太阳能吸附制冷SAR系统建模.docx
- 文档编号:2895564
- 上传时间:2022-11-16
- 格式:DOCX
- 页数:14
- 大小:814.02KB
太阳能吸附制冷SAR系统建模.docx
《太阳能吸附制冷SAR系统建模.docx》由会员分享,可在线阅读,更多相关《太阳能吸附制冷SAR系统建模.docx(14页珍藏版)》请在冰豆网上搜索。
太阳能吸附制冷SAR系统建模
太阳能吸附制冷(SAR)系统建模
摘要:
太阳能吸附制冷(SAR)系统在经济和环境方面的研究,促使许多专家学者探讨其在冷却系统的设计能力。
在这项研究中,多维数学模型已经生成预测制冷系统性能系数(COP)的价值体系,例如SAR的功能蒸发器,冷凝器,发生器温度。
模糊逻辑和回归分析方法被用来建设一个数学模式,从一维模式收集数据,例如:
COP值,冷凝,蒸发,产生温度,等等。
从两个模型分别对COP体系的测量来看,结果很相符。
然而,与回归模型相比模糊逻辑法在计算COP值方面被证实具有更良好的精度,因为它的步骤,在建设所需的模型方面具有更佳的性质。
关键词:
吸附式制冷太阳能模糊建模回归分析
正文:
在上个世纪初期的吸附制冷是经常被使用的。
后来,在20世纪30年代,随着电站在效率方面的发展和氯氟烃的引进,吸附式制冷成为重要技术。
直到20世纪70年代末后Tchernev创业,太阳能制冷系统所使用的基本固体吸附循环还没有出现,而吸附制冷已被应用了很长一段时间。
70年代以来对吸附式制冷或热泵的兴趣,主要是由于这一事实,这种系统是对环境友好,它们能利用少浪费热源(如工业废弃物能源)或太阳能作为动力来进行制冷。
尽管与蒸汽压缩循环相比吸附式制冷系统性能系数(COP)较低,但是它还是很有前途的能源利用技术,因为它可以利用不同的资源,如太阳能。
太阳能吸附制冷系统被认为是一种很有前途的发展冷却的技术,因为它既可用于工业又可以用于家庭。
对不同的设施选用合适吸附剂要通过大量的研究,同时要对工作温度进行量化。
这些也也需要设定一些限制,最重要的是对低传热系数吸附床的研究,因为这是影响热力学效率的重要因素。
在吸附系统,对不同类型的气固工质对进行了研究,以建立适应冷却太阳能系统。
在LIMSI,沸石-水工质对被选择用于制冷机,活性炭-甲醇工质对用于冰的生产(Boubakri等1985年)。
活性炭-氨工质对也可以用于冰的生产。
在冰箱类,液体,一般是水,被冻结在水箱中(以保持在较低的温度)。
冰冻的流体必须尽可能的保存下来。
作为保护系统,通过设置一个阀门于集热器和蒸发器之间,使蒸发器的热损失是可以避免的。
自1909年热驱动的吸附制冷循环已经在专利文献中退出,并且20世纪20年代商业制冷已经成为可能。
1929年,米勒描述的几个系统,均使用硅胶和二氧化硫用作吸附剂/吸附对(米勒1929)。
在制冰的方面,每天早上在水箱中产生的冰被转移到另一个地方。
无阀是必要的,凝结在蒸发器或任何地方都没关系,条件是所有的浓缩液返回到蒸发器在蒸发阶段开始之前。
这就是为什么一个新构想的吸附式太阳能制冰机应配备有一单式换热器的作为冷凝器和蒸发器原因。
这种想法是基于从理论和实验测试得到的结果而成,即商业吸附太阳能使用活性炭/甲醇对作为制冷剂(Boubakri等1992年,Ezekwe2003年)。
利用经典物理的数学分析太阳能吸附系统是基于通过解决复杂的非线性集即时方程确定COP值。
这些方程常数的依据是变量因素。
后面的东西是冷凝,蒸发,产生的温度,这是通常所谓的系统的输入变量。
人们为确定COP利用调查分析的方法所付出的巨大努力,迫使研究人员询问非传统技术,以尽量减少COP计算的执行时间。
许多研究已进行了大量工作,从理论上和实验,只为通过发现三个温度之一的变化来确定COP值。
本研究的目的是利用这些收集的数据来建立一个全面和简单的多平面二维数学模型,这些数据建立在表演曲线拟合技术基础。
模糊逻辑和回归分析为基础的方法被我们用来找到两个三维模型,可以预测的三个输入温度变量的变化对COP的影响。
模糊逻辑建模
模糊逻辑建模技术可分为三类,即语言(基于Mamdani型),关系方程Takagi,Sugeno,andKang(TSK)。
在语言模型,无论是前提和后果都模糊集,而在TSK模型,前提由模糊集组成,但其后果是构成了线性方程组。
模糊关系方程模型目标是根据输入输出过程的数据建立模糊关系矩阵。
TSK模型的基础上,一个自适应网络模糊推理系统(ANFIS)已由Jang引入(1993年)。
这种模式主要是适合于非线性系统建模。
模糊逻辑是布尔逻辑,有人提出了在“完全正确”和“局部真理”之间处理好真理的价值观念。
Dr.LotfiZadeh在20世纪60年代引入了这个理论。
他说,我们不应该把模糊理论看作单一的理论,而应视为一种方法的“模糊化“进程的任何具体的理论概括,从离散模式到连续的模糊形式(扎德1965)。
换句话说,模糊逻辑是经典二值逻辑真理延长使用集合{0,1}。
模糊逻辑的基础知识
模糊集
在传统的集理论,一个元素要么属于集合要么不是。
模糊逻辑是一种传统的逻辑推广。
在模糊集理论,元素可以属于某一部分设置度。
设X是一个有限集={x1和x2,..., xn的},并设A模糊集在X,那么元素的隶属度模糊集合A中的x是:
X!
½0:
1。
语言变量
采用模糊逻辑的主要优点是,单词或句子,可以作为代替数值表达式中使用。
所谓的联想表达式是语言变量。
他们在我们的日常生活中常见的。
让我们考虑模糊变量温度就可以了。
它可以是,划分为三个语言值,例如:
低,中,高,这是模糊集。
一般来说,每个语言值由隶属函数来表示。
不同的隶属函数从零和整体之间取值,他们可以有,如Z,梯形,钟,三角形和单身许多形状。
隶属函数(fuzzy单位设置)单身类型通常只采用了模糊推理的输出变量。
模糊推理
在模糊推理,最重要的模糊推理规则的含义是广义MP(GMP),它使用了if-then规则,含蓄表示模糊关系。
当域之间的因果关系目前尚不清楚时模糊规则的使用是非常重要的。
通常情况下,关于这些领域之间的关系的部分知识在模糊规则的形式中是存在的。
在这种情况下,模糊推理是通过使用GMP认证的。
模糊规则定义输入和输出之间的模糊(语言)变量之间的连接。
该规则由两部分组成:
一个是前提一个是结果部分。
根据模糊控制规则theconsequent形式,我们通常可以区分两个主要的模糊逻辑控制(FLCs不同类型的Mamdani FLCs)。
1.基于Mamdani类型:
规则是由输入和输出语言变量采取与实际的含义一语意值:
IFX1isAi1:
:
:
andXnisAin;THENYisBi,然后Yn和y是输入和输出语言变量,Ain和Bi分别是Ain和Bi指定它们的意义与相关模糊集的语言标签。
2.Takagi-Sugeno-Kang类型:
规则是基于输入划分成几个,其中在真实变量系数手段的关系模糊子集里,每个规则定义的线性输入输出关系:
Ri:
IFX1isAi1:
:
:
andXnisAin;THENY¼pi1:
X1þ:
:
:
þpinXnþpi0其中xn和Y是输入和输出语言变量,分别与相关的Ain是明确其含义模糊集的语言标签。
换言之,基于Mamdani推理的方法是期望所有输出隶属函数都属于模糊集。
图1:
理想吸附循环的克拉珀龙图
它是直观的,被广泛的接受,更适合人类的投入。
其局限性是模糊化进程需要持续长时间计算(罗斯1995;Furinwata和Langari2000)。
在另一方面,Sugeno型推理具有计算效率,线性技术工作良好,工程与优化和自适应技术,担保输出的表面连续性好,它比较适合对数学分析。
此外,基于Mamdani型和Sugeno型(简称TS)型主要区别在模糊规则后:
Mamdani模糊控制器利用由此产生的模糊集合,而TS模糊控制器,采用输入变量的线性函数。
图2:
分集群模糊系统的理论数据
我们需要的操作是将获得的一个清晰的值(单值)转换成模糊集。
这个过程被称为模糊化。
最清晰化的方法是重心。
分析了效果参数ofsolar吸附剂制冷系统,一个Takagi与Sugeno模糊推理模型将用来制冷系统的COP。
图3:
分集群模糊系统的实验数据
图4:
蒸发器温度隶属函数的性能系数/理论数据
收集数据的理论参考是通过这些proce-dures在不同条件下对COP付诸计算。
针对不同的输入变量对COP值的计算所采用的方法是ANFIS法。
该结果与经典理论的COP值在相同条件下进行比较。
比较表明结果能较好的契合。
此外,由太阳能吸附系统采集实验装置所测得的数据被用来作为一个统计和模糊逻辑程序的输入值。
COP的预测值位于所选点之间,是由于一个变量的方差的改变而其他两个变量保持不变,现在又把它与实验结果相比较。
由两种数学程序计算的COP值相比较显示出比较好的一致性。
这是因为模糊逻辑方法所给的模式比较适合给定的数据。
这两种模型的相比较使我们相信由一个两个三个输入值的改变,再输入一个精确的温度值,这两种模型都可以用来测量COP值。
性能系数计算
冰箱或热泵的性能指标主要体现在对理想的结果输入(COP)的比例上。
这种性能的指标可能大于一些别的,但我们希望COP应尽可能大。
对于冰箱,所期望的结果是在低温条件下提供的热量,输入到设备网工作并使之循环运作。
通过应用第一定律的循环冰箱,COP值变为:
对于一个理想的循环冷却系统吸附对应一个假想的二次热机。
该装置由两个无机械能转换温度耦合的机器组成。
图5:
在性能系数/理论温度数据生成的隶属函数
图6:
性能系数/实验数据冷凝温度的隶属函数
太阳能冷却系统如图1所示。
太阳性能系数(COPs)通常是计算设备的热性能系数(COPt)倍的太阳能集热效率ηc。
因此,对于没有间歇热回收周期调节性COPs在一个给定的Treg是:
其中M1是吸附剂质量,Q1是从C的吸附热量转移到D(图1),Q2是从A到C提供给热反应器/收集器的能量,Q3是能源增加热量从A至C吸附质量。
该集热效率ηc被定义为在一些特定时期内,较上年同期增长的太阳能有效利用的热能,它可以表示为:
图7:
性能系数/实验数据的生成温度隶属函数
图8:
输入输出模糊系统的理论数据
在全球热损失系数集电极顶部最大值点,Duffie和Beckman(1991)给出了一个基于经验的公式:
集电极底部的热损耗为:
此外,收集边缘热损失是:
根据Eq.2,冰箱的最大性能系数(COP)计算值是:
其实,对这些系统的COP值在理论上从0.3到0.8,实验上从0.11至0.19为变化范围。
当然,这取决于所使用的太阳能集热器和吸附对的选用。
在这里,它只是比一些特殊的值小。
制冷剂的脱附于简明冷凝器并流入蒸发器。
当吸附床的压力大于蒸发压力降低,在蒸发器制冷剂液体会蒸发,产生制冷效果(Anyanwu2000)。
模糊建模的几点讨论
该建模过程输出的是COP的理论和实验数据的规则。
与每个输出COP相关规则的数量理论上达到了8和实验数据是23。
该Sugeno型推理的方法是说明了以下三个输入变量和一个输出简单的例子:
图9:
输入输出模糊系统的实验数据
取值Te为—2,Tc为38,Tg为108,于是对于COP,各成员函数有以下值:
图10:
时代误差的性能系数在40时代/理论数据
图11:
性能系数混合后220时代的时代误差/理论数据
图12:
性能系数混合后420时代的时代误差/理论数据
此外,每个规则对应的数据处理如下:
个别规则输出计算为:
因此,COP的控制作用是:
图2和图3分别显示了模糊聚类方法每个数据点可能部分属于一个以上的隶属函数,为中心集群的初始估计启动特定程度的集群。
图13:
时代误差的性能系数在40时代/实验数据
图14:
时代误差的性能系数80后时代/实验数据
图15:
缔约方会议混合后120时代的时代错误/实验数据
用减法聚类方法能够自动确定温度集群在每个临时点的值。
临时集群接收了投影到每个输入变量的集群。
图4,5,6,7显示了这三个输入(Te,Tc,andTg)和两个输入(TC和TG)的隶属函数
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 太阳能 吸附 制冷 SAR 系统 建模