专利名称：制冷剂泄漏检测系统和方法
技术领域：
本公开涉及制冷系统，并且更具体地，涉及监控制冷系统中的制冷剂料位。
背景技术：
本节提供了关于本公开的背景信息，其不一定是现有技术。制冷系统对于许多行业是必不可少的。例如，食品零售商可能依赖冰箱确保食品 产品的质量和安全性。许多其他行业可能具有必须被冷藏或者维持在降低的温度下的产品 或材料。HVAC系统允许人们使他们消费、工作或生活的场所保持舒适。这些或其他制冷系 统的任何故障或者制冷系统的性能变化可能影响健康、安全和收益。因此，重要的是，监控 和维护制冷系统的设备以确保其操作于预期的水平。制冷系统用户最为关注的是，严密地监控制冷系统的性能以使效率最大并且降低 运行成本。通常说来，用户可能缺乏准确地分析系统性能数据并且使该数据与质量、安全和 收益相联系的专业技能，以及监控制冷系统的性能、维护和效率的专业技能。
发明内容
本节提供了本公开的总体概述，而非是本公开的完整范围或所有其特征的全面公 开。这里描述了一种用于检测制冷系统中的制冷剂泄露的系统。该系统包括制冷剂料 位传感器，其感测制冷装置中的制冷剂料位并且基于制冷剂料位生成制冷剂料位数据；以 及多个系统传感器，其感测与制冷装置对应的条件并且基于感测的条件生成系统数据。该 系统进一步包括模型数据库，其存储基于先前记录的系统数据限定预期的制冷剂料位的多 个模型，其中每个模型具有与其相关联的控制上限和控制下限；以及模型选择模块，其基于 系统数据和先前记录的系统数据从模型数据库中选择模型。该系统还包括制冷剂料位预测 模块，其基于系统数据和所选择的模型生成预期的制冷剂料位；以及通知模块，当在至少一 个连续的读数中预期的制冷剂料位和制冷剂料位读数之间的差大于控制上限或小于控制 下限时，其生成通知。在一个系统特征中，该系统可以进一步包括模型创建模块，其基于制冷剂料位数 据和系统数据创建模型。在另一系统特征中，模型创建模块创建的模型进一步依赖于对制冷剂料位数据和 系统数据进行采样的天时。在另一系统特征中，模型创建模块执行线性回归以确定估计制冷剂料位的系统数据的未补偿的线性组合。在另一系统特征中，使用线性回归的结果确定误差表格，其具有与特定天时处的 制冷剂料位的估计和制冷剂料位数据之间的差对应的条目。在另一系统特征中，模型创建模块生成存储小时效果的表格，小时效果指示对于 每个天时、该天时对制冷剂料位数据的效果量。在另一系统特征中，模型创建模块执行小时效果补偿线性回归来确定系统数据和 小时效果的线性组合以估计制冷剂料位。在另一系统特征中，通知模块当在预定数目的连续读数中预期的制冷剂料位和制 冷剂料位读数之间的差大于控制上限时，生成从系统添加了制冷剂的通知。在另一系统特征中，通知模块当在预定数目的连续读数中预期的制冷剂料位和制 冷剂料位读数之间的差小于控制下限时，生成制冷剂从系统泄露的通知。在另一系统特征中，系统数据包括周围温度读数、冷凝器温度读数和排出压力读 数。在本公开的另一方面，公开了一种用于检测制冷系统中的制冷剂泄漏的方法。该 方法包括感测制冷系统中的制冷剂料位并且基于制冷剂料位生成制冷剂料位数据。该方法 进一步包括感测与制冷系统对应的条件并且基于感测的条件生成系统数据。该方法还包括 在模型数据库中存储基于先前记录的系统数据限定预期的制冷剂料位的多个模型。每个模 型具有与其相关联的控制上限和控制下限。该方法进一步包括基于系统数据和先前记录的 系统数据从模型数据库中选择模型，并且基于系统数据和所选择的模型生成预期的制冷剂 料位。该方法进一步包括当在至少一个连续的读数中预期的制冷剂料位和制冷剂料位读数 之间的差大于控制上限或小于控制下限时生成通知。在另一方法特征中，该方法进一步包括基于制冷剂料位数据和系统数据创建模型。在另一方法特征中，所创建的模型进一步依赖于对制冷剂料位数据和系统数据进 行采样的天时。在另一方法特征中，该方法进一步包括对系统数据和制冷剂料位数据执行线性回 归以确定估计制冷剂料位的系统数据的未补偿的线性组合。在另一方法特征中，该方法进一步包括基于线性回归的结果确定误差表格，其具 有与特定天时处的制冷剂料位的估计和制冷剂料位数据之间的差对应的条目。在另一方法特征中，该方法进一步包括生成存储小时效果的表格，小时效果指示 对于每个特定天时、该特定天时对制冷剂料位数据的效果量。在另一方法特征中，该方法进一步包括执行小时效果补偿线性回归来确定系统数 据和小时效果的线性组合以估计制冷剂料位。在另一方法特征中，当在预定数目的连续读数中预期的制冷剂料位和制冷剂料位 读数之间的差大于控制上限时，所生成的通知指示向制冷系统添加了制冷剂。在另一方法特征中，当在预定数目的连续读数中预期的制冷剂料位和制冷剂料位 读数之间的差小于控制下限时，所生成的通知指示制冷剂从系统泄露。在另一方法特征中，系统数据包括周围温度读数、冷凝器温度读数和排出压力读 数。
根据这里提供的描述，另外的应用领域将变得明显。本发明内容中的描述和具体 示例仅用于说明的目的，并非旨在限制本公开的范围。
这里描述的附图仅用于所选择的实施例的说明的目的，并非是所有可能的实现方 案，并且不应限制本公开的范围。图1图示了示例性制冷剂系统；图2图示了制冷泄漏检测系统的示例性部件的概况；图3图示了制冷泄漏检测系统执行的方法的概况；图4图示了用于确定泄露状态的示例性部件的框图；图5图示了用于确定泄露状态的示例性方法；图6图示了用于清洁数据的示例性部件的框图；图7图示了用于清洁数据的示例性方法；图8图示了用于验证数据的示例性部件的框图；图9图示了用于验证数据的示例性方法；图10图示了用于选择数据模型的示例性部件的框图；图11图示了用于选择数据模型的示例性方法；图12图示了用于创建数据模型的示例性部件的框图；图13图示了用于创建数据模型的示例性方法；图14图示了学习机的示例性部件的框图；以及图15图示了由学习机执行以创建数据模型的示例性方法。在若干附图通篇中相应的附图标记指示相应的部分。
具体实施例方式现将参照附图更全面地描述示例实施例。参照图1，示出了示例性制冷系统100。示例性制冷系统100包括多个压缩机104， 其与均位于压缩机架110内的公共抽吸歧管106和排放集管108通过管道连接在一起。每 个压缩机104的排放输出可以包括各自的温度传感器114。除了温度传感器114之外或者 作为其替换，可以使用压力传感器。抽吸歧管106的输入可以包括压力传感器118和温度 传感器120。此外，排放集管108的排放出口可以包括相关联的压力传感器124。如下文更 详细描述的，可以实现各种传感器用于监控制冷系统100的制冷剂料位。示例性压缩机架110包括制冷剂蒸汽，其被递送到冷凝器126，其中制冷剂蒸汽在 高压下液化。冷凝器126可以包括相关联的周围温度传感器128和出口压力传感器130。 该高压液体制冷剂可以被递送到接收器144。来自接收器144的制冷剂随后被递送到蒸发 器136。例如，蒸发器136可以处于食品冷藏情况下。控制器140可以用于并且配置或编程为控制制冷系统100的操作。在示例性实 施例中，制冷控制器140是由美国佐治亚州亚特兰大的CPC公司提供的Einstein Area Controller或者E2Controller。应认识到，也可以使用可被编程的任何其他类型的可编程 控制器。控制器140可以访问用于存储将由控制器140执行的可执行代码的计算机可读介质 141。制冷系统100内的制冷剂料位可以是系统负载、周围温度、解冻状态、热回收利用 状态和制冷剂补充的函数。制冷剂料位指示器142读取制冷系统100内的制冷剂料位并且 提供制冷剂料位(RL)输出信号。在一些实施例中，制冷剂料位指示器142是基于超声波束 检测制冷剂料位的超声传感器。可以设想，还可以使用诸如浮子传感器或电容传感器的其 他类型的传感器作为制冷剂料位指示器。制冷剂料位指示器142可以位于制冷系统的可以 确定制冷剂料位的任何位置。例如，制冷剂料位指示器可以位于接收器144处。制冷剂损失检测算法利用制冷剂料位数据以及其他的测量的参数，诸如周围温度 (^、排放温度丨^和排放压力(Pd)，来确定在制冷系统100中是否存在制冷剂泄漏。此外， 可以使用其他系统参数确定在制冷系统中是否存在泄露。制冷剂泄漏的特征由慢或快来描述。快泄露易于识别，因为制冷剂料位将在极短 时间段内下降到预定料位，例如零或接近零。然而，慢泄漏可能较难于识别。一个原因是接 收器中的制冷剂料位可以贯穿给定的天而广泛地变化。例如，遍及制冷系统的解冻周期导 致了接收器中的制冷剂料位变化。相似地，周围温度的改变引起制冷剂料位变化。为了提 取有意义的信息，可以测量制冷剂料位并且随后以预定的间隔对其取平均。例如，可以按小 时对制冷剂料位取平均(RLhK)。如果接收器中不存在制冷剂，则制冷剂可以存在于冷凝器128中。冷凝器中的制 冷剂体积典型地与周围空气温度和冷凝器128温度之间的温度差成比例。通常，制冷剂具 有移动到冷凝器和接收器的较冷的位置的趋势，其数量与周围空气温度和冷凝器128温度 之间的温度差成比例。可以通过共同监视这些参数来部分地检测制冷剂损失。图2和3分别图示了制冷剂泄漏检测系统和用于识别制冷剂泄漏的方法。参照图 2，框示了制冷剂泄漏检测系统的概况。制冷剂泄漏检测模块304接收测量的数据302， 其可以包括RL数据和系统数据。系统数据可以包括，但不限于，周围温度(Ta)、冷凝器温度 (Td)和排放压力(Pd)。系统数据和RL数据可以直接接收自传感器或者可以从存储各种传 感器数据的测量的数据的数据库303取回。可以设想，泄漏检测可以在一天中运行多次、每 天运行一次或者每几天运行一次。因此，测量的数据的数据库303存储最近的RL数据和系 统数据以备以后分析。制冷剂泄漏检测模块304还可以接收系统参数作为输入。系统参数可以存储在可 由制冷剂泄漏检测模块304访问的系统参数数据存储306中。系统参数可以包括，但不限 于，统计过程控制(SPC)数据和SPC极限。SPC数据和SPC极限是与制冷剂料位相关的统 计数据。制冷剂泄漏检测模块304还可以访问存储多个数据模型的模型数据库305。数据 模型可以具有包含先前记录的系统数据的数据样本的数据结构的形式，先前记录的系统数 据，即训练数据，限定了在给定时间段中的制冷剂料位的行为。如将讨论的，制冷剂料位可 以被表述为系统数据的线性组合，其可以按小时进行补偿或者不按小时补偿。然而，可以设 想，可以实现表示这些模型的其他方式。制冷剂泄漏检测模块304可以向用户输出泄露状态和/或系统通知，其指示同一 内容。制冷剂泄漏检测模块304使用测量的RL数据、测量的系统数据、系统参数和数据模 型来识别制冷剂泄漏的存在。通过利用这些模型和系统数据，制冷剂泄漏检测模块304可 以确定预期的RL数据，并且如果测量的RL数据有规律地在预期的RL数据以下，则可以确定存在泄漏。如果系统处于泄漏状态，则系统还可以生成针对技术人员的通知。图3图示了可由系统执行以识别泄露状态的一般方法的流程图。在步骤402中， 从控制器读取测量的数据。如前文所提及的，测量的数据302可以存储在测量的数据的数 据库303中，或者可以直接接收自传感器。测量的数据302可以包括Ta、Td、Pd和RL数据。 一些或所有数据可以被表示为按小时的平均值，其指示贯穿于特定天的平均值(TaHK、TdHK、 PdHK 和 RLhk)。在步骤404处，可以分析系统数据以获取用于针对RL数据进行分析的适当模型。 可以从模型数据库305取回模型，或者在没有适当模型的情况下可以创建模型。下文提供 了关于模型的取回和创建的更多细节。然而，通常制冷系统在变化的条件下和在变化的应 用中操作。诸如制冷负载、周围温度、解冻状态、热回收利用状态和制冷剂补充的系统条件 可以影响制冷剂料位及其行为。再者，冷凝器中的温度和压力以及每天的解冻计划也可以 影响制冷剂料位。模型被在取回或创建时被限定为考虑与制冷剂料位相关的所有相关因 素。一旦模型被获取，则在步骤406处，系统可以使用测量的RL数据、系统数据和获取 的模型确定泄露状态的存在。如可以根据影响制冷剂料位的参数数量和可以随时间进行的 采样数量而认识到的，接收的和存储的系统数据和RL数据提供了富数据集合。富数据集合 允许系统运行各种不同类型的机器学习算法和统计过程控制方法以识别慢泄漏条件的存 在。在步骤408处，存储来自步骤402和406的数据和结果并且在必要时可以生成关于制 冷剂状态的通知。在步骤410处，系统在再次运行之前等待预定的时间量。该系统可继续 监控各种传感器数据并且存储传感器数据以备以后分析。可以设想，系统可每天运行，但是 也可更频繁地或更不频繁地运行。图4更详细地图示了制冷剂泄漏检测模块304的示例性实施例。如所提及的，制 冷剂泄漏检测模块304接收系统数据和RL数据作为输入。数据清洁模块504可以被配置 成接收原始系统数据和RL数据并且可以处理系统数据和RL数据，使得制冷剂泄漏检测模 块304能够分析并处理测量的数据。此外，数据清洁模块504可以丢弃确定为不可靠的任 何数据。可以对原始数据进行预处理，使得其至少是按小时的平均值。在一些实施例中，每 个天时将具有与该天时对应的按小时的平均值。建模模块508可以与系统参数数据库306 通信以接收SPC数据和极限以及模型数据。建模模块508可以从来自模型数据库305的多 个数据模型中取回存储的数据模型或者在不存在适当模型的情况下，可以创建数据模型用 于存储。术语“模型”和“数据模型”可以可互换地使用。清洁的数据和获取的数据模型被传递到SPC模块504。SPC模块504进一步使用 SPC数据，其包括Xba,(平均值)、R (范围)、控制上限(UCL)和控制下限(LCL)，以确定制冷剂 料位误差的状态。可以根据先前记录的系统数据和测量的制冷剂料位数据来计算SPC数据 和极限。此外，每个模型可以具有其自身的SPC数据和极限。Xbar是在预定小时数内的实际的制冷剂料位的按小时的平均值和预期的制冷剂料 位的按小时的平均值之间的平均误差值。可以如下计算
权利要求
1.一种用于检测制冷系统中的制冷剂泄露的系统，包括 制冷剂料位传感器，其感测所述制冷系统中的制冷剂料位并且基于制冷剂料位生成制冷剂料位数据； 多个系统传感器，其感测与所述制冷系统对应的条件并且基于感测的条件生成系统数据； 模型数据库，其存储基于先前记录的系统数据限定预期的制冷剂料位的多个模型，其中每个模型具有与其相关联的控制上限和控制下限； 模型选择模块，其基于所述系统数据和所述先前记录的系统数据从所述模型数据库中选择模型； 制冷剂料位预测模块，其基于所述系统数据和所选择的模型生成预期的制冷剂料位；以及 通知模块，当在至少ー个连续的读数中预期的制冷剂料位和制冷剂料位读数之间的差大于控制上限或小于控制下限时，其生成通知。
2.根据权利要求2所述的系统，进ー步包括模型创建模块，其基于所述制冷剂料位数据和所述系统数据创建模型。
3.根据权利要求2所述的系统，其中所述模型创建模块创建的模型进ー步依赖于对所述制冷剂料位数据和所述系统数据进行采样的天吋。
4.根据权利要求2所述的系统，其中所述模型创建模块执行线性回归以确定估计制冷剂料位的所述系统数据的未补偿的线性组合。
5.根据权利要求4所述的系统，其中使用所述线性回归的结果确定误差表格，其具有与特定天时处的制冷剂料位的估计和所述制冷剂料位数据之间的差对应的条目。
6.根据权利要求5所述的系统，其中所述模型创建模块生成存储小时效果的表格，所述小时效果指示对于每个天吋、该天时对所述制冷剂料位数据的效果量。
7.根据权利要求6所述的系统，其中所述模型创建模块执行小时效果补偿线性回归来确定所述系统数据和所述小时效果的线性组合以估计制冷剂料位。
8.根据权利要求I所述的系统，其中所述通知模块当在预定数目的连续读数中预期的制冷剂料位和制冷剂料位读数之间的差大于所述控制上限时，生成从系统添加了制冷剂的通知。
9.根据权利要求I所述的系统，其中所述通知模块当在预定数目的连续读数中预期的制冷剂料位和制冷剂料位读数之间的差小于所述控制下限时，生成制冷剂从所述系统泄露的通知。
10.根据权利要求I所述的系统，其中所述系统数据包括周围温度读数、冷凝器温度读数和排出压カ读数。
11.一种用于检测制冷系统中的制冷剂泄漏的方法，包括 感测所述制冷系统中的制冷剂料位； 基于制冷剂料位生成制冷剂料位数据； 感测与所述制冷系统对应的条件； 基于感测的条件生成系统数据； 在模型数据库中存储基于先前记录的系统数据限定预期的制冷剂料位的多个模型，其中每个模型具有与其相关联的控制上限和控制下限； 基于所述系统数据和所述先前记录的系统数据从所述模型数据库中选择模型； 基于所述系统数据和所选择的模型生成预期的制冷剂料位； 当在至少ー个连续的读数中预期的制冷剂料位和制冷剂料位读数之间的差大于控制上限或小于控制下限时生成通知。
12.根据权利要求11所述的方法，进ー步包括基于所述制冷剂料位数据和所述系统数据创建模型。
13.根据权利要求12所述的方法，其中所创建的模型进ー步依赖于对所述制冷剂料位数据和所述系统数据进行采样的天吋。
14.根据权利要求12所述的方法，进ー步包括对所述系统数据和所述制冷剂料位数据执行线性回归以确定估计制冷剂料位的系统数据的未补偿的线性组合。
15.根据权利要求14所述的方法，进ー步包括基于所述线性回归的结果确定误差表格，其具有与特定天时处的制冷剂料位的估计和所述制冷剂料位数据之间的差对应的条目。
16.根据权利要求15所述的方法，进ー步包括生成存储小时效果的表格，所述小时效果指示对于每个特定天时、该特定天时对所述制冷剂料位数据的效果量。
17.根据权利要求16所述的方法，进ー步包括执行小时效果补偿线性回归来确定所述系统数据和所述小时效果的线性组合以估计制冷剂料位。
18.根据权利要求11所述的方法，其中当在预定数目的连续读数中预期的制冷剂料位和所述制冷剂料位读数之间的差大于所述控制上限时，所生成的通知指示向所述制冷系统添加了制冷剂。
19.根据权利要求11所述的方法，其中当在预定数目的连续读数中预期的制冷剂料位和所述制冷剂料位读数之间的差小于所述控制下限时，所生成的通知指示制冷剂从所述系统泄露。
20.根据权利要求11所述的方法，其中所述系统数据包括周围温度读数、冷凝器温度读数和排出压カ读数。
全文摘要
这里公开了一种制冷剂泄漏检测系统。该系统可以基于制冷剂料位和系统数据检测慢泄漏的存在。这些系统使用所存储的或动态创建的数据模型来计算预期的制冷剂料位。基于预期的制冷剂料位和实际的制冷剂料位以及统计过程控制数据，可以识别泄露。
文档编号F25B45/00GK102667352SQ201080051314
公开日2012年9月12日 申请日期2010年11月11日 优先权日2009年11月11日
发明者E·托德·克拉克 申请人:爱默生零售服务公司