专利名称：用于优化致冷系统的方法和设备的制作方法
技术领域：
本发明涉及用于优化致冷系统操作的方法和系统的领域。
背景技术：
在大工业规模系统中，效率可能是操作的关键方面。即使小的系统效率提高也能导致重大成本节省；同样，效率损耗可能造成成本增加或者甚至系统故障。冷却器代表大型工业系统，因为它们需要消耗大量能量进行操作，并且服从影响系统效率和容量的许多参数的变化。
大多数机械致冷系统都根据类似的公知原理，采用致冷剂在其中流动的闭环流体电路，利用典型为压缩器的机械能源进行操作，该机械能源提供用于从蒸发器向冷凝器泵送热量的原动力。在冷却器中，水或盐水在蒸发器中被冷却，以供处理之用。在以下更加详细讨论的普通类型系统中，蒸发器被形成为外壳内的一组平行管，这组平行管形成管束。管终止于隔板的任一侧。水或盐水流过管子，并且致冷剂分别被提供在外壳内的管的外面。
冷凝器接收来自压缩器的被冷却的热致冷剂气体。冷凝器也可以具有例如充满流向冷却塔的水的管子。冷却的致冷剂冷凝为液体，并且借助重力流向冷凝器底部，然后通过阀门或孔被馈给蒸发器。
因此，压缩器提供用于主动地将热量从蒸发器泵送给冷凝器的原动力。压缩器典型地需要润滑剂，以便使寿命延长，以及允许以紧密的机械公差操作。润滑剂是可以与致冷剂混合的油。因而，提供油槽来向压缩器供油，并且在压缩器后面提供分离器，以收集并重新利用油。正常来说，气态致冷剂和液态润滑剂通过重力而分开，使得冷凝器相对地保持无油。然而，随着时间的过去，润滑油从压缩器和压缩器润滑油回收系统中流出，而流向冷凝器。一旦在冷凝器中，润滑油就变得与液化的致冷剂混合在一起，并且被传送到蒸发器。因为蒸发器使致冷剂蒸发，因此润滑油在蒸发器的底部累积。
蒸发器中的油易于起泡，并且在蒸发器管壁上形成薄膜。在某些情况，如翅片管蒸发器的情况下，小量油提高热传递，从而是有益的。在其它情况，如核化沸腾式蒸发器管的情况下，例如超过1％的油的存在将导致热传递的降低。参见Schlager，L.M.，Pate，M.B.，和Berges，A.E.，“A Comparison of 150 and 300 SUS Oil Effects on RefrigerantEvaporation and Condensation in a Smooth Tube and Micro-fin Tube”，ASHRAE Trans.1989，95(1)387-397；Thome，J.R.，“ComprehensiveThermodynamic Approach to Modelling Refrigerant-Lubricating OilMixtures”，Intl.J.HVAC&R Research(ASHRAE)1995，110-126；Poz，M.Y.，“Heat Exchanger Analysis for Nonazeotropic RefrigerantMixtures”，ASHRAE Trans.1994，100(1)727-735(Paper No.95-5-1)。
典型地以以下两种方式之一在系统级控制致冷系统通过调节蒸发器顶部(过热)的气相温度，或者通过设法调节蒸发器内的液体量(液位(liquid level))。当系统负荷增大时，蒸发器内的均衡发生变化。较高的热负荷将增加顶部空间中的温度。同样，较高的负荷将使每单位时间内更多的致冷剂沸腾，并导致较低的液位。
例如，在此特意被引入作为参考的US 6,318,101涉及一种基于冷却器收缩(cooler pinch)和过热释放(discharge superheat)来控制电膨胀阀的方法。该系统设法推断蒸发器中致冷剂的液面，并据此控制系统，同时防止液击(liquid slugging)。受控系统监测据说用于确定电子膨胀阀最佳位置的某些变量，以便优化系统性能，适当的过热释放值以及适当的致冷剂注入。此外，参见在此特意被引入作为参考的美国专利No.6,141,980。
在此特意被引入作为参考的美国专利No.5,782,131涉及一种包括具有液位传感器的满溢式冷却器的致冷系统。
这些策略中每一种策略都提供了被假定为正常与期望的操作设定点的单一固定设定点。基于该控制变量，使一个或多个操作参数改变。典型地，压缩器将具有变速驱动，或使气态致冷剂从蒸发器偏向压缩器的一组可变角度叶片。这些调节压缩器输出。另外，某些设计具有位于冷凝器与蒸发器之间的可控膨胀阀。因为有单一主控制变量，因此剩余部件一起被控制为内循环，以便将控制变量维持在设定点。
典型的致冷剂是具有期望冷却温度以下的沸点(在工作压力下)的物质，因此当在操作状态下蒸发(改变物相)时，从环境吸收热量。从而，当热传递到另一位置—冷凝器时，蒸发器环境被冷却，蒸发潜热在冷凝器中散发。从而，致冷剂通过蒸发从一个区吸收热量，并通冷却凝向另一个区排出热量。在许多类型的系统中，所希望的致冷剂提供尽可能高的蒸发器压力，同时提供尽可能低的冷凝器压力。高蒸发器压力意味高蒸气密度，从而对于给定压缩器，意味更大的系统传热能力。然而，较高压力下的效率较低，尤其是当冷凝器压力接近致冷剂的临界压力时。
致冷系统的总效率受各个热交换器的热传递系数的影响。较高的热阻抗导致了较低效率，因为温度平衡被损害，并且必须维持较大温差以获得相同热传递。一般，由于热交换器壁上的沉积物而使热传递阻抗增大，虽然在某些情况下可以通过各种表面处理和/或油膜来提高热传递。
致冷剂必须尽可能好地满足其它许多要求，包括与压缩器润滑剂及致冷设备构成材料的相容性，毒性，环境效应，成本利用率以及安全性。现今普遍使用的液态致冷剂典型地包括卤化或部分卤化的链烷，包括含氯氟烃(CFC)，含氢氯氟烃(HFCF)，以及较少使用的氢氟碳化物(HFC)和全氟化碳(PFC)。其它许多致冷剂也是公知的，包括丙烷和氟碳醚。一些普通的致冷剂被识别为R11，R12，R22，R500和R502，每一种致冷剂都具有使它们适于不同类型应用的特性。
在工业冷却器中，蒸发器热交换器是一种大的结构，在包括壳的较大容器内包含了管束形式的多个平行管。液态致冷剂和油在蒸发器的底部形成一摊液体，使管及管中物沸腾和冷却。在管内部，水介质如盐水循环，并被冷却，然后被泵送到另一个区，在这另一个区盐水使工业过程冷却。这种蒸发器可以容纳数百或数千加仑的水介质，以提供甚至更大的循环量。因为致冷剂的蒸发是过程的必需部分，因此液态致冷剂和油必须只填充蒸发器的一部分。
此外，公知的是，周期地净化致冷或冷却器系统，通过系统重复利用提纯的致冷剂，以清洗系统。然而，该技术一般允许相当大的系统效率变化，并造成较高的维护成本。进一步，该技术一般不认为在蒸发器和例如冷凝器中有最佳(非零)含油量。从而，典型的维护设法产生可能是次优的“清洁”系统，该“清洁”系统在维修之后常遭受递增的变化。可以在要求关闭系统的手动过程中回收或重复利用来自致冷系统的致冷剂，以使油分离，并提供清洁的致冷剂。
在此特意被引入作为参考的美国专利No.6,260,378涉及一种致冷剂净化系统，尤其涉及控制不可冷凝气体的去除。
蒸发器中的油易于累积，因为基本设计没有用于使油返回到油槽中的内在通道。对于超过最佳值的油量，一般由于蒸发器中油浓度的增大，而使系统效率降低。从而，蒸发器内大量致冷剂油的累积将降低系统效率。
可以提供在线装置，来从进入蒸发器的致冷剂中连续地除去致冷剂油。这些装置包括所谓的排油器，该排油器从蒸发器中除去油和致冷剂，使油返回到油槽中，并使蒸发的致冷剂返回到压缩器中。由于一部分致冷剂绕过了蒸发器，并且潜在地利用热源来蒸发或部分地蒸馏致冷剂以使油分离，而使这些连续除油装置的效率典型地低。因此，只有离开冷凝器的致冷剂中的一小部分才可能经受该过程，导致了对蒸发器中含油量的较差控制以及效率损失。没有恰当的系统来控制排油器。相反，排油器可能相对地尺寸过小，并且连续运行。尺寸过大的排油器的效率将较低，因为蒸发的热没有有效地用于过程中。
从蒸发器中除去油的另一种方法是，使蒸发器中混合的液态致冷剂与油的一部分分流到压缩器，其中油受到正常的回收机制。然而，该分流可能效率低，并且难以控制。进一步，难以利用该方法获得和维持低油浓度。
在此特意被引入作为参考的美国专利No.6,233,967涉及一种将高压油用作排油器原动液体的致冷冷却器油回收系统。此外，参见在此特意被引入作为参考的美国专利No.6,170,286和No.5,761,914。
在排油器和分流器中，当含油量达到低含量，例如大约1％，被分离液体的99％是致冷剂，导致过程效率大大损失。
注意，难以精确地采样和确定蒸发器中的油浓度。当致冷剂沸腾时，油浓度增大。因此，致冷剂顶部附近的油浓度高于整体油浓度。然而，当沸腾液体翻腾时，产生不均匀性，并且精确的采样变得困难或不可能。进一步，不清楚除了油对各种部件的影响之外，平均整体油浓度是有意义的控制变量。因为难以测量油浓度，因此也难以测量蒸发器中的致冷剂量。制冷剂量测量困难与以下事实混合在操作期间，蒸发器沸腾和起泡；在系统关闭期间测量致冷剂量必须考虑其它系统和部件之间的致冷剂分布的任何变化。
众所周知，冷却器的进料状态对系统容量和系统操作效率都有较大影响。显然，如果蒸发器中的液态致冷剂量不足，则系统不能满足其冷却要求，并且这限制了系统容量。从而，为了处理较大的热负荷，至少在蒸发器中需要更大量的致冷剂。然而，在典型的设计中，通过提供这种大致冷剂注入，在负荷减小时系统的操作效率降低了，由此对于相同的BTU(英热)冷却，需要更多的能量。参见在此特意被引入作为参考的Bailey，Margaret B.，“System Performance Characteristics ofa Helical Rotary Screw Air-Cooled Chiller Operating Over a Range ofRefrigerant Charge Conditions”，ASHRAE Trans.1998104(2)。因此，通过正确选择冷却器的“容量”(例如冷却能力)，来提高效率。典型地通过最大预期设计负荷来确定冷却器容量，从而对于任何给定设计负荷，都规定典型设计中的致冷剂注入量。因此，为了实现系统效率的提高，采用一种调节调节补充技术，其中取决于负荷来选择性地启动多个子系统中的一个或多个子系统，以允许每个子系统的高效设计，同时允许在所有子系统都操作的情况下的高总系统负荷容量。参见Trane，“Engineer’s Newsletter”，十二月刊1996年，25(5)1-5。另一种公知技术设法改变压缩器的转速。参见在此特意被引入作为参考的美国专利No.5,651,264。也有可能利用电子电动机控制来控制压缩器速度，或者通过限制流入压缩器中的致冷剂来控制系统容量。
冷却器效率一般随冷却器负荷而增大。因而，最佳系统设法在其额定设计附近进行操作。然而，比额定满液位高的致冷剂注入液位导致效率降低。进一步，冷却器负荷容量限定了最低致冷剂注入液位。因此，可以看出，存在用于实现最高效率的最佳致冷剂注入液位。如上所述，当蒸发器中的含油量增长时，它既取代致冷剂，又对系统效率有独立的影响。
许多系统可用于测量冷却器，也就是使水或诸如盐水的水溶液冷却的致冷系统的效率。在这些系统中，根据每冷却单位消耗的能量的瓦时(伏特×安培×小时)来计算效率，冷却单位典型地为吨或英国热量单位(BTU)(使一英吨水的温度改变1℃所需的能量)。从而，最低限度的效率测量需要功率计(时基，伏特计，安培计)，以及用于引入水和排出水的温度计和流量计。典型地，提供更多的仪器，包括冷却器水压力计，用于蒸发器和冷凝器的压力计和温度计。典型地，还提供数据获取系统处理器来计算以BTU/kWH为单位的效率。
在此特意被引入作为参考的美国专利No.4,437,322；4,858,681；5,632,282；4,539,940；4,972,805；4,382,467；4,365,487；5,479,783；4,244,749；4,750,547；4,645,542；5,031,410；5,692,381；4,071,078；4,033,407；5,190,664和No.4,747,449涉及热交换器等。
有多种用于分离致冷剂的公知方法和设备，包括在此特意被引入作为参考的美国专利No.2,951,349；4,939,905；5,089,033；5,110,364；5,199,962；5,200,431；5,205,843；5,269,155；5,347,822；5,374,300；5,425,242；5,444,171；5,446,216；5,456,841，5,470,442；5,534,151；以及5,749,245。另外，有多种公知的致冷剂回收系统，包括在此特意被引入作为参考的美国专利No.5,032,148；5,044,166；5,167,126；5,176,008；5,189,889；5,195,333；5,205,843；5,222,369；5,226,300；5,231,980；5,243,831；5,245,840；5,263,331；5,272,882；5,277,032；5,313,808；5,327,735；5,347,822；5,353,603；5,359,859；5,363,662；5,371,019；5,379,607；5,390,503；5,442,930；5,456,841；5,470,442；5,497,627；5,502,974；5,514,595；以及5,934,091。也有许多公知的致冷剂特性分析系统，如在此特意被引入作为参考的美国专利No.5,371,019；5,469,714；以及5,514,595所示。
发明内容
本发明提供一种用于优化致冷系统操作的系统和方法。
在大多数公知的致冷系统中，实施控制主要是用来保证液态致冷剂不返回到压缩器，以及相反，保证蒸发器中的致冷剂液位假定位于预定的设定液位。
根据本发明，蒸发器中致冷剂和油的最佳液位不是预定的。相反，应该理解，随着时间的过去，系统特性以及负荷特性可能变化，并且最优控制需要更大的复杂性。同样，应该理解，相关参数的有效级的直接测量可能是不可测量的，从而可以提供替代。
根据本发明，提供了内部环和外部环这一对控制环。内部控制环控制压缩器，即用于泵送热的原动力。该内部控制环从外部环接收单个输入，并据此优化压缩器操作，例如压缩器速度，占空度，入口叶片位置等。如果存在可控膨胀阀，则该可控膨胀阀(典型地位于冷凝器与蒸发器之间)也被包含在该内部控制环中。因而，内部控制环控制向蒸发器供应液态致冷剂的速率。
外部控制环控制在系统内蒸发器与致冷剂累积器部件之间的致冷剂划分。累积器典型地不是“功能”系统部件，因为累积器中的致冷剂量不是关键性的，只不过该部件允许系统中别处的致冷剂量的变化。累积器可以是冷凝器的下面部分，分开的累积器，乃至不重要地参与冷却过程的蒸发器储备部分。
在稳态操作期间，来自冷凝器的液态致冷剂馈给将等于气体被吸入压缩器中的速率。从而，蒸发器中的吸热速率将相对压缩器而有效地控制内部控制环。典型地，可以从包括蒸发器排气温度和压力，蒸发器入口和出口水/盐水温度和压力，以及有可能冷凝器顶部空间温度和压力的多种系统传感器，来测量或估计该吸热。
外部控制环确定蒸发器中的最佳致冷剂液位。由于以下两个原因而使蒸发器中致冷剂液位的直接测量变得困难第一，蒸发器充满致冷剂和油，并且在系统操作期间例如利用用于油浓度的光传感器来直接采样蒸发器内的物体典型地不产生有用的结果。在系统关闭期间，可以精确地测量油浓度，但是这种关闭状态典型地允许致冷剂在各种系统部件内的重新分配。第二，在操作期间，致冷剂和油起气泡和泡沫，因此不能确定单一液位。相反，一种用于推断蒸发器中的致冷剂量，尤其是较短一段时间内的致冷剂量变化的优选方法是，监测累积器中的致冷剂液位，该累积器优选地是冷凝器的下面部分或与冷凝器相关联。因为该致冷剂相对比较纯净，并且被保存在冷凝条件下，因此液位较容易测量。因为其余系统部件主要包括致冷剂气体，因此冷凝器或累积器致冷剂液位的测量将提供用于测量蒸发器致冷剂液位变化的有用信息。如果累积器或冷凝器与蒸发器的起始液位都已知(即使在系统关闭状态期间)，则可以计算绝对测量量。
当然，有其它一些用于测量或计算蒸发器中的致冷剂量的手段，并且本发明的广泛实施例不限于优选的测量方法。
然而，本发明规定，利用对蒸发器内的致冷剂量的可变控制来划分致冷剂。外部环控制该液位，以达到最佳状态。
在致冷系统中，用每单位热传递来计算效率。能量可以作为电力，气体，煤，蒸气或气体源被供应，并且可以被直接测量。也可以采用替代测量，如先有技术中公知的。也可以以公知的方式来计算热传递。例如，通过测量或估计流率与入口和出口温度，来计算传递给冷却工业用水的热量。
虽然有可能按照多种负荷情况下的期望致冷剂划分来设计控制算法，但是本发明的优选实施例提供自适应控制。在可能是正常发生或感应的系统瞬变期间，该自适应控制确定系统效率随给定操作点的致冷剂划分的变化。例如，如果过程发生变化，需要不同的热负荷耗散，则这将通过入口水温和/或流率的变化来表示。该变化将导致蒸发器中不同的致冷剂蒸发速率，由此导致划分的瞬变。在校正致冷剂划分之前，或者连同校正致冷剂划分一起，控制器监测系统效率。该监测允许控制器开发系统模型，然后该系统模型允许控制器预期最佳控制面。外部环重新分配致冷剂，以达到最佳效率。注意，虽然典型地将效率看成是千瓦/吨，但是可以在本质上不改变控制策略的情况下用其它效率测量量来替代。例如，不是优化致冷系统自身，也可以包括工业过程。在该情况下，可以计算生产参数或过程经济，以提供更全局的优化。
在全局优化中，其它系统可能也需要控制或用作输入。可以以公知的方式来适应这些。
随着时间的过去，油从压缩器的油槽移动到蒸发器。本发明的一个方面提供一种用于测量油消耗的控制系统，以便估计蒸发器中的含油量。因此，该控制系统测量补充到油槽中的油，从压缩器出口返回的油，以及从排油器返回的油。注意，油槽中的油可能与致冷剂混合，因此简单的液位计可能将需要补偿，例如通过使油样品沸腾以除去致冷剂，或者利用诸如光类型传感器的油浓度传感器，来进行补偿。因而，有可能估计移入蒸发器中的油量，并且有可能在已知的起始状态或清洁系统下，估计总油量。利用蒸发器排气温度和压力的测量，以及入口和出口水温和压力，进一步有可能估计管束中的热传递系数及热传递减损。致冷剂，油和热传递减损是控制蒸发器效率的主要内部变量。在短期内(并且假定并非有意地向蒸发器添加油)，致冷剂是唯一有效和可用的控制变量。在较长时期内，可以根据推断或测量的油浓度来控制排油器，以使蒸发器中的含油量返回到最佳含量。在延长的时期内，可以执行维护，以校正热传递减损以及提纯致冷剂。这种维护要求可以作为控制系统的输出而被指示。例如，控制系统自动操作，以立即将控制变量调节到最佳状态。该调节是通过过程状况变化或某些自适应自调节程序来触发的。另外，随着时间的过去，优化控制表面将变化。当该控制面变化成降低总效率时，可以启动二级校正控制，如排油器，不可冷凝气体清除(典型地从冷凝器中清除)等。在较长时期内，控制可以模拟相对于模型的重要系统操作参数，并确定何时需要维修，该维修是因为系统失效，或实质的低效率显而易见，如经过管束的热传递减损。
如上所述，一般使内部控制环与对过程变化的直接响应隔离。进一步，因为蒸发器一般位于内部控制环的外面，因此随时间的过去，该内部控制环一般不遭受不利的变化，除了不可冷凝气体在冷凝器中的累积，而这种不可冷凝气体的累积比较容易根据过热值进行推断，并且较容易清除。因而，内部控制环典型地可以按照预定控制策略进行操作，并且不需要自适应。这又允许根据静态系统模型来实行多变量控制，例如电动机速度，入口叶片位置和膨胀阀控制，以便在多种条件下获得最佳效率。
另一方面，在系统负荷变化的情况下，外部控制环主要根据单一变量，致冷剂划分的优化，来设法控制短期系统响应。虽然静态系统模型难以或不可能实现，但是当达到所需的精度时，容易以自适应方式来实现这种控制，以补偿系统变化，并且的确在一段时间内校正了对系统效率产生不利影响的系统参数偏离。
当然，显然这些控制环和它们的算法实现可以被合并，并且实际上被杂交，一般策略同样适用。在任何操作点，都控制致冷剂的划分，以达到最高效率。系统感测或测试随控制变量而变的效率，以便补偿系统响应的变化。
提供了对作为控制策略的致冷剂划分基础的更详细分析。冷却器效率取决于几个因素，包括冷却温度和冷凝压力，该冷却温度和冷凝压力又取决于致冷剂注入液位；额定冷却器负荷；以及户外气温。首先，将检查热力学循环内的冷却。图6A显示了蒸气压缩循环示意图，并且图6B显示了实际温熵图，其中虚线表示理想循环。一旦在状态2退出压缩器，如图6A所示，热气和油的高压混合物在进入远处的气冷冷凝器管之前通过油分离器，在该气冷冷凝器中致冷剂放热(Qh)，以便通过强迫对流使空气移动(或其它冷却介质)。在最后几行冷凝器螺管中，高压饱和液态致冷剂将按照制造商的建议而被过度冷却，例如10F至20F(5.6C至11.1C)，如图6B中的状态3所示。该冷却级允许冷凝器后面的装置电子膨胀阀适当地操作。冷却级与冷却器容量有直接关系。冷却级的降低导致状态3(图6B中)偏移到右边，并使状态4相应地偏移到右边，由此降低了蒸发器的除热能力(Q1)。
当冷却器的致冷剂注入增加时，系统高压侧的冷凝器中存储的致冷剂的累积也增加。当由于流过蒸发器的较少致冷剂导致冷凝器中的存储量(累积)增加，而使冷却器负荷减小时，冷凝器中的致冷剂量也增加。冷凝器的满溢造成了用于冷却的可感测传热区数量的增加，以及用于和冷凝关联的潜热传递或等温热传递的表面积的相应减小。因此，增加致冷剂注入液位和减小冷却器负荷都导致冷却温度和冷凝温度的上升。
因此，根据本发明，提供冷凝器和累积器来减小由于可变的致冷剂存储量而产生的任何低效。这可以通过静态机械结构或受控可变结构来实现。
户外气温或其它散热器(冷凝器放热介质)温度的上升对冷凝器的操作具有相反作用。当散热器温度上升时，更多的冷凝器表面积用于和冷凝关联的潜热传递或等温热传递，并且用于冷却的可感测传热区相应地减少。因此，散热器温度的上升导致了冷却温度的降低，以及冷凝温度的上升。
参考图6B，冷却温度的上升驱动状态3向左边偏移，而冷凝温度的上升使连接状态2和3的曲线向上偏移。高冷凝温度可能最终导致压缩器电动机超负荷，以及压缩器功耗增大或效率降低。当冷却温度上升时，热量被添加到蒸发器上，导致了连接状态4和1的曲线向上偏移。当蒸发温度上升时，进入压缩器的特定致冷剂体积也增加，导致了压缩器功率输入的增大。因此，增加的致冷剂注入液位及减小的冷却器负荷状况都导致冷却温度的上升，这导致了压缩器功率输入的增大。
过热级表现为在致冷剂离开饱和曲线之后温度的轻微上升，如图6B中的状态1所示。蒸发的致冷剂离开冷却器的蒸发器，并作为过热蒸气进入压缩器。根据本发明，过热量不是常数，而是可以根据操作条件而变，以达到高效率。在某些系统中，优选地提供最小量的过热，例如2.2C，以避免由微滴点蚀(droplet pitting)和腐蚀，或液击引起的过早失效。然而，任何过热量一般都代表效率低。根据本发明，低过热级的“成本”可以任选地被包括在优化中，以便考虑这个因素。否则，可以提供系统来减少或控制这种问题，允许低操作过热级。
例如，可以使冷凝器中的过热级增加不可冷凝气体的某一累积量，造成了热力学效率低。因此，根据本发明一个方面，监测过热级，并且如果过热级增加到期望级以外，则可以实施不可冷凝气体清除循环，或其它致冷剂提纯。例如，可以通过从冷凝器中提取气相，并使它遭受重大程度的冷却，来除去不可冷凝气体。该样品的顶部空间将主要是非冷凝气体，同时样品中的致冷剂将液化。液化致冷剂可以返回到冷凝器，或者被馈给蒸发器。
如先前所论述的，散热器温度的上升造成了排气压力的增大，排气压力的增大又造成压缩器吸入压力增大。由于散热器温度的上升，使图6B中连接状态2和3的曲线以及连接状态4和1的曲线都向上偏移。曲线4至1的向上偏移或致冷剂蒸发温度的上升导致了蒸发接近温度的降低。当接近温度下降时，通过蒸发器的质量流率必须增大，以便从冷却水循环中除去适当的热量。因此，增加散热器温度造成了蒸发压力增大，这导致了通过蒸发器的致冷剂质量流率的增大。通过蒸发器的致冷剂质量流率的增大和接近温度的降低的联合效果造成了过热温度的降低。因此，在散热器温度与过热温度之间存在相反关系。
在致冷剂注入减少的情况下，图6B中连接状态2和3的曲线向下偏移，并且冷却级降低，或者图6B中的T-s图上的状态3向右边移动。由于离开冷凝器的气态致冷剂量的增加，使气泡开始出现在通向膨胀装置的液体管线中。在进入膨胀装置的致冷剂中没有适当的冷却量的情况下(图6B中的状态3)，该装置不能最优地操作。另外，致冷剂注入的减少造成了流入蒸发器中的液态致冷剂量的增加，并随后造成容量减小以及过热和吸入压力的增加。因而，在致冷剂注入液位和过热温度之间存在相反关系。
根据本发明，排出物从包括适应贮存(compliant reservoir)的冷凝器排出，从而可以提供更多的机会来实现期望的冷却级。同样，因为提供了储器，因此假定致冷剂注入超过了在所有操作情况下所需的量，并且因此致冷剂注入将不受限。也有可能有混合控制策略，其中储器的尺寸较一般尺寸小，因此在轻负荷下，致冷剂在储器中累积，而在重负荷下，致冷剂注入被限制。根据本发明的控制系统当然以公知的方式补偿该因素。然而，优选地，当致冷剂注入不受限时，过热温度被独立控制。同样，即使致冷剂注入足够了，作为控制策略的一部分，也可以人为地使蒸发器缺乏致冷剂。
在极端的致冷剂注入不足情况下(-20％以下注入)，致冷剂注入不足造成吸入压力的增大。一般，在-20％以上的所有注入液位期间，平均吸入压力随致冷剂注入的增加而增大。致冷剂注入液位是用于确定过热温度和吸入压力两者的有意义变量。
提供了一种系统和方法，用于通过给致冷系统装备仪器以测量效率，选择要处理的过程变量，以及改变过程变量，来测量、分析和处理致冷系统的容量和效率。在致冷系统操作同时测量致冷系统的效率期间，可以改变过程变量。
在工业过程中，致冷系统必须具有足够的容量来使目标冷却到期望级。如果容量不足，则其中的过程可能失败，有时是灾难性的。因而，维持足够的容量，并经常维持储器的余量，是关键性的要求。因此，应该理解，在容量受限的情况下，与最佳系统操作的偏离可能是容许的，乃至所希望的，以便将工业过程维持在可接受范围内。在长时期内，可以采取步骤来确保系统具有足够容量来实现高效操作。例如，可以单独或组合执行用于减少管束污垢或其它传热障碍物的系统维护，致冷剂和致冷剂侧传热面的净化(例如除去过量油)，以及不可冷凝气体的清除。
效率也是重要的，虽然低效系统不一定发生故障。效率和系统容量常常是相关的，因为效率低典型地降低系统容量。
根据本发明另一实施例，获取致冷系统的一组状态测量量，然后分析这组状态测量量的自我一致性，以便提取基本参数，如效率。例如，自我一致性评定系统模型中内在的假设，因此可以指示实际系统操作与模型操作的偏离。当实际系统偏离模型时，从而系统参数的实际测量量也将偏离它们的热力学理论参数。例如，当例如由于管束上的污垢累积而使热交换器性能下降时，或者当例如由于不可冷凝气体而使压缩器过热温度上升时，在一组足够的系统状态测量量中，这些因素将显而易见。这种测量量可以用于估计致冷系统的容量，以及导致系统效率低的因素。这些又可用于估计能够通过使系统返回到最佳状态而获得的系统性能改善，并且可用于执行有利于任何这种努力的成本效益分析。
典型地，在执行大量和高成本的系统维护之前，优选地给系统装备仪器，以便进行实时性能监测，而不是进行简单的状态分析。这种实时性能模拟通常成本高，并且不是正常系统操作的一部分；而用于状态分析的适当信息一般可以从系统控制器得到。通过采用实时监测系统，可以评价变动环境下操作特性的分析。
该方案也可用于其它类型系统中，并且不限于致冷系统。因而，相对于系统模型，获得并分析一组传感器测量量。然后，该分析可用于调节系统操作参数，发起维护过程，或用作成本效益分析的一部分。其中，该方法可以应用的系统包括内燃机，涡轮机，水力和气动系统。
优选地，效率连同过程变量一起被记录。因而，对于每个系统，可以测量直接检测的或通过替代测量量检测的效率对过程变量的实际灵敏度。
根据本发明的又一方面，提供一种方法，用于基于成本节省而不是典型的维修成本或固定费用(flat fee)，来维护复杂的系统。根据本发明的该方面，不是针对基于直接成本的费用来维修和维护系统，补偿是基于系统性能度量。例如，测量基线系统性能。此后，定义最小系统容量，另外可能基于维修的成本效益，在维修组织的重大决定下维修系统，并基于系统性能如基线成本节省百分比来补偿维修组织。根据本发明，来自控制系统的数据可用于确定系统参数从高效状态的降级。本发明也允许监测系统性能，以及将这种性能数据远程地传送给维修组织，如通过无线电上行线，通过电话线的调节解调器通信，或计算机网络来传送。该传送也允许立即向维修组织通知过程偏移，潜在地及时防止随后和跟着发生的系统故障。
在该情况下，经常或连续地监测系统性能，并且如果系统容量足够，则判定是否任何时候执行某些维护服务如致冷剂提纯，蒸发器除垢或清洗，不可冷凝气体清除等都将是有成本效益的。典型地，如果系统容量基本上减小到预先规定的保留值(可能季节性地变化，或者根据其它因素而变化)以下，则需要维修。然而，即使在该情况下，系统容量的降级也可能是由多种因素引起的，然后可以选择最高效的补救来合算地实现足够的系统性能。
在系统维修或维护之后，可以初始化或重新调节系统，以确保维修前或维护前的参数不错误地支配系统操作。
根据本发明的第二主要实施例，可以实施多变量优化和控制。在多变量分析和控制的情况下，变量或复杂的时间常数集之间的交互作用可能需要复杂的控制系统。可以执行多种类型的控制来优化系统操作。典型地，在选择适当类型的控制之后，必须针对系统来调节该控制，由此定义高效操作以及来自传感器的输入变量与系统效率的关系。常常是，控制常常考虑系统中固有的延时，以便例如避免不希望的振荡或不稳定。在许多情况下，在分析操作空间的过程中简化假设或进行分割，以提供控制问题的传统分析解。在其它情况下，可以采用非线性技术来分析整个输入变量范围。最后，采用既使用非线性技术，又使用操作空间的简化假设或分割的混合技术。
例如，在本发明第二主实施例中，优选地沿正交轮廓来分割操作条件范围，并且可以对段内的每个相应变量测量系统对过程变量处理的灵敏度。例如，这允许在测试或训练阶段每个变量的单调变化，而不需要既增大又减小各个变量，以便映射整个操作空间。另一方面，在单个变量的情况下，优选地，当进行测量时连续地改变该变量，以便提供高速测量。
当然，或许不可能测量正交的(不相关的)参数。因此，本发明的另一方面提供了接收与系统操作和性能有关的多种数据，并根据这些数据来分析系统性能的能力。同样，在连续系统性能监测期间，有可能采用现有的(正常发生的)系统扰动来确定系统特性。作为选择，可以控制系统，使系统包括一组足够的扰动，以便以一种不造成低效或不希望的系统性能的方式来确定有关的系统性能参数。
在自适应控制系统中，在系统实际操作期间，而不是在测试或训练模式下，测量操作效率对控制变量小扰动的灵敏度，如自动调节系统中一样，如果在训练或测试之后系统结构或特性发生变化，则这可能难以安排，并且可能不准确或不完全。需要操作者运行不同测试或试错过程来确定适当控制参数的手动调节典型地不可行，因为整个操作范围内每个装置的特性很少是完全特性化的，并且易于随时间的过去而变化。在D.E.Seborg，T.F.Edgar，和D.A.Mellichamp，ProcessDynamics and Control，John Wiley & Sons，New York(1989)和A.B.Corripio，Tuning of Industrial Control Systems，Instrument Society ofAmerica，Research Triangle Park，N.C.(1990)中，描述了一些手动调节方法。
自动调节方法需要周期启动的调节程序，在该调节程序期间控制器将中断正常的过程控制，以便自动确定适当的控制参数。这样设置的控制参数将保持不变，直到下一个调节程序为止。在K.J.Astrom andT. Hagglund，Automatic Tuning of PID Controllers，Instrument Society ofAmerica，Research Triangle Park，N.C.(1988)中，描述了一些自动调节程序。自动调节控制器可以基于外部事件以固定的周期，或者基于计算的与期望系统性能的偏差，由操作者启动，或者自启动。
利用自适应控制方法，在正常操作期间自动调节控制参数，以使控制参数适合过程动态的变化。进一步，连续更新控制参数，以防止可能在其它方法的调节之间发生的性能下降。另一方面，由于需要周期地偏离“最佳”条件，以便测试最优性，使得自适应控制方法可能导致效率低。进一步，自适应控制可能复杂，并需要高智能度。有利的是，控制器可以监测系统操作，并为数据获取而选择或更改适当的事件。例如，在根据脉宽调制模式的系统操作中，脉冲宽度和/或频率可能以特殊的方式变化，以便获得关于各种操作状态的数据，而不使系统不必要地偏离可接受的操作范围。
已经发展了许多自适应控制方法。例如，参见C.J.Harris和S.A.Billings，Self-Tuning and Adaptive ControlTheory and Applications，Peter Peregrinus LTD(1981)。有三种主要的自适应控制方法模型参考自适应控制(“MRAC”)，自调节控制，以及模式识别自适应控制(“PRAC”)。头两种方法MRAC和自调节依赖于一般很复杂的系统模型。由于需要预期不常见或异常的操作条件，使模型的复杂性成为必要。具体地说，MRAC涉及调节控制参数，直到系统对命令信号的响应跟随参考模型的响应为止。自调节控制涉及在线确定过程模型的参数，以及根据过程模型参数来调节控制参数。在K.J.Astrom和B.Wittenmark，Adaptive Control，Addison-Wesley出版社(1989)中，描述了用于执行MRAC和自调节控制的方法。在工业冷却器中，通常得不到足够的用于执行控制的系统模型，使得自调节优于传统的MRAC。另一方面，可以得到用于估计系统效率和容量的足够模型，如上所述。
关于PRAC，在重大的设定点变化或负荷扰动之后，确定表征闭环响应模式的参数。然后，根据闭环响应的特征参数来调节控制参数。在T.W.Kraus和T.J.Myron，“Self-Tuning PID Controller uses PatternRecognition Approach”，Control Engineering，pp.106-111，1984年6月，E.H.Bristol和T.W. Kraus，“Life with Pattern Adapation，”Proceedings1984America Control Conference，pp.888-892，San Diego，Calif.(1984)，以及K.J.Astrom和T. Hagglund，Automatic Tuning of PID Controllers，Instrument Society of America，Research Triangle Park，N.C.(1988)中，描述了被称为EXACT的模式识别自适应控制器。此外，参见在此特意被引入作为参考的美国专利No.Re.33,267。像其它自适应控制方法一样，在正常操作下EXACT方法不需要操作者介入来调节控制参数。在正常操作可以开始之前，EXACT需要谨慎监督的启动与测试周期。在此期间，工程师确定控制器增益，积分时间和微分时间的最佳初值。工程师也确定过程的预期噪声频带和最长等待时间。噪声带是代表反馈信号上的预期噪声幅度的值。最长等待时间是EXACT算法在检测到第一个峰之后将等待反馈信号中第二个峰的最长时间。进一步，在基于EXACT的控制器投入正常使用之前，操作者也可以指定其它参数，如最大阻尼因子，最大过冲，参数变化界限，导数因子和步长。实际上，在工业冷却器的任何控制的安装过程中，由专业工程师来设置参数一般是合适的，因此这种手动定义初始操作点优于在没有先验假设的情况下开始的技术，这是因为无指导的操作空间探察可能效率低或危险。
根据本发明，当维持安全裕度，或者当检测或预测错误或人工传感器数据时，系统操作参数不需要限于先验“安全”操作范围，其中相对极端的参数值可能提供改善的性能。因而，利用在操作期间构成的系统模型，有可能连同可能正常操作范围的手动输入一起，系统可以分析传感器数据来确定系统故障的概率，因此更高的可靠性采用主动控制策略。如果概率超过了阈值，则可以指示错误，或采取其它补救行动。
Chunk Rohrer和Clay G. Nelser在“Self-Tuning Using a PatternRecognition Approach，”Johnson Controls，Inc.，Research Brief 228(1986年6月13日)中，描述了第二种公知的模式识别自适应控制器。Rohrer控制器根据通过反馈信号斜率确定的阻尼因子来计算最优控制参数，并且在正常操作可以开始之前，要求工程师输入多种初值，如比例区，积分时间，死区，调谐噪声带，调谐变化因子，输入滤波器和输出滤波器的初值。因而，该系统着重时间控制参数。
手动环调节可能花费长时间，尤其是对于具有缓慢动态的过程，包括工业和商业冷却器。在Astrom，K.J.，和T.Hagglund，AutomaticTuning of PID Controllers，Instrument Society of America，ResearchTriangle Park，N.C.1988和Seborg，D.E.T.，T. F.Edgar，和D.A.Mellichamp，Process Dynamics and Control，John Wiley & sons，1989中，描述了用于自动调节PID控制器的不同方法。几种方法是基于对控制器输出阶跃变化的开环瞬态响应，其它方法是基于在某些反馈控制形式下的频率响应。开环阶跃响应方法对负荷扰动敏感，频率响应方法需要大量时间来调节具有长时间常数的系统。Ziegler-Nichols瞬态响应方法表征对控制器输出阶跃变化的响应，然而，该方法的实施对噪声敏感。此外，参见Nishikawa，Yoshikazu，Nobuo Sannomiya，Tokuji Ohta，和Haruki Tanaka，“A Method for Autotuning of PIDControl Parameters，”Automatica，Volume 20，No.3，1984。
对于某些系统，常常难以确定过程是否达到稳态。在许多系统中，如果太早停止测试，则延时和时间常数估计量可能与实际值大不相同。例如，如果在一阶响应的三个时间常数之后停止测试，则估计的时间常数等于实际时间常数的78％，并且如果在两个时间常数后停止测试，则估计的时间常数等于实际时间常数的60％。因而，以这样一种方式分析系统，以便精确地确定时间常数是重要的。因而，在自调节系统中，算法可以从正常的系统扰动获得调节数据，或者通过周期地测试设备对一个或多个受控变量的操作点附近的适度扰动的灵敏度，来获得调节数据。如果系统确定操作点效率低，则改变这一个或多个变量，以便向最佳操作点提高效率。可以基于绝对量来确定效率，例如通过测量每冷却BTU所消耗的千瓦小时(或其它能量消耗度量)，或者通过能量消耗或冷却的替代测量量，如压缩器附近的致冷剂和/或蒸发器/热交换器附近的二次循环中的水的温差和流量数据，来确定效率。如果因为有不同的可用源或因为成本随时间变化，而使每BTU的成本不是常数，则按照节省来测量效率，并据此进行优化。同样，可以通过包括其它相关“成本”来改进效率计算。
不需要全功率管理系统(PMS)来优化效率。然而，可以取决于成本和可用性或其它考虑事项来提供该PMS。
在许多情况下，参考将随负荷线性地变化，并且独立于其它变量，由此简化分析并允许传统的(例如线性，比例积分微分(PID))控制设计。参见在此特意被引入作为参考的美国专利No.5,568,377，5,506,768和5,355,305。另一方面，具有多因子相关性的参数不容易被求解。在该情况下，可以优选地将控制系统分割成连接的不变多因子控制环和简单时变控制环，它们一起高效地控制整个系统，如本发明的优选实施例中的情况一样。
或者，可以采用神经网络或模糊神经网络控制。为了训练神经网络，许多选项可用。一个选项是通过向具有预定义期望系统响应的系统强加人工或受控负荷和非固有参数，以提供训练集，来提供特定的训练模式，其中操作条件一般在整个操作空间内有系统地变化。此后，例如通过误差反向传播来训练神经网络，以产生使系统向关于实际负荷条件的最佳操作点移动的输出。受控变量可以是，例如致冷剂和/或致冷剂注入中的油浓度。参见在此特意被引入作为参考的美国专利No.5,579,993。
另一个选项在连续学习模式下操作系统，其中在操作期间用控制来映射系统的局部操作空间，以便确定系统对过程变量如过程负荷，环境温度，致冷剂和/或致冷剂注入中的油浓度的扰动的灵敏度。当系统确定当前操作点是次优时，系统向可假定的高效条件改变操作点。系统也可以广播关于建议特定变化，以使系统返回到高效操作模式的警报，其中这种变化不受系统自身控制。如果过程没有足够的可变性来充分地映射操作点，则控制算法可以实施有系统的空间搜索，或者将伪随机信号输入一个或多个受控变量中，以设法检测对输出的影响(效率)。一般，这种搜索技术自己对系统效率将只有小的影响，并且将允许系统学习新的条件，而无需在系统每一改变之后都明确地进入学习模式。
优选地，控制根据经验来建立操作空间的映射或模型，并且当实际系统性能与该映射或模型相对应时，控制使用该映射或模型来预测最佳操作点，并直接控制系统来达到预测的最有效状态。另一方面，当实际性能不对应于该映射或模型时，控制设法产生新的映射或模型。注意，这种映射或模型自己可以几乎没有物理意义，从而一般只应用于生成这种映射或模型的特定网络内。参见在此特意被引入作为参考的美国专利No.5,506,768。也有可能约束网络，以使网络具有对应于物理参数的权，虽然该约束可能导致控制误差或低效执行和实现。
此外，参见
A.B.Corripio，“Tuning of Industrial Control Systems”，InstrumentSociety of America，Research Triangle Park，NC(1990)，pp.65-81；C.J.Harris & S.A.Billings，“Self-Tuning and Adaptive ControlTheory and Applications”，Peter Peregrinus LTD(1981)，pp.20-33；C.Rohrer & Clay Nesler，“Self-Tuning Using a Pattern RecognitionApproach”，Johnson Controls，Inc.，Research Brief228(Jun.13，1986)；D.E.Seborg，T.F.Edgar，& D.A.Mellichamp，“Process Dynamicsand Control”，John Wiley & Sons，NY(1989)，pp.294-307，538-541；E.H.Bristol & T.W.Kraus，“Life with Pattern Adaptation”，Proceedings 1984 American Control Conference，pp.888-892，San Diego，CA(1984)；Francis Schied，“Shaum’s Outline Series-Theory & Problems ofNumerical Analysis”，McGraw-Hill Book Co.，NY(1968)，pp.236，237，243，244，261；K.J.Astrom和B.Wittenmark，“Adaptive Control”，Addison-Wesley出版社(1989)，pp.105-215；K.J.Astrom，T.Hagglund，“Automatic Tuning of PID Controllers”，Instrument Society of America，Research Triangle Park，N.C.(1988)，pp.105-132；R.W.Haines，“HVAC Systems Design Handbook”，TABProfessional and Reference Books，Blue Ridge Summit，PA(1988)，pp.170-177；S.M.Pandit & S.M.Wu，“Timer Series & System Analysis withApplications”，John Wiley & Sons，Inc.NY(1983)，pp.200-205；T.W.Kraus & T.J.Myron，“Self-Tuning PID Controller uses PatternRecognition Approach”，Control Engineering，pp.106-111，June 1984；G F Page，J B Gomm & D Williams，“Application of NeuralNetworks to Modelling and Control”，Chapman & Hall，London，1993；Gene F Franklin，J David Powell & Abbas Emami-Naeini，“Feedback Control of Dynamic Systems”，Addison-Wesley Publishing Co.Reading，1994；George E P Box & Gwilym M Jenkins，“Time Series AnalysisForecasting and Control”，Holden Day，San Francisco，1976；Sheldon G Lloyd & Gerald D Anderson，“Industrial ProcessControl”，Fisher Controls Co.，Marshalltown，1971；Kortegaard，B.L.，“PAC-MAN，a Precision Alignment ControlSystem for Multiple Laser Beams Self-Adaptive Through the Use ofNoise”，Los Alamos National Laboratory,日期未知；Kortegaard，B.L.，“Superfine Laser Position Control UsingStatistically Enhanced Resolution in Real Time”，Los Alamos NationalLaboratory，SPIE-Los Angeles Technical Symposium，Jan.23-25，1985；Donald Specht，IEEE Transactions on Neural Networks，“A GeneralRegression Neural Network”，Nov.1991，卷.2，No.6，pp.568-576。
可以以与训练神经网络同样的方式，利用反向传播技术，正交最小乘，查表方案和最近邻聚类来训练模糊控制器。参见Wang，L.，Adaptive fuzzy systems and control，New JerseyPrentice-Hall(1994)；Fu-Chuang Chen，“Back-Propagation Neural Networks for NonlinearSelf-Tuning Adaptive Control”，1990IEEE Control System Magazine。
因而，当系统模型有用，尤其是可用于大的系统操作参数变化时，自适应机制的有利之处在于，与许多在线自适应机制如基于Lyapunov方法的自适应机制不同，它不依赖于显式系统模型。参见Wang，1994；Kang，H.and Vachtsevanos，G，“Adaptive fuzzy logic control”，IEEEInternational Conference on Fuzzy Systems，San Diego，Calif.(Mar.1992)；Layne，J.，Passino，K.and Yurkovich，S.，“Fuzzy learning controlfor antiskid braking systems”，IEEE Transactions on Control SystemsTechnology 1(2)，pp.122-129(1993)。
自适应模糊控制器(AFC)是非线性多输入多输出(MIMO)控制器，MIMO控制器将模糊控制算法与自适应机制结合，来连续改善系统性能。自适应机制响应系统性能来改变输出隶属函数的位置。可以离线，在线或二者组合地使用自适应机制。AFC可以用作利用测量的过程输出和参考轨迹来起作用的反馈控制器，或者可以用作具有前馈补偿的，且不仅利用测量的过程输出和参考轨迹，而且利用测量的扰动和其它系统参数来起作用的反馈控制器。参见在此特意被引入作为参考的美国专利No.5,822,740和No.5,740,324。
如上所述，重要的过程变量是蒸发器中致冷剂的含油量。实际上，典型地可以仅仅通过清除来缓慢地控制该变量，因为在任意长时间内只有个别情况下含油量将低于期望值，并且除去额外的油本身是低效的。为定义控制算法，通过部分蒸馏蒸发器中的致冷剂以除油，来连续改变过程变量如含油量，由此以自动调节程序的向蒸发器提供清洁的致冷剂。随着时间的过去，含油量将接近零。在该过程期间监测系统性能。通过该方法，可以确定蒸发器中的最佳含油量以及对含油量变化的灵敏度。在典型的装备中，蒸发器中的最佳油浓度接近0％，而当利用用于控制蒸发器中含油量的控制系统来更新系统时，含油量将大大高于最佳值。因此，控制的自动调节可以与低效补救同时发生。
实际上，可以独立地控制蒸发器中的含油量，或者可以和诸如致冷剂注入(或者在提供累积器来缓冲过量致冷剂，并提供控制环来调节蒸发器中的致冷剂液位的优选实施例的情况下，为有效注入)的其它变量一致地控制蒸发器中的含油量。
根据一种设计，提供了外部致冷剂储器。通过部分蒸馏设备从蒸发器收回致冷剂，并存入储器中，并且分开地存储油。基于控制优化，致冷剂和油分别返回到系统，即致冷剂蒸气返回到蒸发器，而油返回到压缩器循环。这样，可以相对各种致冷剂注入液位来维持最佳油浓度。注意，该系统一般是不对称的；致冷剂的收回和部分蒸馏较慢，而向系统注入致冷剂和油较快。如果希望快速地收回致冷剂，则可以临时绕过部分蒸馏系统。然而，典型地，迅速地满足峰值负荷比在峰值负荷之后获得最有效的操作参数更加重要。
注意，根据本发明的第二实施例，致冷剂与油之比以及致冷剂填充都可以是独立受控的系统操作变量。
也可以调节压缩器，例如通过控制压缩比，压缩器速度，压缩器占空度(脉冲频率，脉冲宽度和/或混合调制)，压缩器输入流量限制等进行调节。
虽然可以在假定蒸发器内的单个隔室，以及由此假定短混合延时的情况下，来测量蒸发器的即时效率，但是也应注意，油相可能粘附到蒸发器管壁上。通过使清洁的致冷剂流过蒸发器，来除去该油相，该油相具有比大量致冷剂的混合过程长的时间常数，以便脱离管壁。有利地是，通过模拟蒸发器并监测系统性能，通过从致冷剂管壁的致冷剂侧除去油相，可以估计蒸发器管壁的水侧的污垢或其它沉积物。结果证明，这是一种用于确定这种沉积物对效率的影响的有用方法，并且可以允许对何时需要对管束进行高费用和费时的除垢作出智能决策。同样，通过从管壁除去过量油膜，可以维持效率，由此推迟对除垢的需要。
最佳致冷剂注入液位可能常常随额定冷却器负荷及设备温度而变，而有关(相关)的变量包括效率(千瓦/吨)，过热温度，冷却温度，排气压力，过热温度，吸入压力和冷却水供应温度百分数误差。可以直接执行每吨千瓦小时的直接效率测量，或者可以从其它变量优选地为过程温度和流率来推断效率。
复杂的变量相关性以及优选地使用替代变量来代替直接效率数据，加重了对非线性神经网络模型的支持，例如类似于Bailey，Margaret B.，“System Performance Characteristics of a Helical RotaryScrew Air-Cooled Chiller Operating Over a Range of Refrigerant ChargeConditions”，ASHRAE Trans.1998104(2)中采用的模型的神经网络模型。在该情况下，神经网络模型具有输入层，两个隐层和输出层。典型地，输出层对于每个受控变量都有一个节点，而输入层对于每个信号都包含一个节点。Bailey神经网络在第一隐层中包括5个节点，并且在第二隐层中对于每个输出节点都包括两个节点。优选地，传感器数据在输入到神经网络模型之前被处理。例如，可以执行传感器输出的线性处理，数据标准化，统计处理等，以便减少噪声，提供适合的数据集，或者用以减少神经网络的拓扑或计算复杂性。也可以经由更多的神经网络元件(或分开的神经网络)，或者通过用其它装置分析传感器数据，来将故障检测集成到系统中。
反馈优化控制策略可以应用于瞬态和动态状况。可以直接对过程自身执行演化优化或遗传算法，该演化优化或遗传算法有意引入小的独立控制变量扰动，以便对结果和目标函数进行比较。实际上，整个遗传算法理论都可以应用于致冷系统的优化。例如，参见在此被引入作为参考的以下专利美国专利 No.6,496,761；6,493,686；6,492,905；6,463,371；6,446,055；6,418,356；6,415,272；6,411,944；6,408,227；6,405,548；6,405,122；6,397,113；6,349,293；6,336,050；6,324,530；6,324,529；6,314,412；6,304,862；6,301,910；6,300,872；6,278,986；6,278,962；6,272,479；6,260,362；6,250,560；6,246,972；6,230,497；6,216,083；6,212,466；6,186,397；6,181,984；6,151,548；6,110,214；6,064,996；6,055,820；6,032,139；6,021,369；5,963,929；5,921,099；5,946,673；5,912,821；5,877,954；5,848,402；5,778,688；5,775,124；5,774,761；5,745,361；5,729,623；5,727,130；5,727,127；5,649,065；5,581,657；5,524,175；5,511,158。
根据本发明，控制可以对多个独立或相关参数起作用。可以对展示长时间常数并具有很少变化的扰动变量的复杂过程，使用稳态优化。在既涉及长期动态又涉及短期动态的情况下，也采用混合策略。混合算法一般更复杂，并且需要进行定制，以适于真正有效的执行。在某些情况下有时可以采用反馈控制来获得最佳设备性能。
根据本发明一个实施例，例如通过有选择性地改变致冷剂组成，以除去油和其它杂质，可以区别蒸发器热交换器中致冷剂侧对水侧的热传递减损。例如，当致冷剂的含油量减小时，热交换器管的致冷剂侧的油沉积也将减少，因为油沉积一般可溶于纯致冷剂中。然后，可以以至少两种不同的方式来分析热交换器。首先，如果致冷剂侧的沉积物完全被清除，则系统性能的任何残余降低必定是由于水侧的沉积物引起的。第二，假定消除致冷剂侧减损的线性过程，可以在实际上不消除全部减损的情况下，估计致冷剂侧的减损量。虽然如上所述，一定量的油可能导致比纯致冷剂更有效的操作，但是如果必要，这可以在后面添加(add back)。因为与对蒸发器进行除垢以便消除水侧热交换减损相比，这种致冷剂提纯过程比较简单，并且成本低，并且对系统操作具有单独的好处，因此这种致冷剂提纯过程提供了用于确定系统维护需要的高效程序。另一方面，致冷剂提纯消耗了能量，并且可能减小容量，并导致蒸发器中极低，有可能次优的油浓度，从而一般不采用连续提纯。
从而，可以看出，用于确定系统参数的系统响应扰动不限于压缩器控制，而是，例如可以改变致冷剂纯度，致冷剂注入，含油量等，以便研究系统操作。
利用前馈控制，可以最好地优化其中独立变量对过程性能有许多交互性影响的多变量过程。然而，需要适当的过程预测数学模型。例如，这尤其可应用于内部压缩器控制环。注意，在线控制计算机将通过使用模型，而不是扰动过程自身，来评价变量变化的结果。因此，这种预测数学模型尤其用于系统失效，用来指示系统偏离额定操作状态，并且有可能指示需要执行系统维护来恢复系统操作。
为产生可行的优化结果，前馈技术中的数学模型必须是准确的过程表示。为确保与过程一对一地对应，优选地刚好在每次使用之前更新模型。模型更新是一种专门的反馈形式，其中使模型预测和当前的设备操作状态进行比较。然后，记录的任何差异都用于调节模型中的某些关键系数，以强迫所需的一致。典型地，这种模型是基于物理过程元件，因此可用于暗示真实和可测的特性。
在冷却器中，许多相关时间常数很长。虽然这降低了对实时控制器的短等待时间处理要求，但是它也使校正的执行变得缓慢，并且如果时间常数被错误地计算，将造成错误，不稳定或振荡的风险。进一步，为了向神经网络提供直接的时间控制灵敏度，可能需要大量输入节点来表示数据倾向。优选地，由此利用输入到神经网络的被变换时变数据，通过线性计算方法来进行时间上的计算。变换可以是例如时-频表示形式，或时间-小波表示形式。例如，可以计算传感器数据或被变换传感器数据的一阶和二阶导数(或者如果合适的话，高阶导数)，并馈给神经网络。可替换地或另外，可以对神经网络的输出进行处理，以产生适当的过程控制信号。注意，例如若冷却器中的致冷剂注入发生变化，则很可能系统的临界时间常数也将改变。因而，假定系统具有一组不变时间常数的模型可能产生错误，并且根据本发明的优选系统没有作出这种临界假设。从而，控制系统优选地采用柔性模型来考虑变量的相互关系。
用于测量的其它潜在有用过程参数包括湿度，致冷剂分解产物，润滑剂分解产物，不可冷凝气体，致冷剂中其它已知的杂质。同样，也有可以具有可优化值的机械参数，如盐水管中的矿物沉淀(小量的矿物沉淀可能增加扰动，由此减小表面边界层)，以及用于冷却冷凝器的空气或水流参数。
典型地，有一组理论上具有0最佳值的过程参数，而实际上难以或不可能达到或维持该最佳值。该困难可能表示为维修成本或能量成本，但是在任何情况下，控制系统都可以被设置成为，允许理论上次优的，但实际上可以接受的并且优选地用于补救的参数读数。可以执行直接的成本效益分析。然而，在某些阈值，补救一般被认为是高效的。从而，控制系统可以监测这些参数，并且指示警报，执行控制策略，或者采取其它行动。实际上，阈值可以是自适应的，或者对其它系统条件起反应；例如，如果补救自身将对系统性能产生不利影响，并且有足够的储备能力来继续操作，则在峰值负荷期间补救过程优选地将被推迟。
从而，可以看出，在如通过蒸发器中的含油量例举的某些情况下，对系统对被感测参数的灵敏度的初始(或周期)确定是优选的，而在其它情况下，自适应控制算法是优选的。
在自动调节过程的情况下，在优化计算完成之后，可以使过程变量，如蒸发器中的含油量恢复到最佳含量。注意，过程变量可以随时间的过去而变化，例如蒸发器中的含油量将增加，从而希望选择将在初始优化与随后维护之间提供最有效的效率的初始条件，来使系统恢复到高效操作。因此，该优化优选地确定最佳操作区，并且在测量之后在最佳操作区的下端建立过程变量。该下端可以是零，但是不需要是零，而是可以随测量的每个系统而变。
这样，不必连续控制过程变量，相反，被执行的控制算法例如可以包括宽死区和控制过程手动执行。
可以为过程变量提供监测器，以确定何时需要再优化。在再优化期间，不一定需要进行进一步的效率测量；相反，先前的测量可以用于重新定义期望的工作范围。
从而，在测量量趋向极限(例如接近零含油量或超过预期工作范围)之后，如果必要，则考虑逐渐变化如蒸发器中的油累积，同时仍然使适当的操作维持合适长时间，来恢复系统，以便获得期望的初始效率。
随后，可以采用效率测量量或替代测量量(例如压缩器安培数，热力学参数)，来确定过程变量如含油量何时变到或累积到足以需要补救的含量。或者，可以对蒸发器中的致冷剂进行直接的油浓度测量。在致冷压缩器油的情况下，例如监测器可以是光传感器，如在此特意被引入作为参考的美国专利No.5,694,210中所披露的。
闭环反馈装置可以设法将过程变量维持在期望范围内。从而，直接的油浓度计，典型地为折射计，测量致冷剂的含油量。设定点控制，比例，微分，积分控制，模糊逻辑控制等用于控制致冷剂蒸馏装置的旁通阀，该致冷剂蒸馏装置的尺寸典型地较一般小，并且在其控制限度内操作良好。当含油量增加到效率受损的含量时，致冷剂被蒸馏，以除去油。例如油被返回到压缩器润滑系统，而致冷剂被返回到压缩器入口。照这样，可以采用闭环反馈控制将系统维持在最佳效率。注意，也有可能采用不绕过蒸发器的主动在线蒸馏过程。例如，可以采用Zugibeast系统(Hudson Technologies，公司)，然而，该系统典型地比这种用途所需的系统更大，更复杂。在此特意被引入作为参考的美国专利No.5,377,499提供了一种用于回收致冷剂的便携式装置。在该系统中，可以在现场提纯致冷剂，而不需要在所有情况下都将致冷剂传输到回收设施。在此特意被引入作为参考的美国专利No.5,709,091也公开了一种致冷剂回收方法和设备。
在油分离装置中，有利地是，致冷剂被馈入被控制在沸点以下温度的分馏室中，由此冷凝为大量的液态致冷剂而保留在容器内。较纯的致冷剂以气相形式存在，而较少的挥发性杂质保持为液相。纯净的致冷剂用于建立室温，由此提供灵敏和稳定的系统。可以从一个端口得到分馏的提纯液态致冷剂，而通过另一个端口除去杂质。提纯过程可以是手动的或自动的，连续的或成批的。
本发明的一个方面从较新的理解推出，致冷系统蒸发器中的最佳含油量可以随制造商，模型或特殊系统而变，并且这些变量对于过程的效率是有意义的，并且可以随时间而变。最佳含油量不必是零，例如在翅片管蒸发器中，最佳含油量可以在1-5％之间，在该最佳含油量下，油起泡并在管表面上形成油膜，由此增大热传递系数。另一方面，所谓的核化沸腾式热传递管具有低得多的最佳油浓度，典型地小于1％。
设法维持0％的油浓度本身可能效率低，因为除油过程可能需要花费能量以及使致冷剂分流，并且操作系统具有低而连续的泄漏级。进一步，冷凝器中的含油量液也可能以一种与蒸发器的效率变化不一致的方式，影响系统效率。
从而，本发明的该方面不假定特殊过程变量参数的最佳级别。相反，根据本发明的方法探索最佳值，然后允许将系统设置在最佳值附近。同样，该方法允许系统的周期性“调准”，而不需要控制参数的连续紧密维护，虽然本发明也提供一种用于实现连续监测和/或控制的系统和方法。
致冷系统或冷却器可能是大型工业设备，例如在500A最大牵引4160V(2MW)的3500吨设备。因此，即使小效率变化也可能带来能量成本的大大节省。有可能更重要的是，当效率降低时，有可能冷却器不能将过程参数维持在期望范围内。在延长的操作期间，例如蒸发器中的油浓度有可能增加到10％以上，并且系统总容量可能下降到1500吨以下。这可以导致过程偏差或故障，可能需要立即或高费用地补救该过程偏差或故障。用于获得高最佳效率的适当维护可能是很有成本效益的。
附图简述现在将参考附图来描述本发明，其中
图1是壳式热交换器蒸发器中的公知管的示意图；
图2显示了管板的端视图，该端视图显示了管束的放射状对称管排列，每个管都沿热交换器蒸发器的长度方向轴向地延伸；图3显示了用于从致冷剂液流中除去油的部分蒸馏系统的示意图；图4显示了冷却器效率测量系统的示意图；图5显示了效率相对蒸发器油浓度变化的代表性曲线；图6A和6B分别显示了蒸气压缩循环示意图和温熵图；图7A，7B和7C分别显示了根据本发明的控制器的不同框图；图8显示了根据本发明受控的致冷系统的半示意图；以及图9显示了根据本发明的致冷系统控制器的示意图。
发明详述当连同其中说明性而非限制性地显示和描述了本发明优选实施例的附图来一起考虑时，一旦参考以下本发明最佳实施方式之一的详细描述，对于本发明所属技术领域的技术人员，本发明的上述及其它目的，特征和优点就将变得更加显而易见。
例子1如图1和图2所示，典型的壳式热交换器1由贯穿一般为圆筒形的壳3的一组平行管2组成。管2被管板4固定在适当位置，一个管板4被设置在管2的每一端5。管板4把与管2的内部连续的第一空间6和与管2的外部连续的第二空间8隔开。典型地，圆盖形流量分配器9被设置在壳3的每一端，并超出管板4，用于分配第一介质从导管10流过管2，然后流向导管11的流量。在挥发性致冷剂的情况下，系统不需要是对称的，因为流量和流率在系统每一侧将不同。任选的挡板或用于确保热交换管中最佳流量分配布模式的其它装置没有显示。
如图3所示，致冷剂净化系统提供了用于从冷凝器，一种采用受控蒸馏法的提纯系统，接收致冷剂的入口112，以及用于返回纯化致冷剂的出口150。系统的该部分类似于在此特意被引入作为参考的US 5,377,499中描述的系统。
压缩器100压缩致冷剂，而冷凝器107使气体中的热量散发。小量压缩器油与热气一起被传送到冷凝器107，压缩器油在冷凝器107中冷却，并凝结为与致冷剂混合的混合液体，并通过管线108和配件14排出。隔离阀102，109被提供用来有选择性地允许将部分蒸馏设备105插入致冷剂流动通道中。蒸发器103通过隔离阀102从部分蒸馏设备105接收致冷剂。
部分蒸馏设备105能够使蒸馏室130中的被污染致冷剂沸腾，蒸馏是通过阻塞致冷剂蒸气来控制的。方向箭头110所表示的被污染致冷液120通过入口112和压力调节阀114被馈给蒸馏室116，以建立液位118。也提供了被污染液体排水管121和阀123。大表面积的导管如螺旋管122被浸入被污染致冷液的液位118以下。热电偶124被放置在螺旋管122中心或中心附近，用于测量供控制三通阀128位置的温度控制单元126之用的蒸馏温度，以便确定为分馏温度。温度控制阀128和旁通管130一起操作，使得当蒸气被收集在蒸馏室116中液位118以上部分132中时，蒸气将通过导管134被馈给压缩器136，以便在压缩器136的输出138引起热气释放，该热气在温度控制单元126的控制下馈通三通阀128。在热电偶124指示分馏温度在阈值以上的情况下，旁通管130接收压缩器136的一些输出；在热电偶124指示分馏温度在阈值以下的情况下，输出将如箭头140所示流入螺旋管122中；在热电偶124指示分馏温度在阈值附近的情况下，来自压缩器输出的气体被允许部分地流经旁通管，并且部分地流入螺旋管中，以维持那个温度。在方向142上流过旁通管130的流量和方向144上来自螺旋管122的流量将流过辅助冷凝器146和压力调节阀148，以产生由方向箭头150指示的馏出致冷剂出口。或者，通过受冷凝器输出温度控制的附加温度控制单元来控制冷凝器146。从而，来自冷凝器107的油在进入蒸发器103中之前被除去。通过随时间的过去而运行系统，蒸发器103中的油累积将减少，从而净化系统。
图4显示了仪表化的冷却器系统，该系统允许周期或成批的再优化，或者允许对操作参数的连续闭环反馈控制。压缩器100连接到功率表101，功率表101通过测量所绘制的伏特和安培来精确地测量功耗。压缩器100在管线106中产生致密的致冷剂热蒸气，该热蒸气被馈给冷凝器107，蒸发潜热和压缩器100所添加的热在冷凝器107中散发。致冷剂携带小量的压缩器润滑油。冷凝器107受到温度计155和压力计156的温度和压力测量。包括一部分混合油的液化冷却致冷剂如果通过管线108被馈给可选的部分蒸馏设备105，则此后就被馈给蒸发器103。在没有部分蒸馏设备105的情况下，来自冷凝器107的油在蒸发器103中累积。蒸发器103受到温度计155和压力计156的致冷剂温度和压力测量。蒸发器103的引入管线152和引出管线154中的冷却水也受到温度计155和压力计156的温度和压力测量。来自蒸发器103的被蒸发致冷剂通过管线104返回到压缩器。
功率表101，温度计155和压力计156每一个都向数据获取系统157提供数据，数据获取系统157产生例如以BTU/kWH(英国热量单位/千瓦小时)为单位的，代表冷却器效率的输出158。油传感器159提供对蒸发器103中油浓度的连续测量，并且可用于根据最佳工作范围来控制部分蒸馏设备105，或确定间歇再优化的需要。功率表101或数据获取系统157可以提供替代测量，来估计蒸发器中的含油量，或相反估计除油需要。
如图5所示，冷却器的效率随蒸发器103中的油浓度而变。线162显示了非单调关系。在通过绘制效率相对油浓度的曲线确定了关系之后，此后可以定义工作范围。虽然典型地在油从蒸发器103中被除去之后，不自发地被补充，但是工作范围的下限160定义了随后除油操作中的界限，超出该界限就无用。完全除油不仅成本高，效率低，而且也可导致系统效率降低。同样，当含油量超过工作范围的上限161时，系统效率就降低，并且维修冷却器以恢复最佳操作可节省成本。因此，在闭环反馈系统中，下限160与上限161之间的距离将比周期维护系统中窄得多。闭环反馈系统中的油分离器(例如部分蒸馏设备105或其它类型系统)本身通常比周期维护期间采用的较大系统的效率低，因此每种类型配置都有优点。
例子2图7A显示了根据本发明的控制系统的第一实施例框图。在该系统中，利用自适应控制器200来控制致冷剂注入，该控制器200通过用于传感器输入201的数据获取系统，来接收致冷剂注入液位216(从液位传送器，例如Henry Valve公司，具有E-9400系列液位开关的Melrose Park IL LCA系列液位柱，数字输出；或者K-TekMagnetostrictive液位传送器AT200或AT600，模拟输出)，任选的系统功耗(千瓦小时)，以及热力学参数，包括冷凝器和蒸发器进出水温，冷凝器和蒸发器进出水流率和压力，压缩器RPM，吸入和排出压力和温度，以及环境压力和温度。这些变量被馈入采用基于神经网络203技术的非线性系统模型的自适应控制器200中。这些变量被预处理，以便产生一组从输入集得到的变量，以及代表基于先前数据集的时间参数。神经网络203周期地，例如每30秒计算输入数据集，并产生输出控制信号209或信号组。在所建议的控制被执行之后，自适应控制更新子系统204根据神经网络203所定义的内部模型来比较实际响应与预测响应，并且神经网络被更新(205)，以反映或考虑“误差”。来自可能与神经网络相结合或者分开的诊断部分205的系统进一步输出206指示传感器和网络自身中的可能误差，或受控设备中的可能误差。
受控变量例如是系统的致冷剂注入。为了除去致冷剂，通过阀210将液态致冷剂从蒸发器211传送到存储罐212。为了添加致冷剂，可以将气态致冷剂返回到受阀215控制的压缩器214吸管，或者可以将液态致冷剂泵送到蒸发器211。可以对存储罐212中的致冷剂进行分析和提纯。
例子3控制系统的第二实施例采用前馈优化控制策略，如图7B所示。图7B显示了基于计算机的前馈优化控制系统的信号流框图。过程变量220被测量，被执行可靠性检查，滤波，平均，并被存储在计算机数据库222中。调节系统223作为前线控制器而被提供，用来将过程变量220保持在规定及期望的预定值。在调节系统223中，对有条件的测量变量组与来自操作者224A和优化例程224B的期望设定点进行比较。然后，检测的误差用于产生控制动作，然后该控制动作作为输出225被发送给过程221中最终控制元件。调节系统223的设定点是从操作者输入224A或优化例程224B输出得到的。注意，一旦模型227达到其预定最佳设定点224B，优化器226就立即操作。此外注意，刚好在优化器226使用专用例程228之前，借助于专用例程228来更新模型227。反馈更新特征确保足够的数学过程描述，而不管较小的仪表化误差，并且另外将补偿由于简化模型227中引入的假设而产生的差异。在该情况下，例如受控变量可以仅仅是压缩器速度，或者可以是除致冷剂注入液位以外还有压缩器速度。
在该情况下，类似于第二例子，输入变量包括致冷剂注入液位，任选的系统功耗(千瓦小时)，以及热力学参数，包括冷凝器和蒸发器进出水温，冷凝器和蒸发器进出水流率和压力，压缩器RPM，吸入和排出压力和温度，以及环境压力和温度。
例子4如图7C所示，提供了控制器230，用于控制致冷剂注入液位231，压缩器速度232，以及蒸发器中的致冷剂油浓度233。不是提供单一复杂系统模型，而是在数据库234中提供了许多简化的关系，这些简化关系基于传感器输入，将系统的操作空间分割成许多区或平面。控制系统230对输入235变化的灵敏度是通过操作期间的控制来自适应确定的，以便优化能量效率。
为了操作空间的填充密度，数据也被存储在数据库234中；当输入参数组识别操作空间的较好填充区域，则实施快速转变，以达到所计算的最有效输出状态。另一方面，如果操作空间的区域是差填充区域，则控制器230提供缓慢的输出搜索改变，以设法探测操作空间来确定最佳输出集。该搜索过程也用于填充空间，使得控制器230将在碰撞几次之后避免无知的策略(naive strategy)。
另外，对于操作空间的每个区域，都确定统计可变性。如果统计可变性低，则认为区域的模型是精确的，并且减少对局部区域的继续搜索。另一方面，如果可变性高，则控制器230分析输入数据集，来确定任何可得输入235与系统效率之间的相关性，以设法改善数据库234中存储的那个区域模型。也可以通过测试输入集相对于输出231，232和233中的一个或多个输出变化的灵敏度，来搜索区域，由此检测该相关性。对于每个区域，优选地构造使一组输入变量与最佳输出变量联系起来的线性模型。作为选择，可以采用较简单的非线性网络，如神经网络。
例如，操作区域将操作空间分割成按以下进行分隔的区域按致冷剂注入液位的5％，从设计的-40％至+20％；从0％至10％按0.5％的蒸发器含油量；以及按10至100个增量的压缩器速度，从最小至最大。也有可能提供非均匀隔开的区域，或者甚至提供基于输入空间各个部分的输出对输入变化灵敏度的自适应大小区域。
控制系统也提供一组专用模型用于系统启动和关闭。这些不同于正常操作方式，因为能量效率一般不是这些转变期间的主要考虑因素，并且其它控制问题可能被认为重要。这些方式也提供了控制系统初始化和失效保护操作。
注意，因为所需的系统更新时间较长，因此可以在通用计算机，如运行Windows XP或实时操作系统的Intel Pentium IV或Athlon XP处理器上，串行地执行神经网络计算，因此通常不需要专用硬件(除了数据获取接口)。
优选地，控制系统提供诊断输出236，该诊断输出236“说明”对于任何给定控制决策的控制动作，例如识别对输出状态影响最大的传感器输入。然而，在神经网络系统中，常常不可能完全使输出合理化。进一步，在系统检测到受控设备或控制器自身中的异常状态的情况下，优选地向操作者或维护工程师传达信息。这可以通过存储的日志，可视或可听指示器，电话或因特网电信，控制网络或局域网通信，射频通信等来实现。在检测到严重状况以及不能使设备完全无效的许多情况下，优选地提供“失效保护”操作方式，直到可以执行维修为止。
为说明和描述起见而给出了本发明优选实施例的上述描述，并且本发明优选实施例的上述描述不应被认为是穷举的，或将本发明限制于所公开的精确形式，因为按照以上教导，许多更改和变化都是可能的。某些更改已经在说明书中进行了说明，并且其它更改对于本发明所属技术领域的技术人员是可能发生的。
权利要求
1.一种用于优化具有蒸发器的致冷系统的操作的方法，该方法包括定义用于优化向该蒸发器供应液态致冷剂的内部控制环；以及定义用于优化该蒸发器中致冷剂液位的外部控制环，所述外部控制环根据包括蒸发器性能测量的优化，来定义所述内部控制环的供应率，所述内部控制环根据所述定义的供应率来优化液态致冷剂供应。
2.根据权利要求1所述的方法，其进一步包括预测致冷系统维修需要的步骤。
3.根据权利要求1所述的方法，其进一步包括提供用于向该蒸发器供应致冷剂的缓冲器的步骤，所述缓冲器的液位响应于所述外部控制环。
4.根据权利要求1所述的方法，其进一步包括估计到该蒸发器中的油移入的步骤。
5.根据权利要求1所述的方法，其中所述外部控制环是自适应的。
6.根据权利要求1所述的方法，其中所述内部控制环包括前馈特征。
7.根据权利要求1所述的方法，其中所述外部控制环补偿到该蒸发器中的油移入。
8.根据权利要求1所述的方法，其中所述外部控制环补偿致冷剂注入条件的改变。
9.根据权利要求1所述的方法，其中该内部控制环和该外部控制环至少之一执行成本优化。
10.根据权利要求1所述的方法，其中该内部控制环和该外部控制环至少之一执行过程成本优化，所述成本优化包括该致冷系统以及采用该致冷系统的设备的至少一个组成部分。
11.根据权利要求1所述的方法，其进一步包括通过在该致冷系统中使油与致冷剂分离，来改变蒸发器性能的步骤。
12.根据权利要求1所述的方法，其进一步包括提供该致冷系统自适应模型，以便预测系统对过程变量变化的响应的步骤。
13.一种致冷系统，包括压缩器，用于压缩致冷剂；冷凝器，用于使致冷剂冷凝为液体；蒸发器，用于使来自该冷凝器的液态致冷剂蒸发为气体；以及控制器，用于最佳地控制向该蒸发器供应液态致冷剂和控制该蒸发器中的致冷剂液位。
14.根据权利要求13所述的致冷系统，其中所述控制器使用遗传算法来预测最佳状态。
15.根据权利要求13所述的致冷系统，其中所述控制器包括内部控制环，用于优化向该蒸发器供应液态致冷剂；以及外部控制环，用于优化该蒸发器中的致冷剂液位，所述外部控制环根据包括蒸发器性能测量的优化，来定义所述内部控制环的供应率，所述内部控制环根据所述定义的供应率来优化液态致冷剂供应。
16.根据权利要求15所述的系统，其进一步包括用于存储储备的液态致冷剂的缓冲器。
17.根据权利要求16所述的系统，其中通过所述外部控制环来控制储备液态致冷剂的液位。
18.一种设备，该设备包括输入端，用于接收可用于致冷系统性能热力学分析的物理参数；处理器，用于执行该致冷系统的热力学分析，以及确定该热力学分析的一致性；以及输出端，用于根据所述热力学分析和所述一致性分析，给出与致冷系统最佳状态的偏差估计。
19.根据权利要求18所述的设备，其中所述处理器估计该致冷系统在操作状态下的致冷效率，所述设备进一步包括用于在效率测量期间改变致冷系统的过程变量，并计算获得最佳效率的过程变量的等级的装置。
20.根据权利要求18所述的设备，其进一步包括用于通过改变蒸发器中的油浓度和所述致冷系统的致冷剂注入的至少之一，来改变物理参数的控制器。
21.一种用于确定与致冷系统最佳状态的偏差的方法，该方法包括获得用于致冷系统性能热力学分析的物理参数；执行该致冷系统热力学分析；确定该热力学分析与该致冷系统模型的一致性；以及根据所述热力学分析和所述一致性分析，输出与该致冷系统最佳状态的偏差估计。
22.根据权利要求21所述的方法，其中所述偏差估计用于确定致冷系统维修的需要。
23.根据权利要求21所述的方法，其中所述偏差估计用于估计致冷系统容量。
24.根据权利要求21所述的方法，其中所述热力学分析涉及该致冷系统的状态，所述方法进一步包括实时地监测某一操作条件范围内的致冷系统性能，以便确定操作条件敏感的物理参数的步骤。
25.根据权利要求21所述的方法，其中所述热力学分析包括估计操作致冷系统的效率；所述方法进一步包括以下步骤改变该致冷系统的过程变量；在所述改变之后，根据所获得物理参数的分析来计算致冷系统特征；以及根据该确定的系统特征来优化过程变量等级。
26.根据权利要求25所述的方法，其中该过程变量是在该蒸发器中的致冷剂中溶解的压缩器油。
27.根据权利要求25所述的方法，其中该过程变量是致冷剂注入条件。
28.根据权利要求25所述的方法，其中根据替代过程变量来确定最佳效率。
29.根据权利要求25所述的方法，其中根据所确定的最佳效率过程变量等级，通过闭环控制来维持操作点。
30.根据权利要求25所述的方法，其中该过程变量是在该蒸发器中的致冷剂中溶解的压缩器油，并且通过在该致冷系统中使油与致冷剂分离来改变该过程变量。
31.根据权利要求21所述的方法，其进一步包括预测对所述致冷系统维修操作的成本效益，以便校正与所述最佳状态的偏差的至少一部分的步骤。
32.根据权利要求21所述的方法，其进一步包括以下步骤确定该致冷系统对至少一个操作参数的扰动的灵敏度；根据所确定的灵敏度，来定义该致冷系统的高效工作范围；以及当该致冷系统在所定义的高效工作范围以外操作，并且预测致冷系统校正为有成本效益的时候，执行该致冷系统的维修，以便使至少一个操作参数落入该高效工作范围内。
33.根据权利要求32所述的方法，其中该工作范围具有非平凡双端的值域，并且继续的该致冷系统操作跟随从循环操作点开始到循环操作点结束的操作点一致的变化趋势，其中该维修将至少一个操作参数改变成位于靠近循环操作点开始的非平凡双端值范围边界内。
34.根据权利要求32所述的方法，其中该操作参数是该蒸发器中的致冷剂油浓度。
35.根据权利要求32所述的方法，其中该维修包括该致冷剂的提纯。
36.根据权利要求32所述的方法，其中通过测量该致冷系统的能量效率来估计至少一个操作参数。
37.根据权利要求21所述的方法，其进一步包括预测该致冷系统的致冷容量的步骤。
38.根据权利要求21所述的方法，其进一步包括步骤定义该致冷系统操作的成本参数；确定该致冷系统的使用参数；相对于效率来预测维修过程对机器的热力学效应；估计该维修过程的成本；以及根据该操作成本参数，使用参数，预测的热力学效应以及估计的成本，来进行成本效益分析。
39.一种方法，该方法包括以下步骤至少相对于致冷剂纯度和过热级，来在热力学上模拟致冷系统；预测致冷剂纯度和压缩器功率变化的热力学效应；以及改变致冷剂纯度和压缩器功率，以便获得操作条件下预测的最佳状态。
40.根据权利要求39所述的方法，其中通过速度控制，占空度控制，压缩比和致冷剂流量限制至少之一来调节压缩器功率。
41.根据权利要求39所述的方法，其中通过改变致冷剂中的不可冷凝气体的量，来改变致冷剂纯度。
42.根据权利要求39所述的方法，其中该预测步骤包括使用遗传算法。
全文摘要
一种致冷系统，该致冷系统包括压缩器，用于压缩致冷剂；冷凝器，用于使致冷剂冷凝为液体；蒸发器，用于使来自冷凝器的液态致冷剂蒸发为气体；内部控制环，用于优化向蒸发器供应液态致冷剂；以及外部控制环，用于优化蒸发器中的致冷剂液位，所述外部控制环根据包括蒸发器性能测量的优化，来定义所述内部控制环的供应率，并且所述内部控制环根据所述定义的供应率来优化液态致冷剂供应。可以估计或测量独立变量，如致冷剂中油的比例，致冷剂量，污染物，不可冷凝物，传热表面上的垢或其它沉积物。系统模型和/或例如从温度计和压力计推导的系统近似热力学模型，以及功耗或测量量，用于确定或估计与最佳状态的偏差对效率的影响。提供了各种方法来使系统返回到最佳状态，以及计算采用这种过程的成本效益。
文档编号F25B31/00GK1745282SQ200380109603
公开日2006年3月8日 申请日期2003年12月9日 优先权日2002年12月9日
发明者凯文·祖吉贝, 瑞亚兹·帕帕 申请人:哈德逊技术公司