用于建筑热泵系统中制冷剂流动特性检测的非侵入式、基于机器学习的增强型超声传感系统

《Buildings》：Non-Invasive ML-Enhanced Ultrasonic Sensing System for Refrigerant Flow Characterization in Building Heat Pump Systems

　　

摘要

本文介绍了一种用于建筑能源系统中热泵回路中两相制冷剂流动特性检测的非侵入式超声波传感系统，该系统通过基于机器学习（ML）的信号回归分析进行了验证。热泵在节能建筑中发挥着重要作用。然而，目前仍缺乏一种低成本、非侵入式的仪器，能够在不干扰制冷剂回路热力学特性的前提下测量质量流量、混合物密度和蒸汽质量，这成为智能暖通空调（HVAC）系统的一个技术瓶颈。为了校准这种传感系统，研究人员设计了一个使用二氧化碳（CO?）作为制冷剂的实验回路，并在典型的热泵运行条件下进行了测试。超声波测量是通过将压电换能器固定在制冷剂管道上来实现的。校准框架采用了真实的流量计数据作为参考，涵盖了10–20巴的压力范围和低至-25°C的温度范围，测得流量相关的R2值为0.901，密度相关的R2值为0.997，蒸汽质量相关的R2值为0.971，总体R2值为0.956。所提出的测量系统是一种即插即用的套件，可提升下一代热泵的效率，支持建筑能源管理和性能监测。标注过的数据集和校准方法为训练和验证实时流量特性推断的机器学习回归模型提供了基础。