[发明专利]冷媒泄漏监控方法、监控系统及空调机组

说明书

本发明公开了一种冷媒泄漏监控方法、监控系统及空调机组，其中，该方法包括：获取用于表征空调冷媒状态的冷媒运行参数；将冷媒运行参数输入至冷媒泄漏神经网络模型，得到冷媒泄漏神经网络模型输出的冷媒泄漏概率；根据冷媒泄漏概率对冷媒泄漏进行监控。本发明解决了现有技术中冷媒泄漏检测滞后的问题，保障了机组运行的可靠性和制冷的舒适性前提下，又保证了用户的安全。

技术领域

本发明涉及空调技术领域，具体而言，涉及一种冷媒泄漏监控方法、监控系统及空调机组。

背景技术

随着我国轨道交通进入快速发展期，各地都在筹划高铁、地铁和城际轨道给中央空调企业带来了巨大的商机。根据《城市轨道交通通风空调系统的现状及发展趋势》文章中的数据，不同地区环控系统能耗占地铁总能耗30％～50％左右，环控能耗的通风空调系统用电能耗大。各空调厂家开发了一种大型公共交通用的水冷冷风型机组，因其具有的节能效率高、安装使用方便、占地面积小等特点逐步受到更多的业主和设计人员的关注。

但是与此同时，大型直接供冷机组由于产品的特殊性，部分冷媒管与送风空气侧在同一空间，压缩机振动、换热器裂漏等异常情况，会引起冷媒泄漏从而直接引入到地铁候车区或者运行机房，导致引发公众恐慌或人员窒息的危险。因此冷媒泄漏安全问题也是设备设计人员必须重点考虑的问题。

目前对于制冷剂泄漏问题，都是在制冷剂泄漏发生后，通过检测模块检测到制冷剂发生泄漏，该方法一定程度上是有效的，但对于用户来说，制冷剂已经泄漏，无论泄漏量多少，都可能给用户带来恐慌情绪，若泄漏量过大，还会影响用户个人安全。

针对相关技术中冷媒泄漏检测滞后的问题，目前尚未提出有效地解决方案。

发明内容

本发明提供了一种冷媒泄漏监控方法、监控系统及空调机组，以至少解决现有技术中冷媒泄漏检测滞后的问题。

为解决上述技术问题，根据本发明实施例的一个方面，提供了一种冷媒泄漏监控方法，包括：获取用于表征空调冷媒状态的冷媒运行参数；将冷媒运行参数输入至冷媒泄漏神经网络模型，得到冷媒泄漏神经网络模型输出的冷媒泄漏概率；根据冷媒泄漏概率对冷媒泄漏进行监控。

进一步地，在获取用于表征冷媒状态的空调运行参数之前，还包括：建立用于预测冷媒泄漏概率的神经网络模型；模拟不同类型空调的运行情况，根据模拟得到的数据和神经网络模型计算得到的数据训练神经网络模型，得到冷媒泄漏神经网络模型。

进一步地，根据模拟得到的数据和神经网络模型计算得到的数据训练神经网络模型，包括：获取空调在运行情况下的实际冷媒泄漏数据，以及空调在运行情况下的冷媒运行参数；将冷媒运行参数输入至神经网络模型，得到神经网络模型输出的冷媒泄漏数据；对比神经网络模型输出的冷媒泄漏数据和实际冷媒泄漏数据，调整神经网络模型。

进一步地，运行情况至少包括以下之一：正常运行情况、冷媒泄漏情况。

进一步地，用于表征冷媒状态的空调运行参数至少包括：室内换热温差、水侧换热温差、系统内冷媒压力差。

进一步地，根据冷媒泄漏概率对冷媒泄漏进行监控，包括：监测冷媒泄漏概率，判断冷媒泄漏概率是否超过预设概率；其中，预设概率用于表征空调即将泄漏冷媒；在冷媒泄漏概率超过预设概率时，通知用户进行冷媒泄漏排查，否则，继续对冷媒泄漏进行监测。

进一步地，在通知用户进行冷媒泄漏排查之后，还包括：获取空调在冷媒泄漏概率超过预设概率时的冷媒运行参数，以及冷媒泄漏排查的排查结果；根据冷媒泄漏概率超过预设概率时的冷媒运行参数和排查结果调整冷媒泄漏神经网络模型。

根据本发明实施例的另一方面，提供了一种冷媒泄漏监控系统，包括：大数据监测器，用于获取用于表征空调冷媒状态的冷媒运行参数；大数据平台，与大数据监测器连接，用于将冷媒运行参数输入至冷媒泄漏神经网络模型，得到冷媒泄漏神经网络模型输出的冷媒泄漏概率，并根据冷媒泄漏概率对冷媒泄漏进行监控。