[发明专利]一种前置式防、融霜方法

说明书

技术领域

本发明涉及一种防、融霜方法，尤其涉及一种前置式防、融霜方法。

背景技术

热泵空调系统在空调行业被广泛的推广应用。但是在冬季，随着室外环境温度的降低，空调系统的蒸发器表面会凝结出霜晶，随时间推移，生长成的霜层导致换热过程恶化，使得机组的蒸发温度降低，同时，由于热泵蒸发器大多由多排工质管组成，且传热不均匀易出现结霜不均匀的现象。传统的除霜方法有逆除霜和热气旁通除霜，当外界条件恶劣时，系统从环境中吸热困难，使得此两种方法难以实现。而电辅热融霜能较好地从外界给予系统能量使其能运行，但没有可靠的结霜量来对其所加辅热大小进行定量，目前大部分装置上均采用过大甚至数倍的电辅热进行补热，不仅不能因地制宜地对蒸发器融霜起到改善，还会造成大量的能源浪费,且现有的融霜方法在融霜过程中会导致热泵输出热量显著降低，影响使用效果。

发明内容

本发明的目的在于提供一种前置式防、融霜方法，通过结霜量的预测计算出蒸发器在结霜工况下所需能量，从而提供较准确的辅热量使其在湿工况下工作，确保换热效率得到显著提高。

本发明的技术解决方案是：一种前置式防、融霜方法，其特征在于以下步骤：

A.预测结霜量：搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态，记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况，一同输入控制系统，得出结霜量预测值作为输出参数，建立结霜量预测网络的样本训练数据库；

B.样本训练数据库的预处理：对数据库的样本进行训练，包括归一化、初始值设定、误差计算，如果误差满足设定值，则进行下一步，否则，继续返回初始值设定进行循环；

C.建立结霜量的预测网络：选择一种误差最小的网络训练算法，设置学习率从0-1自动进行学习，得出最佳学习率，建立起预测结霜量网络；

D.测试结霜量预测网络：给定环境变量、蒸发器结构参数，计算结霜量大小，与真实值进行比较，如果误差在给定范围内，则网络可靠，如果误差较大，则返回步骤C继续选择不同的算法和学习率；

E.补热量的调节：根据步骤A-D得到的结霜量预测值，对热泵蒸发器补热量进行调节，从而实现有效的防、融霜。

本发明的有益效果是：通过结霜量大小的通用关联式预测出结霜量大小，使蒸发器能实现自适应调节补热量和前置式防、融霜的控制，确保蒸发器能够在湿工况下工作(此时换热效果最好)。

附图说明

图1是本发明的前置式防、融霜控制系统结构示意图。

图中：1-控制器，2-蒸发器，3-工质分配管，4-蒸发器翅片，5-传感器，6-导线，7-基本补热器，8-分配管补热器。

具体实施方式

下面结合附图对本发明及其具体实施方式作进一步详细说明。

参见图1，本发明的特征在于以下步骤：

A.预测结霜量：搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态，记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况，一同输入控制系统，得出结霜量预测值作为输出参数，建立结霜量预测网络的样本训练数据库；

B.样本训练数据库的预处理：对数据库的样本进行训练，包括归一化、初始值设定、误差计算，如果误差满足设定值，则进行下一步，否则，继续返回初始值设定进行循环；

C.建立结霜量的预测网络：选择一种误差最小的网络训练算法，设置学习率从0-1自动进行学习，得出最佳学习率，建立起预测结霜量网络；

D.测试结霜量预测网络：给定环境变量、蒸发器结构参数，计算结霜量大小，与真实值进行比较，如果误差在给定范围内，则网络可靠，如果误差较大，则返回步骤C继续选择不同的算法和学习率；

E.补热量的调节：根据步骤A-D得到的结霜量预测值，对热泵蒸发器补热量进行调节，从而实现有效的防、融霜。

将基本补热器7和分配管补热器8置于蒸发器2的前面，此谓前置式(补热，安装方便)。

参见图1，通过传感器5搜集多种制冷剂在不同蒸发器、不同地区运行结霜的状态，记录当地环境的温度、湿度、蒸发器结构参数、蒸发器运行时制冷剂运行工况，一同输入控制系统，得出结霜量预测值作为输出参数，建立结霜量预测网络的样本训练数据库。