制冷、大数据、元宇宙漫谈

“元宇宙”概念自提出以来,迅速成为国内外各级政府和企业发展规划、专家学者和相关研究人员个人研究计划中炙手可热的字眼。制冷行业在元宇宙这一新赛道中面临着更多的发展机遇和挑战,亟需为前路的发展方向铺垫相关理论知识和进行技术更新。本文回顾了大数据时代这一背景,从大数据时代对制冷领域的影响和制冷技术对大数据时代的影响两方面阐述了大数据与制冷的关系。大数据是制冷领域发展机遇的创造者,本文以制冷空调行业为例,介绍了大数据相关技术在空调系统优化和空调企业数字化运营中的应用。制冷技术是大数据迅猛发展的保卫者,本文分别介绍了制冷技术在产业上游数据中心的冷却系统建设和解决下游终端产品的散热问题中发挥的重要作用。上述分析为元宇宙时代与制冷领域关系的思考提供了参考。然后,本文梳理了元宇宙时代兴起背后的蓄力,包括助推力量、国内外布局以及美好愿景。并客观地直视了元宇宙发展过程中的风险,包括算力风险、沉迷风险、伦理问题、知识产权问题、经济风险、产业霸权等最为突出的几大风险。机遇与挑战并存是元宇宙时代鲜明的发展背景。最后,本文重点讨论了元宇宙与制冷的关系。一方面是元宇宙给制冷领域带来了新发展思路,包括庞大的元宇宙生态所带来的对制冷设备和专业人才大幅上升的需求量;元宇宙世界能够提供沉浸式教学和职业培训;借鉴于“互联网+”,“元宇宙+”意味着现实行业向“虚实交互”转型升级。另一方面是制冷技术对元宇宙时代的影响,包括作为保卫者满足元宇宙中基础设备、设施的散热技术需求;更为沉浸式的体感,如冷热和湿度的肤感体验,需要制冷技术提供。不止于此,元宇宙与制冷的融合仍有无限可能。

我国不同气候区办公建筑多联机系统能效分析

本文选择夏热冬暖地区、夏热冬冷地区和寒冷地区作为研究对象,建立了典型的办公建筑模型,对3个气候区中9个不同城市的多联机系统负荷和能耗进行了仿真,并进行了能效分析。结果表明,多联机系统负荷、系统耗电功率、性能系数(COP)及部分负荷率(PLR)平均值在不同气候区差异显著。夏热冬暖地区制冷工况、制热工况性能系数、PLR均大于寒冷地区、夏热冬冷地区。从寒冷地区到夏热冬暖地区,系统冷负荷及制冷耗电功率增大、热负荷及制热耗电功率不断减小。全年平均COP在不同气候区间都有十分明显的差异。寒冷地区和夏热冬冷地区的全年平均COP相差0.27,而夏热冬冷地区和夏热冬暖地区间相差0.59,证明不同气候区城市的办公建筑多联机能效有显著区别。

基于分类器链的多联机软故障水平辨识研究

多联机空调系统在建筑中已得到广泛应用,在多联机的运行中,软故障较为常见,且难以识别,使系统效率下降。本文以一维卷积神经网络作为基分类器,提出一种基于分类器链的多联机软故障水平辨识模型,使用室外机脏污故障的实验数据,以故障诊断模型为基础设置了基分类器的结构及参数,提出两种新的对数据标签的编码方式。在初步建立软故障水平辨识模型之后,对基分类器中的卷积核数量进行了进一步调整,并提出放大系数以改进标签的编码方式。结果表明:改进后的分类器链模型对室外机脏污故障的诊断准确率可达96%以上,提高2%~3%,且本文提出的编码方式不会将故障工况诊断为正常工况,适合在分类器链模型中使用。

用于居民建筑的多联机系统能效标准分区可行性探讨

为了研究居民建筑多联机系统的能效分区评价标准,本文对我国五大气候区的同一居民建筑多联机进行仿真,发现不同地区多联机负荷与工作时长差异明显。结果显示,夏热冬暖地区冷负荷高于热负荷,其他城市则热负荷较高,同一气候区内也存在个别城市负荷出现较大波动。从严寒地区到夏热冬暖地区,制热性能系数(COP)逐渐减少,制冷COP逐渐增大,寒冷地区全年能源消耗效率(APF)数值最大,为1.19,夏热冬暖地区APF数值最低,为0.71。从分析过程中还发现采用不同能效指标和建筑类型将对分区评价的结果将产生影响,并提出了针对气候区分区评价的建议。

多联机制冷剂充注量故障检测模型评估及参数优化

本文对基于集成学习模型的多联机制冷剂充注量故障检测进行了评估,并对极致梯度提升(XGBoost)模型进行了参数优化。通过在制冷模式下进行制冷剂充注量故障实验采集了数据,结合互信息法和斯皮尔曼相关性系数法进行了特征选择,在此基础上分别训练了决策树、随机森林和XGBoost三种学习模型后得到诊断模型,并通过网格搜索等方法对XGBoost模型进行了参数寻优工作。结果表明:三种学习模型中基于随机森林的故障诊断模型效果最好,5个评估指标中精度由88.69%提高至93.46%、宏查准率由90.34%提高至98.09%、宏查全率由88.33%提高至98.19%、宏F1度量提高由88.94%提高至98.13%、kappa系数由0.87提高至0.98,而优化后XGBoost模型效果更优,各评价指标均再次提升1%~2%。

数据中心风冷冷水机组机房节能运行策略

为了研究已经给定的某数据中心可行的节能运行策略,本文基于建筑图纸建立仿真模型,通过改变机房设计温度、冷冻水进出温度及温差、冷水机组性能系数(COP),寻找节能方案,使用电能利用效率(PUE)及数据中心性能系数(COP_(dc))进行方案评价。结果表明,经过节能运行策略改良后,该运行方案下理论上PUE可以达到1.34,而其常规方案运行的PUE为1.48。本文提出的方案可行性高,在允许条件下甚至可以达到更低的PUE。

地铁列车空调系统的BPNN故障诊断模型研究

地铁列车空调系统对调节车厢温湿度极为重要,其发生故障会降低车厢舒适度并增大能耗。构建制冷剂欠充、新风脏堵与冷凝器脏堵的单故障及并发故障模拟试验,并基于随机森林对采集数据进行特征选择,有效降低数据集的维度,最后基于BPNN构建单故障诊断模型和并发故障诊断模型。结果表明,构建的单故障诊断模型和并发故障诊断模型能够有效识别故障类型及故障等级,精度分别达到99.92%和98.63%。

基于BPNN的地铁空调制冷剂充注量故障诊断权重分析

基于数据记录、充注量正常标签及不同级别的制冷剂泄漏故障试验建立故障诊断模型。对试验数据进行清洗后,将数据的80%与20%分为训练集与测试集,利用训练集的数据训练反向传播神经网络(BPNN)模型,并对模型进行测试得到混淆矩阵结果,测出模型的准确率,分析发现BP神经网络(BPNN)的故障诊断预测总准确率达到了99.609%。为减少特征变量的复杂程度,简化机器学习的复杂度,对原有的36个特征变量进行重要程度的分析。设置了不同神经元个数的BPNN,利用权重值矩阵分析特征变量在神经网络传播过程中对诊断结果的影响程度。

多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。

数据中心冷却系统的综合COP评价

数据中心冷却系统的耗电量约占数据中心总能耗的40%,建立数据中心冷却系统效率的评价体系对节能工作十分重要。本文提出了一种用于评价数据中心冷却系统综合COP的评价指标COP dc,基于冷却系统运行数据的仿真结果,验证了数据中心冷却系统综合COP dc的评价效果,并与PUE指标进行了对比分析。结果表明:在不同负载和温度条件下,COP dc的数值变化范围(4.51~5.44)比PUE大(1.19~1.23),能更明确展现数据中心冷却系统的耗电量变化,更适合作为衡量冷却系统能量使用效率的指标。本文提出的数据中心冷却系统综合COP评价方法可以量化的体现数据中心冷却系统的能效高低,相比PUE指标更具有针对性。

基于遗传算法-阻容模型的建筑模型辨识及温度预测研究

为实现精确预测建筑室内温度,得到最优控制策略,基于不同的简化假设,设计不同结构的建筑热阻容模型(RC模型),推导表征模型的微分方程组,在仿真结果的基础上采用遗传算法对模型进行辨识,得到一种兼顾模型预测精度和模型复杂度的RC模型结构。结果表明,在4种模型中,模型3对训练集温度的预测误差为0.346℃,对测试集温度的预测均方根误差为0.419℃,且模型结构较为简单,能够对建筑室内温度实现准确、稳定、相对快速的预测。

基于RFECV-随机森林特征选择的地铁空调制冷剂充注量故障诊断

地铁车辆车厢空调能耗占整车能耗的25%~40%,若长期处于故障运行状态会造成大量的能源浪费,且影响乘客的乘车体验甚至危害乘客身体健康。地铁车辆空调故障中,制冷剂充注量故障发生频繁却难以察觉,短期内不会引发故障报警,但会使空调长期偏离正常工况。针对地铁空调的制冷剂充注量故障诊断,文章采用基于交叉验证的递归特征消除法进行了特征选择,筛选出含18个特征变量的较优特征子集,然后根据随机森林特征重要性度量选择出重要性得分在0.03以上的8个特征作为最优特征子集,并将该子集分别用于构建基于支持向量机、K-最近邻算法和反向传播神经网络的诊断模型,以验证最优特征子集的故障诊断效果。验证结果显示,该特征选择算法经过两步筛选得到最优特征子集,在2种制冷工况和4种制冷剂充注量水平下,3种故障诊断模型的总准确率分别为99.83%、99.98%、99.96%。

扩展卡尔曼滤波器在冷水机组传感器故障诊断中的应用

围绕暖通空调系统中冷水机组传感器的故障诊断,基于扩展卡尔曼滤波器(EKF)提出一种冷水机组传感器故障检测方法。首先对数据进行预处理,根据诊断阈值范围与异常变化整定2个误差协方差矩阵。然后分为单参数和双参数自适应阈值诊断,双参数的诊断效果不好故舍弃,而在单参数方法中,对正常样本与异常样本均值进行加权平均,根据诊断效率和误报率认为最优模型对应的正常样本均值与异常样本均值权重比为0.8:0.2。

多联机系统的堆栈自编码器模型故障诊断研究

本文利用深度学习在模式识别和特征提取方面的优势,提出了基于堆栈自编码和Softmax算法的多联机制冷剂充注量故障诊断策略。针对堆栈自编码和Softmax的故障诊断方法,本文主要从网络的层数、隐含层节点数、学习率大小、迭代次数以及Batchsize(批次样本数)大小这些超参数的选择探索与故障诊断模型性能的关系。此外,在堆栈自编码的基础上,本文还采用了传统自编码的变种(降噪自编码和稀疏自编码)来对故障诊断模型进行优化。结果表明:堆栈降噪自编码及堆栈稀疏自编码与Softmax的故障诊断模型能获得更好的诊断性能,在一定参数条件下诊断准确率均能达到96%以上。

舟山西堠门跨海大桥南锚室送风方案的CFD对比分析

旨在探索舟山西堠门跨海大桥南锚室使用主动除湿系统前提下的送风量与送风方式。先通过维持正压法、通风质量平衡法、CFD初试法计算锚室总送风量,核算得其换气次数为0.38次/(m^3·h)。然后以雷诺应力平均的纳维-斯托克斯方程(RANS)描述锚室空间流体的力学运动规律,在k-ε两方程模型的基础上,利用CFD技术求解整个锚室的流速场。对缆束所占空间采用多孔介质模型进行描述,通过几何分析得到该空间的特征孔隙率为97.9%。研究结果表明,锚室前墙送风气流在缆束下方、后墙送风气流在缆束上方的送风方案最优。