[发明专利]太阳能热泵系统中传感器并发故障的在线诊断方法有效
申请号: | 201911075536.9 | 申请日: | 2019-11-06 |
公开(公告)号: | CN110779249B | 公开(公告)日: | 2021-03-26 |
发明(设计)人: | 王鹏;李吉腾;梁若冰;赵天怡 | 申请(专利权)人: | 大连理工大学 |
主分类号: | F25B49/02 | 分类号: | F25B49/02 |
代理公司: | 大连理工大学专利中心 21200 | 代理人: | 温福雪;侯明远 |
地址: | 116024 辽*** | 国省代码: | 辽宁;21 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 太阳能 系统 传感器 并发 故障 在线 诊断 方法 | ||
1.一种太阳能热泵系统中传感器并发故障的在线诊断方法,其特征在于,步骤如下:
S1、定义太阳能热泵系统模型和校准区域:基于太阳能热泵系统,对其进行太阳能热泵系统模型的建立和校准区域的划分,具体步骤如下:
S1.1、定义太阳能热泵系统模型:
太阳能热泵系统主要由蒸发器、压缩机、冷凝器和膨胀阀组成,压缩机进口温度、压力为Ty,in、Py,in,压缩机出口温度、压力为Ty,out、Py,out,冷凝器出口温度、压力为Tc,out、Pc,out,蒸发器进口温度、压力为Te,in、Pe,in,质量流量为当其在夏季制冷时,低温低压的液态制冷剂在蒸发器内吸收热量变成过热的气态制冷剂,之后再经过压缩机压缩变成高温高压的气态制冷剂,然后通过冷凝器向外释放热量变成低温的液态制冷剂,最后经过膨胀阀节流,低温低压的液态制冷剂流回蒸发器,完成一个制冷循环;根据上述太阳能热泵系统运行原理,分别建立压缩机、冷凝器、蒸发器的数学模型;
S1.2、定义模型中输入、输出变量:
根据步骤S1.1所建立的数学模型,确定太阳能热泵系统中的输入变量Ty,in、Py,in、Py,out,输出变量Ty,out、Tc,out、Pc,out、Pe,in、Te,in、
S1.3、定义校准区域:
根据步骤S1.1所建立的数学模型,将压缩机、冷凝器、蒸发器数学模型再一次划分为6个小的校准区域,使得每个校准区域内至多含有4个待校准的传感器,增大太阳能热泵系统中传感器校准的准确性;其中,Ty,in、Py,in、Py,out、Ty,out为第一个校准区域,Ty,in、Py,in、Py,out、为第二个校准区域,Py,out、Tc,out为第三个校准区域,Py,out、Pc,out为第四个校准区域,Py,in、Pe,in为第五个校准区域,Pe,in、Te,in为第六个校准区域,对这6个校准区域分别依次进行校准;
S2、对太阳能热泵系统中的输入变量Ty,in、Py,in、Py,out,输出变量Ty,out、Tc,out、Pc,out、Pe,in、Te,in、建立多组准稳态测量值,具体步骤如下:
S2.1、太阳能热泵系统结构复杂且包含多个传感器,首先要对太阳能热泵系统中传感器进行敏感性分析,确定对太阳能热泵系统影响最大的传感器;
S2.2、根据步骤S2.1的敏感性分析,对太阳能热泵系统中所有种类的传感器进行重要性排序,得到全部传感器校准顺序;
S2.3、对进行重要性排序完的所有种类传感器测量值进行稳态延迟性判断,把处于稳态、过渡态和瞬态数据分别处理,确定所需要的多组测量值Ty,in、Py,in、Py,out、Ty,out、Tc,out、Pc,out、Pe,in、Te,in、处于稳定状态;
S2.4、对于处于稳定状态的所有测量值,运用聚类大数据分析方法对这些测量值进行分析和识别,保证具有相同状态的数据处于同一类;
S2.5、聚类后每一簇内依然有大量数据,选取每一簇内少量数据,要求传感器个数3倍以下,得到该方法所需要的多组准稳态测量值;
S3、基于贝叶斯定理,根据能量守恒定律、热力学定律和质量守恒定律,对太阳能热泵系统中温度、压力、流量传感器进行校准,具体步骤如下:
S3.1、定义函数:定义太阳能热泵系统的修正函数、基准函数、距离函数:
修正函数:Yc=g(M,x1,x2,…,xk) (1)
基准函数:Yb=f(Yc,v1,Yc,v2,…,Yc,vr) (2)
距离函数:
式中:D(x)为校准问题的距离函数,x为偏移量,Yb为传感器的基准输出值,Yc为传感器的修正测量值,i为工作传感器的数量,N为在距离函数中基准输出的数量,M为传感器的实际测量值,g为工作传感器的修正函数,k为变量的数量,f为太阳能热泵系统模型,v为相关变量的数量;
S3.2、代入数据:将步骤S2中的多组准稳态测量值Ty,in、Py,in、Py,out、Ty,out、Tc,out、Pc,out、Pe,in、Te,in、带入到距离函数中;
S3.3、基于贝叶斯定理进行校准:根据贝叶斯定理中变量的先验分布和似然函数,用马尔科夫链蒙特卡洛方法,从联合多变量分布中获得一系列随机样本,进而计算出偏移常量的后验分布;通过式(3)-(5)看出,当传感器的基准输出值和修正测量值的差别最小时,也就是说D(x)取得最小值时,后验分布取得最大值,从而得到概率最大的偏移变量,其公式为:
贝叶斯定理:
似然函数:
式中:x为偏移量,Yb为传感器的基准输出值,π(x)为偏移常量的先验分布,P(x|Yb)为偏移量的后验分布,P(Yb|x)为偏移量的似然函数,D(x)为校准问题的距离函数,P(Yb)为归一化常数,σ为标准差;
S4、将步骤S3得到的最大概率后验分布的均值μ定为传感器偏移量x,加上工作传感器的测量值,得到传感器的修正测量值;
Yc=M+x (6)
式中:Yc为传感器的修正测量值,M为传感器的实际测量值,x为偏移量。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于大连理工大学,未经大连理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911075536.9/1.html,转载请声明来源钻瓜专利网。