一种基于灰色预测的空气能热水器结霜故障预测方法与流程

1.本发明涉及热水器技术领域，特别涉及一种基于灰色预测的空气能热水器结霜故障预测方法。


背景技术：

2.空气能热水器因其具有高效、节能、环保的优势，广泛应用于家庭、企事业单位及小区楼栋的热水供应及冬季室内取暖。然而，在冬季使用过程中，由于室外温度较低，蒸发器换热装置铜管经常会结霜。一方面，结霜导致蒸发器换热效能急剧下降；另一方面，压缩机在温控调节器的控制下长时间处于满载甚至过载运行，效率、寿命及可靠性大大降低。目前，家用空气源热泵热水系统结霜判定主要是通过采集相对湿度变化和水温发生变化数据进行简单比较判定，导致结霜判定准确度偏低，甚至发生误判。因而，如何在低温、相对湿度高的环境下准确、可靠的判定结霜程度，为空气能热水器除霜操作提供准确数据，成为空气源热泵热水器行业共同的难题，也是关注的重点。

技术实现要素：

3.本发明的目的在于，提供一种基于灰色预测的空气能热水器结霜故障预测方法。本发明可以精准判断机组结霜故障及程度，避免单个条件，简单判断方法导致的误判及失效，为空气能热水器除霜运行工况提供可靠参数。
4.本发明的技术方案：一种基于灰色预测的空气能热水器结霜故障预测方法，在空气能热水器处于结霜运行边界范围内时，获得热水器吸热效能系数与压缩机运行功率之间的灰色预测模型，根据灰色预测模型进而获得预测模型数学表达式，再利用预测模型数学表达式中的参数来表征结霜程度。
5.上述的基于灰色预测的空气能热水器结霜故障预测方法，所述预测模型数学表达式的获得过程是在一个采样周期内对压缩机出风口处温度和压缩机功率进行采样多个数据，根据采样数据计算空气热交换功率，由空气热交换功率进而获得吸热效能系数数组；将压缩机功率的采样数据形成功率数组，利用功率数组中的最大值和最小值获得等间隔量，并建立等间隔量数组；以功率数组为自变量离散数值，以吸热效能系数数组为应变量离散数值，使用插值算法获得等间隔量数组对应的序列，将序列用一次累加方式生成新序列；再基于新序列和等间隔量数组建立微分方程，求解后得到灰色预测模型，对灰色预测模型进行还原，获得预测模型数学表达式。
6.前述的基于灰色预测的空气能热水器结霜故障预测方法，所述预测模型数学表达式的获得过程具体过程如下:
7.在采样周期为ts对压缩机出风口处温度和压缩机功率p
comp
采样n个数据，分别记为：和{p
comp
(1),
…
,p
comp
(n)}；
8.计算空气热交换功率：
[0009][0010]
式中：c(t
amb
,h
amb
)为空气比热容，ρ(t
amb
,h
amb
)为空气密度，n
fan
和 s
fan
分别为蒸发
器风扇转速和截面积；
[0011]
由空气热交换功率得到根据定义式得到吸热效能系数数组{λ(1),
…
,λ(n)}，λ为空气能热水器吸热效能系数；
[0012]
获取功率数组{p
comp
(i)}的最小值和最大值利用最大值和最小值求取等间隔量并建立等间隔量数组其中
[0013]
以功率数组{p
comp
(1),
…
,p
comp
(n)}为自变量离散数值，以吸热效能系数数组{λ(1),
…
,λ(n)}为应变量离散数值，使用插值算法，获得等间隔量数组对应的序列
[0014]
基于一次累加方式，对序列生成新序列满足
[0015]
基于新序列和等间隔量数组建立微分方程：
[0016][0017]
式中，a为发展系数，μ为灰作用量；
[0018]
求解待估参数向量和上述微分方程，进而得到灰色预测模型
[0019]
对预测序列进行还原，得到还原序列的预测模型数学表达式：
[0020][0021]
前述的基于灰色预测的空气能热水器结霜故障预测方法，所述利用预测模型数学表达式中的参数来表征结霜程度过程是先定义关联度r：
[0022][0023]
其中：
[0024]
再判断空气能热水器吸热效能系数λ是否大于等于阈值ζ，如果是，则空气能热水器处于结霜故障运行，再求解结霜程度α＝a/a
max
，进而得出空气能热水器结霜程度α。
[0025]
与现有技术相比，本发明在空气能热水器处于结霜运行边界范围内时，获得热水
器吸热效能系数与压缩机运行功率之间的灰色预测模型，根据灰色预测模型进而获得预测模型数学表达式，再利用预测模型数学表达式中的参数来表征结霜程度。本发明基于空气能热水器蒸发器低温大湿度工况时，其在结霜故障情况下热交换效能相较于正常运行时热交换效能显著下降的特征，运用灰色预测理论，获得结霜运行时，热水器吸热效能系数与压缩机运行功率之间的灰色预测模型，再基于预测吸热效能系数与实测吸热效能系数之间的关联度大小，判断预测模型是否准确可靠，进而获得准确可靠的预测模型数学表达式。在此基础上，由物理知识可知，结霜故障严重时，热交换铜管被冰霜大面积覆盖，空气热交换程度很低。在温度控制器的作用下，压缩机运行功率一直往大调节，其吸热效能系数反而更差。这是因为即便压缩机功率增加很多，空气热交换功率增加很微弱。所以在结霜故障运行时，当压缩机功率大于一定值时，其吸热效能系数是压缩机功率的单调减函数，并且结霜程度越严重，减少的斜率越大。因而在结冰故障情况下，吸热效能系数的减小程度与结霜程度相似特性，通过分析预测模型数学表达式，可以看出参数决定了吸热效能系数预测模型的减小程度，进而可以使用参数表征解结霜程度。本发明运行灰色预测和关联度算法，得到结霜程度参数值，进而准确判定空气能热水器蒸发器结霜程度，避免单个条件，简单判断方法导致的误判及失效，为除霜控制参数提供准确详实的数据。本发明具有可靠性高、实用性好、智能化程度高等优势。
附图说明
[0026]
图1是空气能热水器蒸发器部分结构图。
具体实施方式
[0027]
下面结合附图和实施例对本发明作进一步的说明，但并不作为对本发明限制的依据。
[0028]
实施例1：一种基于灰色预测的空气能热水器结霜故障预测方法，在空气能热水器处于结霜运行边界范围内时，获得热水器吸热效能系数与压缩机运行功率之间的灰色预测模型，根据灰色预测模型进而获得预测模型数学表达式，再利用预测模型数学表达式中的参数来表征结霜程度。
[0029]
实施例2：一种基于灰色预测的空气能热水器结霜故障预测方法，在空气能热水器处于结霜运行边界范围内时，获得热水器吸热效能系数与压缩机运行功率之间的灰色预测模型，根据灰色预测模型进而获得预测模型数学表达式，再利用预测模型数学表达式中的参数来表征结霜程度。
[0030]
其中，所述预测模型数学表达式的获得过程是在一个采样周期内对压缩机出风口处温度和压缩机功率进行采样多个数据，根据采样数据计算空气热交换功率，由空气热交换功率进而获得吸热效能系数数组；将压缩机功率的采样数据形成功率数组，利用功率数组中的最大值和最小值获得等间隔量，并建立等间隔量数组；以功率数组为自变量离散数值，以吸热效能系数数组为应变量离散数值，使用插值算法获得等间隔量数组对应的序列，将序列用一次累加方式生成新序列；再基于新序列和等间隔量数组建立微分方程，求解后得到灰色预测模型，对灰色预测模型进行还原，获得预测模型数学表达式。
[0031]
实施例3：一种基于灰色预测的空气能热水器结霜故障预测方法，包括空气能热水
器，其中空气能热水器蒸发器部分结构图如图1 所示，冷媒循环回路包括：蒸发器、四通阀、气液分离器、压缩机、换热器、储液罐、膨胀阀、过滤器。冷媒循环部分实现能量交换。在制热工作模式时，其冷媒的循环顺序为箭头实线流向；在除霜工作模式时，其冷媒的循环顺序为箭头虚线流向。制热/除霜模式下冷媒流向的切换是通过控制四通阀实现。在制热工作模式，冷媒在蒸发器处吸收空气中的热能，成为低温低压气体。经压缩机压缩后，为高温高压气体，并流经热交换器，进行热交换。释放热能后，经过储液罐、膨胀阀和过滤器后再次回到蒸发器进行下一次热交换。在除霜工作模式，冷媒在热交换器处吸收热能，成为低温低压气体。经压缩机压缩后，为高温高压气体，并流经蒸发器，对铜管加热除霜。释放热能后，经过过滤器、膨胀阀和储液罐后再次回到热交换器进行下一次除霜热交换。
[0032]
相关变量和参数定义如下：ts为采样周期，k为采样数序号，t
am
b 和h
amb
分别为环境温度和环境相对湿度，n
fan
和s
fan
分别为风扇转速和截面积，为出风口处温度传感器t2测量值，ρ(t
amb
,h
amb
)和 c(t
amb
,h
amb
)分别为环境温湿度为t
amb
和h
amb
时空气的密度和比热容， q
air
(k)为((k-1)ts,kts)时间内空气流量，m
air
(k)为((k-1)ts,kts)时间内空气质量，为((k-1)ts,kts)时间内空气热交换量，为 ((k-1)ts,kts)时间内空气热交换功率，p
comp
(k)为压缩机运行功率，λ(k) 为空气能热水器吸热效能系数，α为空气能热水器结霜程度。
[0033]
由物理学知识可知，空气流量q
air
(k)满足：
[0034][0035]
对应的空气质量m
air
(k)为：
[0036]mair
＝ρ(t
amb
,h
amb
)n
fansfan
ts；
[0037]
空气热量交换量为：
[0038][0039]
热交换功率为：
[0040][0041]
联立公式可得：
[0042][0043]
所以，热水器吸热效能λ(k)为：
[0044][0045]
通过公式计算，可以得到空气能热水器的吸热效率系数λ(k)与 p
comp
(k)的关系，进而可通过插值方法得到λ与p
comp
数学关系。在此基础上，对λ与p
comp
进行数据处理，并运用灰色预测和关联度算法，得到结霜程度参数值，进而可以准确判定空气能热水器蒸发器结霜程度，为除霜控制参数提供准确详实的数据。
[0046]
具体步骤如下：
[0047]
(1)通过天气信息获取当天环境温度t
am
b、环境相对湿度h
amb
，结合大数据经验知识，判断空气能热水器当前是否处于结霜运行边界范围；如果是，则进入步骤(2)；否则，退出；
[0048]
(2)以此时刻开始每隔δt时间执行一次结霜故障预测算法，并定义每次预测算法执行时均需对每个参数采样n个数据，采样周期为 t s；
[0049]
(3)对出风口处温度和压缩机功率p
comp
采样n个数据，分别记为：和{p
comp
(1),
…
,p
comp
(n)}；
[0050]
(4)计算空气热交换功率：
[0051][0052]
式中：c(t
amb
,h
amb
)为空气比热容，ρ(t
amb
,h
amb
)为空气密度，n
fan
和 s
fan
分别为蒸发器风扇转速和截面积，默认为常数；
[0053]
(5)由空气热交换功率得到根据定义式得到吸热效能系数数组{λ(1),
…
,λ(n)}，λ为空气能热水器吸热效能系数；
[0054]
(6)获取功率数组{p
comp
(i)}的最小值和最大值和利用最大值和最小值求取等间隔量并建立等间隔量数组其中：
[0055]
(7)以{p
comp
(1),
…
,p
comp
(n)}为自变量离散数值，{λ(1),
…
,λ(n)}为应变量离散数值，使用插值算法，获得对应的序列
[0056]
(8)基于一次累加方式，对序列生成新序列满足：
[0057]
(9)基于新序列和等间隔量数组建立微分方程：
[0058][0059]
其中：a为发展系数，μ为灰作用量；
[0060]
求解待估参数向量和上述微分方程，进而得到灰色预测模型
[0061]
(10)对预测序列进行还原，得到还原序列的预测模型数学表达式：
[0062]
[0063]
(11)定义关联度r为：其中：
[0064]
(12)判断r≥ζ是否满足，ζ为阈值，为0.95，如果是，进入步骤(13)；否则，返回步骤(2)；
[0065]
(13)判断a≥θ是否满足，θ为阈值，为0.5，如果是，则空气能热水器处于结霜故障运行，进入步骤(14)；否则，进入步骤(2)；
[0066]
(14)求解结霜程度α＝a/a
max
，进而得出空气能热水器结霜程度α。
[0067]
综上所述，本发明运行灰色预测和关联度算法，得到结霜程度参数值，进而准确判定空气能热水器蒸发器结霜程度，避免单个条件，简单判断方法导致的误判及失效，为除霜控制参数提供准确详实的数据。本发明具有可靠性高、实用性好、智能化程度高等优势。