多联机系统制热工况下的制冷剂充注量故障诊断模型——基于多层卷积神经网络

本文提出一种基于卷积神经网络的故障诊断模型,并通过正交试验优化了3层网络的卷积核和神经元数目,利用图形化的多联机(VRF)系统制冷剂充注量故障实验数据训练了多层卷积神经网络,评估了本模型的故障诊断性能。结果表明:该"数据图形化-多层卷积神经网络"方法建立的模型能够有效进行多联机制冷剂充注量故障诊断,20个输入特征时,对9类故障诊断总正确率最大为91%,比传统BP神经网络达到更高的诊断精度。该方法首次利用卷积神经网络完成了VRF制冷剂充注量故障诊断,为相关研究的拓展奠定了基础。     

数据中心冷却系统的综合COP评价

数据中心冷却系统的耗电量约占数据中心总能耗的40％,建立数据中心冷却系统效率的评价体系对节能工作十分重要。本文提出了一种用于评价数据中心冷却系统综合COP的评价指标COPdc,基于冷却系统运行数据的仿真结果,验证了数据中心冷却系统综合COPdc的评价效果,并与PUE指标进行了对比分析。结果表明:在不同负载和温度条件下COPdc的数值变化范围(4.51~5.44)比PUE大(1.19~1.23),能更明确展现数据中心冷却系统的耗电量变化,更适合作为衡量冷却系统能量使用效率的指标。本文提出的数据中心冷却系统综合COP评价方法可以量化的体现数据中心冷却系统的能效高低,相比PUE指标更具有针对性。     

制冷、大数据、元宇宙漫谈

“元宇宙”概念自提出以来，迅速成为国内外各级政府和企业发展规划、专家学者和相关研究人员个人研究计划中炙手可热的字眼。制冷行业在元宇宙这一新赛道中面临着更多的发展机遇和挑战，亟需为前路的发展方向铺垫相关理论知识和进行技术更新。本文回顾了大数据时代这一背景，从大数据时代对制冷领域的影响和制冷技术对大数据时代的影响两方面阐述了大数据与制冷的关系。大数据是制冷领域发展机遇的创造者，本文以制冷空调行业为例，介绍了大数据相关技术在空调系统优化和空调企业数字化运营中的应用。制冷技术是大数据迅猛发展的保卫者，本文分别介绍了制冷技术在产业上游数据中心的冷却系统建设和解决下游终端产品的散热问题中发挥的重要作用。上述分析为元宇宙时代与制冷领域关系的思考提供了参考。然后，本文梳理了元宇宙时代兴起背后的蓄力，包括助推力量、国内外布局以及美好愿景。并客观地直视了元宇宙发展过程中的风险，包括算力风险、沉迷风险、伦理问题、知识产权问题、经济风险、产业霸权等最为突出的几大风险。机遇与挑战并存是元宇宙时代鲜明的发展背景。最后，本文重点讨论了元宇宙与制冷的关系。一方面是元宇宙给制冷领域带来了新发展思路，包括庞大的元宇宙生态...