張浩 侯澤飛 李杏黨 樊超超 晏剛 褚雯霄 王秋旺
(1 廣東美的制冷設備有限公司 佛山 528311;2 西安交通大學能源與動力工程學院 西安 710049)
翅片管換熱器廣泛應用于制冷空調領域,其性能直接影響整機系統(tǒng)的制冷(熱)量和能效(COP)。目前關于翅片管換熱器的優(yōu)化主要集中在翅片間距、翅片類型、管間距、管徑、制冷劑流路等方面[1-3]。其中,換熱器制冷劑流路優(yōu)化無需增加額外部件,不改變原有換熱器結構,是一種有效提升系統(tǒng)性能的方式[4-5]。
換熱器制冷劑流路優(yōu)化可采用實驗和仿真兩種方法。仿真方法具有工作量小、優(yōu)化周期短等優(yōu)勢得到廣泛應用。換熱器仿真模型多采用分布參數(shù)法構建,將換熱器分為過冷區(qū)、兩相區(qū)和過熱區(qū),對每個區(qū)域均進行微元控制體劃分和計算[6-7]。利用仿真模型可得到換熱器的換熱特性及壓降特性。對于提升換熱器綜合性能而言,傳熱系數(shù)越大越好、流體壓降越小越好;但這兩個因素往往相互制約、相互影響,因此難以用單一參數(shù)(傳熱系數(shù)或壓降)來評價換熱器綜合性能。針對該問題,部分學者探究了基于熱力學第二定律的換熱器性能綜合評價方法(熵產或損)。A.Cavallini 等[8]利用冷凝器制冷劑側熵產來評價冷凝器綜合性能,并深入探討了冷凝器流路對制冷劑側熵產的影響。W.J.Lee 等[9]提出了一種基于熱力學第二定律的冷凝器分路數(shù)優(yōu)化方法。研究表明:目前關于制冷劑流路優(yōu)化的研究主要是針對單獨的換熱器部件尤其是冷凝器,而在系統(tǒng)層面上進行蒸發(fā)器流路優(yōu)化的研究較少。根據(jù)ISO 5151 標準[10],在測試熱泵型房間空調器性能時,需調整壓縮機運行頻率使得系統(tǒng)制熱量與額定值相同。因此針對熱泵用翅片管蒸發(fā)器,在對比不同制冷劑流路性能的同時,本文設定制冷劑入口焓值和蒸發(fā)器出口過熱度,通過迭代求解制冷劑質量流量保證不同流路蒸發(fā)器換熱量相同,再通過熵產進行不同流路蒸發(fā)器性能比較。本文還對比了實驗結果與仿真結果,驗證了蒸發(fā)器熵產仿真值與系統(tǒng)COP 實驗值之間的對應關系,即蒸發(fā)器熵產的變化可用于預測熱泵系統(tǒng)COP 的變化;利用上述仿真模型計算得出的蒸發(fā)器熵產可用來評價蒸發(fā)器綜合性能。
構建蒸發(fā)器仿真模型并選擇合適的綜合性能評價參數(shù)后,需選擇有效的優(yōu)化算法來構建相應蒸發(fā)器流路優(yōu)化模型。目前,有很多相關算法被應用到工程仿真中,如機器學習,遺傳算法,梯度下降算法等[11-13]。梯度下降算法具有易實現(xiàn),計算效率高等優(yōu)勢;由于蒸發(fā)器分路數(shù)為整數(shù),因此本文采用“整數(shù)梯度下降”算法構建了熱泵用蒸發(fā)器制冷劑流路優(yōu)化模型,并獲得了設計換熱量為2 000~6 000 W 所對應的最佳蒸發(fā)器流路。
本研究選用熵產作為蒸發(fā)器綜合性能的評價參數(shù)。對于翅片管蒸發(fā)器,熵產由制冷劑與空氣之間的換熱溫差及流體壓降產生;蒸發(fā)器熵產的增加會導致系統(tǒng)壓縮機及風機功耗增加,從而降低系統(tǒng)性能。因此在進行蒸發(fā)器流路優(yōu)化時,應盡量使蒸發(fā)器熵產最小。本文采用分布參數(shù)法構建仿真模型,利用Fortran 語言編寫,選用R32 為制冷劑;模型中制冷劑的狀態(tài)參數(shù)由NIST 制冷劑物性數(shù)據(jù)庫得到[14]。
為簡化模型、提高計算效率,提出以下假設[15]:1)仿真模型中換熱及流動過程均為穩(wěn)態(tài)過程;2)U型連接管、分液器及其他連接管路處的熱損失忽略不計;3)流經分液器的制冷劑被均勻分配?;谏鲜黾僭O及能量守恒原則,使用以下公式進行蒸發(fā)器仿真模型建立:
其中,總傳熱系數(shù)k可表示為:
蒸發(fā)器制冷劑側和空氣側的傳熱系數(shù)及壓降根據(jù)表1所示的經驗關聯(lián)式進行計算。
表1 傳熱系數(shù)及壓降關聯(lián)式Tab.1 Heat transfer and pressure drop correlations
析濕系數(shù)ξ和翅片效率ηa的計算如下[21]:
蒸發(fā)器U 型連接管處的制冷劑壓降δpr.b由下式計算[22]:
基于上述經驗關聯(lián)式,建立氣體旁通蒸發(fā)器的仿真模型,蒸發(fā)器的熵產通過下式進行計算[23]:
仿真模型的求解過程如圖1所示,蒸發(fā)器制冷劑入口焓值由冷凝器出口制冷劑狀態(tài)決定(等焓節(jié)流過程),通過計算換熱面積與實際換熱面積的比較迭代求解蒸發(fā)器制冷劑入口壓力;通過計算換熱量與設計換熱量的比較迭代求解制冷劑質量流量。采用上述仿真模型即可得到不同制冷劑流路的熵產、制冷劑進口壓力、制冷劑壓降的參數(shù)。
圖1 仿真模型求解過程Fig.1 Calculation procedure of the simulation model
蒸發(fā)器結構參數(shù)如表2所示,蒸發(fā)器流路如圖2所示。制冷劑分2 路(分路數(shù)I)進入蒸發(fā)器,流經前半段蒸發(fā)器換熱后匯合并經由分液器分為4 路(分路數(shù)II)進入后半段蒸發(fā)器。因此一個常規(guī)蒸發(fā)器的流路可由3 個參數(shù)確定,即前半段蒸發(fā)器分路數(shù)(NP-I)、分液器相對位置(RL)和后半段蒸發(fā)器分路數(shù)(NP-II);其中分液器相對位置(RL)定義為前半段蒸發(fā)器管數(shù)與蒸發(fā)器總管數(shù)之比。本文將蒸發(fā)器流路標記為“NP-I-RL-NP-II”,例如:圖2所示流路被標記為“2-0.2-4”。RL=0 即制冷劑在進入蒸發(fā)器前已被分成若干路。
表2 蒸發(fā)器結構參數(shù)Tab.2 Geometric parameters of the evaporator
圖2 蒸發(fā)器流路Fig.2 The evaporator refrigerant circuit
當蒸發(fā)器分路數(shù)減少或分液器相對位置后移時,蒸發(fā)器管內制冷劑平均流速增大,管內表面?zhèn)鳠嵯禂?shù)增大,制冷劑側壓降增大。管內表面?zhèn)鳠嵯禂?shù)增大有利于系統(tǒng)性能提升,而制冷劑側壓降增大不利于系統(tǒng)性能提升,此外制冷劑側壓降會直接影響平均蒸發(fā)溫度和換熱溫差。綜上所述,蒸發(fā)器流路對于蒸發(fā)器綜合性能的影響非常復雜,難以用單一傳熱或壓降參數(shù)來評價其綜合性能;基于熱力學第二定律的熵產可以反映傳熱系數(shù)和壓降之間的平衡關系,以下將詳細探究蒸發(fā)器流路對其熵產的影響。
蒸發(fā)器流路可用3 個參數(shù)表示,但在分析蒸發(fā)器流路對蒸發(fā)器熵產影響時,可將3 個參數(shù)簡化為兩個參數(shù),即將前半段蒸發(fā)器分路數(shù)(NP-I)設置為1,僅研究分液器相對位置(RL)和后半段蒸發(fā)器分路數(shù)(NP-II)對蒸發(fā)器熵產的影響。如圖3所示為20 種流路在不同設計換熱量工況下的熵產變化情況。不同設計換熱量工況下仿真模型的輸入?yún)?shù)如表3所示。
圖3 20 種蒸發(fā)器流路Fig.3 The twenty specific refrigerant circuits
表3 仿真模型的輸入?yún)?shù)Tab.3 The input parameters for simulation procedure
圖4所示為3 種換熱量工況下,制冷劑流路對蒸發(fā)器熵產的影響。在設計換熱量1 000 W 工況下,當后半段蒸發(fā)器分路數(shù)(NP-II)為2、3、4 時,蒸發(fā)器熵產隨分液器相對位置(RL)的增加呈先減小后增大的趨勢。主要原因為其前半段蒸發(fā)器分路數(shù)(NP-I)為1,后半段蒸發(fā)器分路數(shù)(NP-II)為2~6,即前半段蒸發(fā)器管內制冷劑流速較大;當分液器相對位置(RL)后移時,前半段蒸發(fā)器在整個蒸發(fā)器中的占比增加,導致整個蒸發(fā)器的管內制冷劑平均流速增加,管內擾動增強,管內表面?zhèn)鳠嵯禂?shù)增大,而平均流速的增加會導致管內表面摩擦加劇,制冷劑側壓降增大;因此,在管內表面?zhèn)鳠嵯禂?shù)和制冷劑側壓降的雙重作用下,對于NP-II 為2、3、4 工況均存在一個最佳RL 使得蒸發(fā)器熵產最小。此外,當NP-II 為6 時,管內制冷劑流速過低,導致管內表面?zhèn)鳠嵯禂?shù)成為了限制蒸發(fā)器綜合性能的主要因素,此時增大RL 有利于提升管內制冷劑流速;因此在設計換熱量1 000 W 工況,NP-II為6 時,蒸發(fā)器熵產隨RL 增加呈下降趨勢。
如圖4(b)所示,當NP-II 為2 時,蒸發(fā)器熵產隨RL 的增加而增大。因為在設計換熱量2 000 W 工況下,制冷劑質量流量相較于1 000 W 工況較高,當NP-II 為2 時,管內制冷劑質量流速較高,此時制冷劑側壓降較高,導致蒸發(fā)器熵產增加,此時減小RL 有利于降低蒸發(fā)器熵產。NP-II 為3、4、6 時,蒸發(fā)器熵產隨RL 增加呈先減小后增大趨勢。
圖4(c)所示為設計換熱量3 000 W 工況下制冷劑流路對蒸發(fā)器熵產的影響。不同NP-II 條件下,制冷劑熵產均隨RL 增加而增大。因為當設計換熱量為3 000 W 時,蒸發(fā)器管內制冷劑流速較高,制冷劑與管內壁的摩擦加劇,此時制冷劑側壓降是限制蒸發(fā)器綜合性能的主要因素;因此減少RL 或增大NP-II可以有效降低蒸發(fā)器熵產。綜上所述,設計換熱量1 000 W、2 000 W、3 000 W工況對應的最佳制冷劑流路分別為1-0.13-2、1-0.1-3、1-0-6。以上分析均基于仿真結果得出,為驗證準確性,將對仿真結果與實驗數(shù)據(jù)進行對比。
圖4 流路對蒸發(fā)器熵產的影響Fig.4 Entropy generation variation of each refrigerant circuit
驗證仿真結果的實驗在焓差實驗室內進行,制熱量測試偏差為±0.5%,COP 測試偏差為±0.75%。實驗裝置選用額定制熱量為2 400 W 的變頻熱泵型房間空調器,空調器的室內換熱器結構參數(shù)及相關配置如表4所示。根據(jù)ISO 5151 標準[10],室內、室外的干濕球溫度分別設置為20 ℃/15 ℃和7 ℃/6 ℃,為減小隨機誤差,針對每個工況條件均進行3 次測試,取3 次測試結果的算術平均值為最終結果。
表4 變頻熱泵型房間空調器相關參數(shù)Tab.4 Specifications of the tested inverter driven air conditioner
實驗對5 種蒸發(fā)器流路進行了對比測試,分別為1-0.13-2、1-0.1-3、1-0.2-4、1-0.33-4、1-0-6,測試中通過調節(jié)壓縮機運行頻率使得系統(tǒng)制熱量保持在1 200 W 和2 400 W,保證對不同流路蒸發(fā)器系統(tǒng)性能測試時,系統(tǒng)制熱量相同。蒸發(fā)器熵產仿真值與系統(tǒng)COP 實驗值之間的對比結果如圖5所示。
圖5所示為蒸發(fā)器熵產仿真值與系統(tǒng)COP 實驗值的對比。對于兩種制熱量工況,熵產仿真值較小的蒸發(fā)器制冷劑流路所對應系統(tǒng)的COP 較高,即利用所述仿真模型計算得出的蒸發(fā)器熵產可用來預測相應實際熱泵系統(tǒng)的COP 變化情況。由此,可見熵產仿真值最小化可以作為蒸發(fā)器流路優(yōu)化的目標,以下將基于所述仿真模型,將蒸發(fā)器熵產選為“代價函數(shù)”,采用“整數(shù)梯度下降”算法構建蒸發(fā)器制冷劑流路優(yōu)化模型。
“整數(shù)梯度下降”是一種常用的優(yōu)化算法,通過沿函數(shù)梯度方向反復搜索獲得復雜函數(shù)的局部最小值[24-25]。NP-I、NP-II、RL 3 個蒸發(fā)器流路參數(shù)為優(yōu)化參數(shù),將3 個參數(shù)分別標記為θ1、θ2、θ3,則優(yōu)化參數(shù)向量可表示為:
圖5 蒸發(fā)器熵產仿真值與系統(tǒng)COP 實驗值的對比Fig.5 The comparison between tested COP and theoretical entropy generation
選擇蒸發(fā)器熵產作為“代價函數(shù)”,可表示為:
“代價函數(shù)”的梯度向量表示如下:
其中,“代價函數(shù)”在各個優(yōu)化參數(shù)方向上的梯度由下式計算:
式中:梯度計算步長Δθ1、Δθ2、Δθ3分別為0.05、0.05、0.005。
“代價函數(shù)”的梯度向量即為優(yōu)化參數(shù)向量的“下降方向”,具體優(yōu)化方式如下式所示。
式中:β1、β2、β3分別為算法的下降步長,若下降步長過大,則函數(shù)最小值可能被跳過;而下降步長過小會影響計算效率。由于蒸發(fā)器的分路數(shù)為整數(shù),故β1、β2分別設為相應梯度絕對值的倒數(shù)(如式(19)所示);β3為0.1。為避免算法在求解過程中陷入局部最優(yōu)點,在上一次求解完成后對初始優(yōu)化參數(shù)向量θ0進行調整。本文在式(20)所示的向量空間內隨機選取100 個初始優(yōu)化向量θ0。
優(yōu)化算法的計算流程如圖6所示。
圖6 優(yōu)化算法求解流程Fig.6 Calculating procedure of the optimization algorithm
首先設定初始優(yōu)化參數(shù)向量θ0,并利用蒸發(fā)器仿真模型計算熵產梯度向量?Sgen,將優(yōu)化參數(shù)向量沿梯度向量方向進行“下降”,若優(yōu)化參數(shù)向量的變化值小于設定偏差ε,則記錄優(yōu)化結果,否則繼續(xù)進行尋優(yōu);前一次求解過程完成后,調整初始優(yōu)化參數(shù)向量并進行重復計算,直到100 個初始優(yōu)化參數(shù)向量被完全檢索?;谏鲜鰞?yōu)化算法,求解出了設計換熱量為2 000~6 000 W 所對應的最佳蒸發(fā)器流路,如表5所示。
表5 設計換熱量2 000~6 000 W 所對應最佳蒸發(fā)器流路Tab.5 The optimization results for various heat transfer capacity conditions
本文采用分布參數(shù)法構建了熱泵用翅片管蒸發(fā)器的仿真模型,研究了蒸發(fā)器制冷劑流路對蒸發(fā)器熵產的影響,并利用熵產最小化原理,提出了基于“整數(shù)梯度下降”算法的蒸發(fā)器流路優(yōu)化方法。得到結論如下:
1)當蒸發(fā)器分路數(shù)減小或分液器相對位置后移時,管內制冷劑平均流速增加,管內表面?zhèn)鳠嵯禂?shù)和制冷劑壓降增大;增大傳熱系數(shù)可提升蒸發(fā)器綜合性能,但制冷劑壓降增大會產生不利影響。熵產可對傳熱系數(shù)與壓降進行綜合考量,來評價蒸發(fā)器綜合性能。仿真結果表明當蒸發(fā)器設計換熱量增大時,最小蒸發(fā)器熵產所對應的分路數(shù)增加,且分液器相對位置前移。
2)通過對比實驗與仿真結果,驗證了蒸發(fā)器熵產仿真值與系統(tǒng)COP 實驗值之間的對應關系,即蒸發(fā)器熵產(仿真值)的變化可用于預測熱泵系統(tǒng)COP的變化。最小化蒸發(fā)器熵產(仿真值)可作為蒸發(fā)器流路的優(yōu)化目標。
3)以熵產作為“代價函數(shù)”,采用“整數(shù)梯度下降算法”構建蒸發(fā)器流路優(yōu)化模型,獲得了設計換熱量為2 000~6 000 W 所對應的最佳蒸發(fā)器流路。
符號說明
COP ——系統(tǒng)性能系數(shù)
q——控制容積的換熱量,W
Q——蒸發(fā)器換熱量,W
——質量流量,kg/s
h——比焓,kJ/kg
A——傳熱面積,m2
T——溫度,K
k——總傳熱系數(shù),W/(m2·K)
d——管直徑,m
l——管長度,m
s——間距,m
tn——厚度,m
λ——導熱系數(shù),W/(m·K)
α——對流傳熱系數(shù),W/(m2·K)
η——翅片效率
ξ——析濕系數(shù)
w——含濕量,g/(kg 干空氣)
p——壓力,kPa
ρ——密度,kg/m3
x——干度
f——摩擦因子
Re——雷諾數(shù)
G——質量流率,kg/(m2·s)
S——熵產,W/K
v——比容,m3/kg
θ——優(yōu)化參數(shù)
β——下降步長
下標 r——制冷劑側
a——空氣側
in——內側
ou——外側
tu——管
w——壁面
fin——翅片
root——根部
b——半圓連接管
v——氣相區(qū)
tp——兩相區(qū)
i——進口
上標j——計算次數(shù)