论文部分内容阅读
房间空调器能效评价主要是基于空调器在特定室内外标准工况下的新机器性能进行评价,然而空调器在实际运行过程中,一方面由于室内外温湿度与特定测试标准工况不同和不同地区空调用户使用习惯的不同,空调器实际运行的能效发生改变;另一方面,由于受到压缩机磨损、制冷剂泄露、润滑油混入以及蒸发器和冷凝器结垢和腐蚀等因素的影响,房间空调器的整体运行性能会随着使用时间的增加而衰减。房间空调器长效运行特性是一个多因素共同作用下的结果,本文对房间空调器长效运行性能量化参数作为输出参数,用四个特定工况下的房间空调器长效运行性能留存率作为输入参数建立BP神经网络预测模型。通过对22台使用中的房间空调器运行性能进行测试,85%的样本作为数学模型的训练样本,15%的样本作为模型验证样本,实现房间空调器长效运行性能预测模型的学习和验证,并根据学习结果对影响空调器长效运行性能因素的决策权重进行了分析。研究结果表明:以时间加权后的高温制冷性能、额定制冷性能、低温制热性能、额定制热性能留存率作为模型输入参数,综合评价值作为输出参数,隐含层数为1,隐含层节点数为4,输入层到隐含层的传递函数为双曲正切函数,隐含层到输出层的传递函数为线性函数建立的空调长效性能预测BP神经网络模型预测结果收敛;拟合值与实测值的相对误差范围为-6.024%~4.807%,预测值与实际值的相对误差范围为-2.823%~6.094%;经过对学习结束后的BP神经网络模型进行权重分析,时间加权后的高温制冷性能、额定制冷性能、低温制热性能、额定制热性能留存率所占决策权重分别为0.187,0.203,0.312,0.298。为了考察空调器实际运行能效与室内外环境参数及用户使用习惯的关系,本文搭建了房间空调器在线监测系统,实现对房间空调器的即时运行性能数据的采集及反馈,在消费者背景调查的前提下,对大量的数据进行分析和挖掘,得到如下结论:在广州地区,用户开启空调器的概率随着平均室外空气温度升高而增加,当室外平均空气温度达到33℃时,用户开启空调的概率达到94.95%;用户使用空调器的时间也随着平均室外环境空气温度升高而增加,当室外平均空气温度达到33℃时,用户每天使用空调器时长达到15小时;除了室外环境温度,其他因素对空调器使用时长的影响权重大小依次为建筑面积>空调类型>居住楼层>家庭收入。对变频空调器而言,空调器的制冷量随着室外环境温度的升高先增加然后下降,空调器的消耗功率随着室外环境温度的升高先增加然后维持不变,空调器制冷性能系数随着室外环境温度的升高刚开始基本保持不变,后来缓慢下降。