复合地源热泵系统控制强化传热措施

《复合地源热泵系统控制强化传热措施》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、..复合地源热泵系统控制强化传热措施0前言地源热泵系统具有效能高，污染低的特点，因此在世界范围内得到了广泛的应用[1]。在冬冷夏热且夏季冷负荷远大于冬季热负荷的地区，常采用带辅助散热设备的复合式地源热泵系统，在保证全年热平衡的同时减少钻井所需的初投资和占地面积[2]。在复合式地源热泵系统中，常采用冷却塔与土壤换热器并联的形式（图1）,通过有选择性地运行土壤换热器或冷却塔来保持地下土壤的全年热平衡。StephenP.Kavanaugh[3]提出一套复合式地源热泵的设计方法，并计算了冷却塔全年的运行时间，以保证土壤热平衡。但在满足全年土壤热平衡的前提下，在某一

2、时刻运行土壤换热器还是冷却塔的选择存在着极大的自由度。CenkYavuzturk[4]对复合式地源热泵系统的控制策略进行了详细的研究，但主要研究对象是土壤换热器与冷却塔串联的系统，对并联系统没有太多探讨。图1复合式地源热泵系统结构图图2建筑逐时负荷图Fig.1SchematicdiagramoftheHGCHPsystemFig.2Annualhourlybuildingload本研究以热泵机组的瞬时效能系数为优化目标，通过比较与土壤换热器相连的板式换热器机组侧和冷却塔的出口水温，来决定某一时刻是运行土壤换热器还是冷却塔，以获得最低的机组进水温度，从而降低

3、机组功耗。土壤换热器的出口水温在系统刚启动的一段时间内上升较快，因此为避免频繁切换，本研究比较土壤换热器启动运行半个小时后的板式换热器机组侧出口水温与冷却塔的出口水温。但这两个出口水温中通常只有一个可以被实时测量，这就必须依赖一个可靠的数学模型，以便对另一个出口水温进行预测。冷却塔出口水温的预测已经可以实现[5]，但与土壤换热器相连的板式换热器机组侧循环水的出口温度很难用传统的数学方法的模型进行精确的预测。Michopoulos[6]利用解析模型对地埋管出口温度进行了预测，但最大误差高达6℃。人工神经网络具有强大的信息处理能力、自组织和自适应性，在模式识别

4、和人工智能领域有着广泛的应用[7]。本研究利用人工神经网络实现与土壤换热器相连的板式换热器机组侧出口水温的预测。本研究以武汉某办公建筑为对象，设计一套复合式地源热泵系统，利用FLUENT软件建立三维动态数值模型，利用所得数据建立人工神经网络模型，预测与土壤换热器相连的板式换热器的机组侧出口水温，从而实现新的控制方法。....1系统描述办公楼的全年逐时负荷见图2。可见，该建筑的冷负荷远大于热负荷，因此采用复合式地源热泵系统。土壤换热器根据冬季热负荷进行设计，设有281孔井，井深为60m，管的内径为26mm，外径为32mm，管井直径为200mm。系统长时间运行

5、会使土壤换热器换热性能下降，因此系统采用间歇运行方式[8]，即土壤换热器和冷却塔交替运行。冷却塔的选型要满足办公楼夏季最大冷负荷的要求。2控制策略分析在复合式地源热泵系统中，常用的控制方法如下。（1）设定特定值，当热泵机组的进口或出口温度超过某一个值时，冷却塔启动。（2）温差控制法，当热泵机组的进口或出口温度与室外干球或湿球温度差值高于某一个值时，冷却塔启动。（3）时间控制法，设置特定的冷却塔或土壤换热器的工作时间。上述控制方法均基于冷却塔与土壤换热器串联的系统，关于并联系统并没有太多的研究。本文提出另外一种控制方法，即直接比较板式换热器机组侧出口水温与冷

6、却塔出口水温，以获得最低的机组进口水温，从而降低机组功耗。3人工神经网络人工神经网络（ArtificialNeuralNetworks,ANN）是由神经元相互连接，通过模拟人的大脑神经处理信息的方式，进行信息处理的复杂网络系统。它具有强大的学习功能，可以比较轻松地实现非线性映射过程，在模式识别、人工智能、控制工程和信号处理方面得到大量的应用。图3三层BP网络结构图Fig.3SchematicdiagramoftypicalBPnetworksBP(BackPropagation)网络是目前应用最为广泛和成功的神经网络，典型的BP神经网络由输入层、输出层和隐

7、含层组成（图3）。本研究利用BP神经网络来预测板式换热器出口水温，并通过均方根误差来评价预测结果（式1）。（1）式中：－均方根；-数据的个数；为第m个数据的预测值；为第个数据的计算值。....4复合式地源热泵系统的数值模型通过计算流体力学软件FLUENT模拟本研究建立的复合式地源热泵系统，产生的数据用来训练和检测神经网络模型。热泵机组模型：采用Gordan的机组模型[9]，结合样本数据拟合出功耗与冷却水进水的关系式（式2）。（2）式中：表示冷凝器侧冷却水进口水温，K；为蒸发器侧冷冻水出口温度，K；为机组额定负荷负荷，kW；为负荷率。冷却塔模型：采用Merk

8、el焓差法，使冷却塔本身冷却能力(冷却数)和所需要的冷却任务(冷却