太阳能光伏-地源热泵式供能植物工厂空调系统

针对目前植物工厂主要采用的化石燃料供能方式释放出大量温室气体和有害气体危害环境的问题,设计太阳能光伏-地源热泵式供能植物工厂空调系统,利用地下水源热泵制冷供暖植物工厂,借助太阳能光伏技术供电地源热泵系统。植物工厂位于同济大学生态园内,属自然光利用联栋小屋脊玻璃温室,占地面积927 m2。通过确定植物工厂的冷热负荷选型制热量和制冷量分别为264 kW和240 kW的水源热泵,地下水抽水量为32.46 m3/h,确定太阳能光伏阵列总功率为54 667 wp。最后分析了太阳能光伏-地源热泵式供能植物工厂空调系统的经济效益和节能减排效益。

电锅炉辅助空气源热泵干式车库发酵加温系统

干式发酵加温系统中存在着无法根据变工况提供相应的加温方式的问题,为此,针对200 m3的车库式干式发酵池,根据不同的天气状况切换空气源热泵单独加温模式与电锅炉-空气源热泵联合加温模式[1],以满足沼气池内的加温需求。还针对最不利工况条件下空气源热泵可能存在的结霜问题,提出相应的除霜方案,保障空气源热泵在最不利工况下的正常运行。实验采取的干式发酵池内设计温度为35℃,原料体积占发酵池的73%,原料中固体占30%,水占70%,发酵池尺寸为12.5 m×4 m×4 m,通过计算得到需要加热盘管总长度为125 m。

植物工厂地源热泵系统热负荷BP神经网络预测及验证

为提高水蓄能型地下水源热泵自然光植物工厂供热系统节能性,供热系统必须能够很好地预测热负荷变化。针对自然光植物工厂热环境系统非线性特点,利用具有很强非线性映射能力的BP神经网络(back propagation,BP),选取室内外空气干球温度、太阳辐射强度、室内相对湿度和绝对湿度、室内风速等输入参数,确定算法步骤和评价指标,构建神经网络模型预测植物工厂次日负荷。采用Matlab神经网络工具箱对崇明试验基地水蓄能型地源热泵自然光植物工厂的样本集进行训练,训练后误差函数值为0.002 999 94,神经网络收敛。通过对比热负荷预测值与实际值,证明了神经网络预测热负荷值与实际值趋势一致,基本误差在±6%以内,结果表明神经网络法可以用于植物工厂次日热负荷预测。通过热负荷预测能够更加科学地调整供热系统运行模式,更好地匹配植物工厂需求热量与热泵的输出能量,实现运行节能和降低供能成本的目的。