datax 不识别字段过滤_技术交流组合式空调机组功能段的设置

1c8324e0583201ec1bf391a901247ff1.png

关注上方蓝字,更多精彩等着你!

摘要

本文阐述有温湿度要求的空调区域在HVAC系统规划设计过程中,组合式空调机组内功能段的设置对空调系统设计影响因素的分析。重点介绍了加热段的设置受室外气象参数影响因素的分析,列举了浙江宁波、山西大同、云南丽江这三个地方项目的组合式空调机组内加热段在机组内设置的位置。

1 引言

在HVAC系统规划设计过程中,室内设计参数通常有两种:

一种是常规的舒适性空调,主要是用在家居和办公场所,为人们提供舒适性的生活和工作环境,这种环境小面积的空调区域采用家用分体式空调机,大面积的空调区域采用多联机空调系统或者风机盘管加新风系统。

另一种是根据产品工艺的要求,产品的生产过程中处于恒温恒湿或者有洁净要求的环境,采用全空气空调系统,空调机组内由多个功能段组成,其中影响生产环境温湿度的功能段有表冷段、加热段和加湿段,影响生产环境内尘埃粒子或细菌颗粒多少的是过滤段的设置。

表冷段的功能是夏季降温除湿,加热段功能是夏季加热和冬季加热,加湿段功能是提高相对湿度。温度控制通过调节冷冻水管或蒸汽管上的控制阀开度实现,湿度控制通过调节冷冻水管上的控制阀开度或调节连接蒸汽加湿器的蒸汽管上的控制阀开度来实现。

其中加热段的设置由室外的气象参数所决定。我们在这里深入分析受室外气象参数影响的加热段的设置,以及各功能段设置顺序的合理性。在本文中,各功能段的前后顺序依据气流的流向而定,如气流流过冷盘管,流出侧为冷盘管的前面,流入侧为冷盘管的后面。

在本文所涉及到的焓湿图中,W点表示室外点,N点表示室内点,L点表示露点,C点表示混合点。

2 加热段的设置受室外气象参数影响

2.1 室内设计参数确定 某医药化工类车间生产类别为丙类,车间一层平面有200m2的恒温恒湿环境,室内设计参数:温度:20~26℃,湿度:50%~60%。计算结果为:送风量12600m3/h,新风量3250m3/h,回风量9350m3/h。我们根据以上数据,室外气象参数选择浙江宁波,山西大同和云南丽江这三个地方来探讨一下加热段的设置受室外气象参数影响的分析,在设计过程中,加热段在组合式空调机组内如何设置更合理。 2.2 室外气象参数 (一) 室外气象参数选 择浙江宁波。 夏季:空调计算干球温度35.1°C;空调计算湿球温度28°C;冬季:空调计算温度-1.5°C;空调计算相对湿度79%。送风量12600m3/h,新风量3250m3/h,回风量9350m3/h,制冷量78Kw,冬季加热量50.4KW,加湿量19.6kg/h,夏季露点状态至室内状态点的再热量44.9KW。冬季加热量大于夏季再热量,加热段放在冷盘管的前面,既满足冬季加热条件,又满足夏季再热条件,如果加热盘管放在冷盘管的后面,很难达到温度和湿度的设计要求。冬季混合点温度14.2℃,空调停止运行时,新风管上的电动风阀关闭,不会出现冷盘管冻坏的现象。 242096ce83141492331ad25eb21936a7.png 图1 SK-1.01夏季空气处理过程 ca6cbb332a1d2fdb5bb1dd183c49a3a1.png

图2 空调机组功能段

2.2 室外气象参数(二)
室外气象参数选择山西大同。 夏季:空调计算干球温度30.9°C;空调计算湿球温度21.2°C;冬季:空调计算温度-18.9°C;空调计算相对湿度50%。送风量12600m3/h,新风量3250m3/h,回风量9350m3/h,制冷量48Kw,冬季加热量73KW,加湿量30.24kg/h。夏季混合点含湿量:12.5g/kg,夏季室内, 含湿量:12.8g/kg,混合点含湿量小于室内含湿量,理论上空气不需要除湿,通过调节冷冻水管路上的控制阀开度即可达到温湿度要求。 北方冬季寒冷,如果冷盘管内的冷冻水没有放干净,加热盘管放在冷盘管前面,那么冷盘管有可能会被冻坏,最好的方案是冬季加热盘管放置在冷盘管的后面,再热段设置在冷盘管的前面,对温湿度进行精确的控制。 夏季空气处理过程详见图3 ,空调机组功能段详见图4。 52c074d07a35c08a351e8cf22d34f7b1.png 图3 SK-1.02夏季空气处理过程

f15ca81cabb37f3d8a9da122045a7445.png图4 空调机组功能段

2.3  室外气象参数(三) 室外气象参数选择云南丽江。 夏季:空调计算干球温度25.6°C;空调计算湿球温度18.1°C;冬季:空调计算温度1.3°C;空调计算相对湿度46%。送风量12600m3/h,新风量3250m3/h,回风量9350m3/h,制冷量48Kw,冬季加热量73KW,加湿量30.24kg/h。 通过JK-1.01夏季空气处理过程图上可以看出,虽然夏季制冷量按照从混合点处理到露点状态计算,但是实际运行过程中,通过微调冷冻水管路上的控制阀的开度即可达到设计温度要求。 夏季混合点含湿量:12g/kg,夏季室内, 含湿量:12.8g/kg,混合点含湿量小于室内含湿量,空气不需要除湿,如果此时的湿度没有达到要求,则需要开启加湿器进行加湿。因此加热盘管可前和后。夏季空气处理过程详见图5 。 a6ca7cf26fc3fca6986b925df02cdf41.png 图5 SK-1.03夏季空气处理过程

3.0 空调机组功能段设置分析

3.1 初、中效过滤段位置
初效过滤器应安装在空气处理机组的新风口之后,空气预热器之前,以防预热器表面积尘降低传热效果。或者在新、回风混合段之后,与中效过滤器安装在共用框架上。 关于中效过滤器的安装位置,有的厂家选型是把过滤器放置在风机的负压段,在表冷或加热盘管之后。有的厂家把中效过滤器放置在风机出口的正压段。那么哪种放置更为合理呢? 在洁净区选用的空调机组中,如果中效过滤段在风机负压段,可以保护盘管和风机,不会担心风机和盘管需要经常清理灰尘。但是盘管上的滋生细菌会被风管直接带到洁净区的末端高效过滤器送风口上,增加高效过滤器的负担。合理的位置是通常设置在风机正压段上,且在加热和加湿盘管之前。 保护末端高效送风口,但缺点的是由于初效过滤器过滤效果的限制,盘管和风机要经常清理灰尘,最好的方案是空调机组内设三级过滤段,表冷加热盘管后加中效过滤器,送风段前面加亚高效过滤器,保护高效过滤送风口。 如果设计普通的恒温恒湿环境,中效过滤器的设置没有特别的要求。初效过滤段和中效过滤段在空调机组内的设置常见的有两种情况: 第1种是初效过滤段和中效过滤段分开设置,既新风经过初效过滤后与回风混合,再进入中效过滤段。 第2种情况是初、中效过滤段合在一起共用框架设置,新、回风混合后进入初中效过滤段。 第1种情况的空调机组长度比第2种情况空调机组长度要长,造价要高。第1种情况的过滤效果比第2种情况的过滤效果要好,当初、中效过滤器共用框架时,只能在中效段与框架之间打上橡胶棉,而初效过滤器与框架之间是硬连接处理,新、回风混合后有一小部分不经过初效过滤器而从连接间隙中直接进入中效过滤器;而初、中效过滤器分开设置时,在初效过滤器与框架连接处和中效过滤器与框架连接处均会打上橡胶棉,避免出现新风不经过初效过滤器而直接与回风混合的问题。 此外初、中效过滤段合在一起设置时,无法准确布置压力点,无法准确采集压力。因此初、中效过滤分开设置常用于洁净区用的组合式空调机组。 3.2 加热段和加湿段与风机位置 有的空调设备厂家提供的机组功能段,把加湿段和加热段设在风机的正压段,有的设置在风机的负压段,究竟哪种比较合理呢? 加热段和加湿器如果放在正压段,那么风机出口处需要增加一个均流段,空调机组的段位加长,生产成本上,但是室内温湿度的控制不受风机温升的影响,温湿度控制方面会更为精确。如果生产环境对温湿度控制精度度要求不严格,可以考虑把加热段和加湿段设在风机负压段,节约成本。综合上述述功能段的分析与比较,合理设置顺序如下:
1)、空调机房空间长度和高度受限的情况下,普通的恒温恒湿环境,其功能段顺序见图6。 1bcb793030e6f62a973e00df2021e593.png 图6 空调机组功能段

2)、空调机房空间不受限的情况下,普通的恒温恒湿环境,其功能段顺序见图7。 

844b583f1d67f38c0cb8ac14ccc56b88.png

图7 空调机组功能段

3)、在焓湿图上,如果室外点在室内点右侧,加热段必须设置在表冷段后面,其功能段顺序见图2。 如果室外点在室内点的左侧,加热段与表冷段的顺序可前和后,放在表冷段后面最佳。如果是在北方,且室外点在室内点的左侧,冬季加热盘管放置在冷盘管的后面,再热段设置在冷盘管的前面,可以有效保护表冷器不会被冻坏,同时又能精确控制室内温湿度,其功能段见图4。
4)、净化空调机组合理的功能段顺序见图8

4a17a76dcfe1e50a6573ee1991753b31.png图8 空调机组功能段

4.0 结束语

组合式空调机组在设计选型的过程中,如果设计师没有特别要求的情况下,每个空调设备厂家提供的功能段图是各不相同,本文帮助各位设计师根据实际工程的需要,合理设置空调机组内各功能段顺序,提供给空调设备厂家选型。同时也供业主在购买空调机组时作为参考资料。

注:本文图片资料来源于互联网,版权归原作者所有。如果侵犯了原作者的权利请您告知,我方将及时处理删除。

END

  关于中国电子学会洁净技术分会

中国电子学会洁净技术分会(CCCS)是倡导污染控制的非赢利性学术团体,成立于1982年。1983年创办学会期刊《洁净与空调技术》,是学术性季刊。学会工作内容是: 通过国内外技术交流、主办学术论坛与会展、办好"洁净技术"刊物、开展项目咨询与培训。

中国科学技术协会学会学术部,科协学发【2003】120号文批准:中国电子学会开展中国电子信息技术资格认证试点工作。中国电子学会【2004】学会总发字007号文批准:中国电子学会洁净技术分会开展 “ 中国洁净室工程师 ” 资格认证试点工作。

2017年,学会发起建立“中国(国际)洁净室贸易平台”,线上为会员提供产品展示与供需撮合服务,线下为行业企业提供人才培训、工程咨询、检测诊断、运维保养等信息资源。

b99d69a828f873a63dc081695e29579c.png

如果你认为本文不错,点亮右下方 “在看”并分享,让更多人知道吧!
学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯下降(Gradient Descent)、随机梯下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯下降(Gradient Descent)、随机梯下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值