进一步包括：
由所述蒸发器出口温度、所述蒸发压力的状态点在制冷剂压焓图上查得所述蒸发器出口的制冷剂比焓值。
7.根据权利要求4所述的方法，其特征在于，所述制冷剂流量模型是由因变量为制冷剂流量，自变量为蒸发器出口温度、蒸发压力、冷凝压力拟合得到的线性回归模型。
8.根据权利要求4所述的方法，其特征在于，所述根据所述蒸发器入口的制冷剂比焓值、所述蒸发器出口的制冷剂比焓值以及所述制冷剂流量，计算得到所述空调的制冷量具体公式为：
Q＝(h1-h4)×m
其中，Q为空调的制冷量；h1为蒸发器出口的制冷剂比焓值；h4为蒸发器入口的制冷剂比焓值；m为制冷剂流量。
9.一种计算设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求3-8中任一项所述的空调制冷量测试方法对应的操作。
10.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求3-8任一项所述的空调制冷量测试方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211096144.2A CN116952627A (zh) | 2022-09-08 | 2022-09-08 | 空调制冷量测试装置及方法、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211096144.2A CN116952627A (zh) | 2022-09-08 | 2022-09-08 | 空调制冷量测试装置及方法、计算设备及计算机存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116952627A true CN116952627A (zh) | 2023-10-27 |
Family
ID=88441555
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211096144.2A Pending CN116952627A (zh) | 2022-09-08 | 2022-09-08 | 空调制冷量测试装置及方法、计算设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116952627A (zh) |
-
2022
- 2022-09-08 CN CN202211096144.2A patent/CN116952627A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019109959A1 (zh) | 空调装置及用于判断其运行状态是否正常的方法 | |
| Cheung et al. | Simulation of fault impacts for vapor compression systems by inverse modeling. Part I: Component modeling and validation | |
| JP2022145655A (ja) | 補正装置、予測装置、方法、プログラム、および補正モデル | |
| JP6972468B2 (ja) | 空調装置の評価装置および評価方法 | |
| CN114353854A (zh) | 用于在线定位异常传感器的方法、设备和介质 | |
| CN111140990A (zh) | 一种空调换热器脏堵检验方法和空调器 | |
| CN113757908B (zh) | 一种空调系统的热特性测量方法、系统、终端及存储介质 | |
| Zhao et al. | Development, evaluation, and validation of a robust virtual sensing method for determining water flow rate in chillers | |
| WO2023029653A1 (zh) | 空调器室外机的除霜控制方法及空调器 | |
| CN108344528B (zh) | 一种多联式空调系统换热量测量方法及装置 | |
| CN112362197A (zh) | 基于节流装置的多联机空调换热量计量方法及装置 | |
| CN113557397B (zh) | 制冷剂量推断装置、方法及程序 | |
| CN115358352B (zh) | 用于定位异常传感器的方法、设备和介质 | |
| Tran et al. | In situ measurement methods of air to air heat pump performance | |
| CN115950045A (zh) | 一种多联机空调系统及控制方法 | |
| KR20100108056A (ko) | 지열 열펌프 시스템의 실시간 성능평가방법 및 이를 구현한평가기기 | |
| CN107192084A (zh) | 在线检测空调制热能效比和制热量的方法 | |
| CN203687479U (zh) | 空调器冷媒异常节流的监控装置及空调器 | |
| CN116952627A (zh) | 空调制冷量测试装置及方法、计算设备及计算机存储介质 | |
| Cheung et al. | Virtual power consumption and cooling capacity virtual sensors for rooftop units | |
| CN114593497B (zh) | 旁通回路冷媒流量检测方法、装置、系统及存储介质 | |
| CN116929804A (zh) | 家用空调器制冷量便捷检测方法 | |
| CN213209163U (zh) | 空调热泵系统制冷剂质量流量测定装置 | |
| Dhillon et al. | Uncertainty Quantification Approach for Dynamic Load-Based Testing | |
| CN115169079A (zh) | 空调热负荷计算方法、装置、电子设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |