張 楠 姚 曄 賈東新

(1 上海交通大學機械與動力工程學院 制冷與低溫工程研究所 上海 200240;2 普沃思環(huán)保科技無錫有限公司 無錫 214000)

隨著人們對環(huán)境舒適度的需求不斷提高,高效節(jié)能的除濕技術(shù)引起了廣泛關(guān)注。與其他除濕方式相比,轉(zhuǎn)輪除濕以結(jié)構(gòu)緊湊、除濕效率高、能夠?qū)崿F(xiàn)連續(xù)除濕再生過程等特點[1-2],已逐漸成為空氣除濕領(lǐng)域中的主流。

近年來,為有效解決傳統(tǒng)除濕轉(zhuǎn)輪系統(tǒng)能耗較高的問題,國內(nèi)外學者開展了大量的研究和實驗,主要從新型干燥劑材料、新型再生熱源、熱回收裝置等方面進行[3]。何晨晨等[4]制備了MaCl2/CaCl2改性復(fù)合材料,有效提升了除濕材料的除濕能力和在低溫下的脫附能力。A. Yadav等[5]研究了真空管式太陽能集熱器除濕轉(zhuǎn)輪在50～55 ℃范圍內(nèi)的再生和吸附性能。楊晚生等[6]將熱空氣和微波加熱聯(lián)合進行組合再生,實驗結(jié)果表明,聯(lián)合加熱能夠使轉(zhuǎn)輪內(nèi)溫度分布更均勻,且能夠有效提高再生率和降低能耗。楊穎等[7]通過分級再生系統(tǒng)利用低品位熱源對轉(zhuǎn)輪進行預(yù)熱,在達到相同除濕效果的情況下,將再生能耗降低約50%。Yao Ye等[8-9]提出超聲波能在常溫、低溫條件下對固體除濕劑進行再生,節(jié)能潛力較大。楊玉潔等[10]研究得出由船舶廢熱驅(qū)動的兩級轉(zhuǎn)輪除濕空調(diào)系統(tǒng)的節(jié)能潛力為傳統(tǒng)空調(diào)系統(tǒng)的7.5%～37.6%。Sheng Ying等[11]將高溫熱泵和除濕轉(zhuǎn)輪空調(diào)系統(tǒng)進行耦合,與傳統(tǒng)蒸氣壓縮系統(tǒng)相比節(jié)約了45.6%的能耗,且在室外空氣含濕量較低時節(jié)能率可進一步提升,劉異等[12]在此基礎(chǔ)上進一步研究了高溫熱泵轉(zhuǎn)輪除濕及輻射供冷空調(diào)系統(tǒng)在高溫高濕地區(qū)的性能表現(xiàn)。陳思豪等[13]通過熱力學理論分析得出室內(nèi)排風回收、再生排風回收、吸附熱回收和預(yù)冷處理是降低轉(zhuǎn)輪除濕系統(tǒng)能耗的有效措施,并提出了相應(yīng)的節(jié)能型轉(zhuǎn)輪除濕空調(diào)系統(tǒng)。

然而,上述研究主要關(guān)注轉(zhuǎn)輪系統(tǒng)本身的優(yōu)化,忽略了在運行過程中環(huán)境工況實時改變的問題。針對上述問題,本文提出一種基于數(shù)值模型的轉(zhuǎn)輪除濕系統(tǒng)節(jié)能優(yōu)化控制策略。首先,構(gòu)建除濕轉(zhuǎn)輪數(shù)值計算模型并對其進行實驗驗證。在轉(zhuǎn)輪模型的基礎(chǔ)上,進一步構(gòu)建轉(zhuǎn)輪系統(tǒng)能耗模型,并以再生溫度、風速、轉(zhuǎn)輪轉(zhuǎn)速作為優(yōu)化參數(shù),以系統(tǒng)能耗及除濕性能作為優(yōu)化指標,建立除濕轉(zhuǎn)輪系統(tǒng)的優(yōu)化模型,采用粒子群算法(particle swarm optimization, PSO)對優(yōu)化模型最優(yōu)值進行求解。最后,將在優(yōu)化控制策略與傳統(tǒng)策略下的系統(tǒng)能耗進行對比分析,以驗證優(yōu)化策略的節(jié)能潛力。

1 除濕轉(zhuǎn)輪數(shù)值計算模型

1.1 數(shù)學建模

除濕轉(zhuǎn)輪劃分為除濕區(qū)和再生區(qū)兩個區(qū)域,分別通入處理空氣和再生空氣,通過旋轉(zhuǎn)完成除濕與再生的循環(huán)過程。假設(shè)轉(zhuǎn)輪內(nèi)部通道規(guī)格大小均相同,在穩(wěn)定工況下,任一空氣通道的周期性變化也相同,彼此間僅存在相位差異,因此可以選取單一空氣通道作為研究對象,以其在一個周期內(nèi)不同時刻的狀態(tài)變化來代表轉(zhuǎn)輪穩(wěn)定后在不同位置的空氣通道狀態(tài)。

針對單一空氣通道構(gòu)建沿氣流方向的一維簡化模型,如圖1所示,以除濕轉(zhuǎn)輪中一個流道為研究對象,沿空氣流動方向建立z軸,沿轉(zhuǎn)輪轉(zhuǎn)動方向(時間方向)建立τ軸,將除濕轉(zhuǎn)輪模簡化為一維非穩(wěn)態(tài)傳熱傳質(zhì)模型。

圖1 除濕轉(zhuǎn)輪空氣通道模型

進行如下假設(shè):

1)氣流側(cè)與固體側(cè)均為一維,其中氣流在軸向作一維層流流動;

2)多孔介質(zhì)的熱物性、孔徑和孔隙率等參數(shù)在空間上處處相等;

3)忽略氣流軸向熱傳導(dǎo)和質(zhì)量擴散,并假設(shè)氣流和吸濕材料的熱量質(zhì)量交換只通過對流完成,固體側(cè)沿軸向發(fā)生熱傳導(dǎo)和質(zhì)量擴散;

4)吸濕材料與多孔孔隙內(nèi)空氣的溫度始終處于熱平衡狀態(tài)。

根據(jù)質(zhì)量及能量守恒定律,建立控制方程如下:

氣流側(cè)質(zhì)量平衡方程:

(1)

氣流側(cè)熱量平衡方程:

(2)

吸附側(cè)質(zhì)量微分方程:

(3)

吸附側(cè)熱量微分方程:

(4)

式中:Ya為空氣含濕量,g/(kg干空氣);Yd為與吸附劑表面相平衡的空氣的含濕量,g/(kg干空氣);Ta為空氣溫度,K;Td為與吸附劑表面相平衡的空氣的溫度,K;W為吸附劑的吸附量,g/(kg吸附劑);ua為空氣流速,m/s;hm為傳質(zhì)系數(shù),m2/s;h為表面?zhèn)鳠嵯禂?shù),W/(m2·K);P為空氣通道周長,m;A為空氣通道橫截面積,m2;ρa、ρd分別為空氣、吸附材料的密度,kg/m3;cpg、cpv、cpl、cpd分別為空氣、水蒸氣、液態(tài)水及吸附材料的比定壓熱容,J/(kg·K);qst為吸附熱,J/kg。其中共有5個主要變化參數(shù),分別Ya、Yd、Ta、Td、W。

由于空氣通道為正弦曲線型,其周長和流通面積可用下式表示:

A=2ab

(5)

(6)

式中:2a、2b分別為正弦型通道的高度和寬度,m。

依據(jù)Yd、W和Td之間的相互關(guān)系將以下三個方程聯(lián)立作為補充方程。

水蒸氣飽和壓力方程[14]:

(7)

式中:ps為水蒸氣飽和蒸氣壓,Pa。

含濕量與相對濕度換算公式:

(8)

式中:φ為空氣相對濕度;p為環(huán)境大氣壓,Pa。

平衡吸附曲線[15]:通過對吸附材料的吸附等溫線進行擬合得到材料平衡相對濕度和吸附劑吸附量之間的關(guān)系。

(9)

式中:Wmax為吸附材料的飽和吸附量,g/(kg吸附劑);C為根據(jù)實驗數(shù)據(jù)擬合的常數(shù)。

方程的初始條件及邊界條件如下:

初始條件:

(10)

邊界條件:

(11)

(12)

1.2 模型求解

Δy=L/Z, Δτ=T/N

(13)

對于控制方程中的偏導(dǎo)數(shù),采用向后差分進行離散如下,其中,i代表空間離散點,n代表時間離散點。

(14)

1.3 模型實驗驗證

為驗證該傳熱傳質(zhì)數(shù)學模型的可靠性,本文通過實驗測試了在不同運行工況下的轉(zhuǎn)輪出口工況,并與在相同工況下的數(shù)值模擬的處理空氣出口溫度和含濕量進行對比,實驗原理及實驗裝置如圖2所示。測量裝置主要包括溫度傳感器、濕度傳感器、速度傳感器,測量精度分別為±0.2 ℃、±1%、±0.05 m/s。模擬過程中所用的轉(zhuǎn)輪及物性參數(shù)如表1所示,其中吸附曲線參數(shù)由實驗測量擬合。用于實驗的轉(zhuǎn)輪除濕系統(tǒng)由普沃思環(huán)?？萍紵o錫有限公司提供。

表1 模型計算參數(shù)

圖2 實驗原理及實驗裝置

在改變處理空氣入口溫度和含濕量的情況下,以模擬值和實驗值的相對誤差的絕對值作為模擬與實驗的偏差來對模型計算結(jié)果和實驗測量結(jié)果進行對比分析。當改變處理空氣入口溫度時,模擬結(jié)果與實驗結(jié)果對比如圖3所示,出口空氣溫度、含濕量的模擬值與實驗值的最大偏差分別為10.2%、6.8%。當改變處理空氣入口含濕量時,模擬結(jié)果與實驗結(jié)果對比如圖4所示,出口空氣溫度、含濕量的模擬值與實驗值的最大偏差分別為8.3%、8.1%。由此可知,在不同工況條件下,該數(shù)學模型計算的處理空氣出口溫度及含濕量與實驗值吻合較好,故本文所建立的除濕轉(zhuǎn)輪數(shù)值模型具有可靠性。

圖3 入口空氣溫度改變時出口模擬值與實驗值對比

圖4 入口空氣含濕量改變時出口模擬值與實驗值對比

2 轉(zhuǎn)輪除濕系統(tǒng)優(yōu)化控制

2.1 優(yōu)化控制模型

環(huán)境溫濕度的變化對除濕轉(zhuǎn)輪系統(tǒng)的除濕性能具有一定影響。當環(huán)境溫度變化時,處理空氣出口溫濕度也隨之改變,難以維持在設(shè)定的目標值。此外,傳統(tǒng)除濕轉(zhuǎn)輪系統(tǒng)通常采用恒定再生溫度的工作模式,但在某些工況下,過高的再生溫度會導(dǎo)致再生能源的浪費。為進一步提高除濕轉(zhuǎn)輪的能效,使除濕轉(zhuǎn)輪能夠以最小的能源消耗滿足除濕需求,需要對系統(tǒng)的實時運行進行優(yōu)化控制。

為實現(xiàn)除濕轉(zhuǎn)輪系統(tǒng)能夠以最小的能源消耗滿足除濕需求,本文根據(jù)建立的除濕轉(zhuǎn)輪數(shù)值計算模型,將系統(tǒng)總能耗與系統(tǒng)除濕性能結(jié)合起來作為優(yōu)化目標。根據(jù)上述分析,優(yōu)化目標如下:1)除濕需求,即控制除濕轉(zhuǎn)輪出口含濕量與目標設(shè)定值之間的誤差在可接受范圍內(nèi),該誤差可通過除濕轉(zhuǎn)輪數(shù)值模型計算而得;2)最小能耗,即控制系統(tǒng)總能耗在最小值,其中系統(tǒng)總能耗需進一步建立能耗模型進行計算。

在除濕轉(zhuǎn)輪系統(tǒng)中,能耗主要來自兩部分:再生能耗以及風機能耗。

再生能耗:

Ereg=cpgρaAregureg(Ta,reg-Ta,ad)

(15)

式中:Areg為再生面積,m2;ureg為再生空氣風速,m/s;Ta,reg為再生溫度,K;Ta,ad為環(huán)境溫度,K。

風機能耗包括處理風機能耗Efan,ad和再生風機能耗Efan,reg:

(16)

(17)

式中:pfan為風機全壓,Pa;Gad為處理空氣風量,m3/s;Greg為再生空氣風量,m3/s;K為電動機容量儲備系數(shù);η為效率。

故系統(tǒng)總能耗模型:

Etotal=Ereg+Efan,ad+Efan,reg

(18)

引入權(quán)值因子λ對兩個優(yōu)化目標進行歸一化處理,λ越小,對出口含濕量的誤差要求越高,λ越大,則越追求更低能耗,對出口含濕量誤差的要求也相應(yīng)放低。歸一化的優(yōu)化目標函數(shù)即優(yōu)化算法的適應(yīng)度函數(shù):

J=λEtotal+(1-λ)(Ya,out-Ya,ref)2

(19)

式中:λ為權(quán)值因子,λ∈[0,1];Etotal為系統(tǒng)總能耗,kW;Ya,out為處理空氣出口含濕量,g/(kg干空氣),可通過除濕轉(zhuǎn)輪數(shù)值模型計算獲得;Ya,ref為處理空氣出口含濕量設(shè)定值,g/(kg干空氣)。

確定優(yōu)化目標后,還需要對優(yōu)化參數(shù)進行分析。根據(jù)前述建立的除濕轉(zhuǎn)輪數(shù)值模型可知,除濕轉(zhuǎn)輪系統(tǒng)具有多種變量,包括處理空氣相關(guān)參數(shù)、再生空氣相關(guān)參數(shù)、轉(zhuǎn)輪相關(guān)參數(shù)等。其中,部分變量屬于不可控變量,如環(huán)境溫度、環(huán)境含濕量、轉(zhuǎn)輪厚度、轉(zhuǎn)輪材料等。雖然這些變量對系統(tǒng)的除濕性能有一定影響,但由于在實際控制時,難以對這些變量進行調(diào)整和修改,因此,在優(yōu)化控制過程中,該部分參數(shù)會根據(jù)實際情況設(shè)定為常數(shù)。而另一部分變量,如再生溫度、處理風速、再生風速、轉(zhuǎn)輪轉(zhuǎn)速等可以通過調(diào)節(jié)電加熱時間、風機、電機等進行直接控制,其中,處理風速在需要保證除濕空氣風量的場景下需保持為定值,因此,本文將再生溫度Ta,reg、再生風速ureg、轉(zhuǎn)輪轉(zhuǎn)速r這三個變量作為優(yōu)化參數(shù)。

由于風機、電機等在正常運行過程中具有工況限制,其對應(yīng)的變量也存在相應(yīng)限制,故對優(yōu)化變量提出如下合理約束條件:

(20)

綜合適應(yīng)度函數(shù)以及約束條件,除濕轉(zhuǎn)輪系統(tǒng)實時運行優(yōu)化問題如下:

(21)

2.2 優(yōu)化模型求解

針對所建立的優(yōu)化控制模型,本文采用改進PSO算法進行模型求解。PSO是一種模擬自然界生物群體智能的隨機優(yōu)化算法,具有收斂快速、參數(shù)調(diào)節(jié)靈活、易于實現(xiàn)等優(yōu)點[16]。在搜索過程中,PSO算法結(jié)合個體認知和社會影響對粒子速度和位置進行不斷更新,進而尋求最優(yōu)值。

(22)

由于在基本PSO算法中,若ω賦值過大,會導(dǎo)致粒子局部搜索能力太低,導(dǎo)致搜索精度不足;ω賦值過小,會導(dǎo)致粒子全局搜索能力不足,容易陷入局部最優(yōu)。因此,ω不宜為固定常數(shù)。本文采用改進PSO算法,通過自適應(yīng)調(diào)整策略使ω慣性權(quán)重線性減小,進而使算法在前期具有較強的全局搜索能力,使搜索空間能夠快速收斂至某一區(qū)域,在后期則有較強的局部搜索能力,提高搜索精度[17]。改進的慣性權(quán)重如下:

(23)

式中:ωmax為最大慣性權(quán)重;ωmin為最小慣性權(quán)重;I為當前迭代次數(shù);Imax為最大迭代次數(shù)。

基于上述改進PSO,對除濕轉(zhuǎn)輪系統(tǒng)實時運行優(yōu)化問題進行計算求解。環(huán)境溫濕度改變后,除濕轉(zhuǎn)輪出口含濕量及系統(tǒng)總能耗也隨之發(fā)生變化,進而導(dǎo)致目標函數(shù)值變化,此時采用改進PSO算法對新環(huán)境工況下的最優(yōu)目標函數(shù)值進行求解計算,并返回優(yōu)化后的可控變量:再生溫度、再生風速以及轉(zhuǎn)輪轉(zhuǎn)速,從而實現(xiàn)除濕轉(zhuǎn)輪系統(tǒng)的實時優(yōu)化控制。整個優(yōu)化控制流程如圖5所示。

圖5 除濕轉(zhuǎn)輪系統(tǒng)實時運行優(yōu)化策略

其中PSO優(yōu)化過程具體步驟如下:

1)參數(shù)初始化,如粒子群規(guī)模、粒子維度、迭代次數(shù)、慣性權(quán)重、學習因子等。

2)根據(jù)變量約束范圍,隨機初始化各粒子的速度及位置,并根據(jù)除濕轉(zhuǎn)輪模型和能耗模型計算得到出口含濕量和總能耗,隨后根據(jù)適應(yīng)度函數(shù)計算得到各粒子的初始適應(yīng)值。

3)確定各粒子的最優(yōu)適應(yīng)值為初始適應(yīng)值,對比各粒子適應(yīng)值大小獲取種群最優(yōu)適應(yīng)值,并確定個體及種群最優(yōu)適應(yīng)值所對應(yīng)的位置。

4)根據(jù)式(23)對慣性權(quán)重進行更新。

5)根據(jù)式(22)對各粒子速度及位置進行更新,并根據(jù)轉(zhuǎn)輪模型和能耗模型計算其適應(yīng)值。

6)對比各粒子當前適應(yīng)值與個體最優(yōu)適應(yīng)值的大小,若該粒子當前適應(yīng)值小于個體最優(yōu)適應(yīng)值,則更新該粒子的最優(yōu)適應(yīng)值為其當前適應(yīng)值,并更新該粒子的個體最優(yōu)位置。對比所有粒子當前適應(yīng)值與種群最優(yōu)適應(yīng)值的大小,若某粒子當前適應(yīng)值小于種群最優(yōu)適應(yīng)值,則更新種群最優(yōu)適應(yīng)值為該粒子當前適應(yīng)值,并更新種群最優(yōu)位置。

7)判斷是否達到設(shè)定的最大迭代次數(shù),否則返回步驟4),是則輸出種群最優(yōu)適應(yīng)值及其所對應(yīng)的位置。

3 結(jié)果與分析

由式(19)可知,權(quán)值因子λ決定了轉(zhuǎn)輪除濕系統(tǒng)的能耗指標與除濕性能指標在優(yōu)化過程中的占比權(quán)重,不同的λ會導(dǎo)致不同的優(yōu)化結(jié)果。在同一初始條件下,λ越大,能耗指標占比越大,能耗優(yōu)化效果越好,但出口含濕量與目標設(shè)定值的偏差也更大,λ越小,出口含濕量與目標設(shè)定值越接近,除濕性能越好,但能耗優(yōu)化效果降低。因此,需要探究不同λ下的優(yōu)化策略的有效性。

本文在不同環(huán)境溫度Ta,ad及環(huán)境含濕量Ya,ad工況下,將λ從0均勻增至1,計算在優(yōu)化策略下的出口含濕量和能耗優(yōu)化值,并與傳統(tǒng)策略能耗及目標含濕量進行對比。在傳統(tǒng)控制策略中,再生溫度和再生風速根據(jù)需求設(shè)置為定值。計算中采用的PSO算法初始化參數(shù)總結(jié)如表2所示。

表2 PSO算法初始化參數(shù)

3.1 不同環(huán)境含濕量下優(yōu)化性能對比

在保持環(huán)境溫度Ta,ad為27 ℃的條件下,改變環(huán)境含濕量Ya,ad及權(quán)值因子λ,計算優(yōu)化策略下的能耗節(jié)省率εE及出口含濕量控制誤差εYa,其中Ya,ad變化范圍為16～22 g/(kg干空氣),λ權(quán)值因子變化范圍為0～1。優(yōu)化結(jié)果及相應(yīng)優(yōu)化參數(shù)如圖6所示。

圖6 不同環(huán)境含濕量下的優(yōu)化性能

圖6(a)所示為在不同Ya,ad和λ下εE及εYa的變化情況。從整體來看,εYa隨著Ya,ad和λ的增大而增大,εE隨著λ的增大而增大,但隨Ya,ad的增大而降低,且降低速率逐漸增大。

對于εYa,要求在不同Ya,ad下的εYa均可控制在10%范圍內(nèi)。當λ<0.3時,不同Ya,ad下的εYa變化緩慢,均控制在10%范圍內(nèi)。當λ>0.3時,隨著λ和Ya,ad的增大,εYa也不斷增大,在高環(huán)境含濕量下εYa超過10%,不能滿足除濕要求。這是因為當λ<0.3時,在優(yōu)化過程中除濕性能指標的占比更大,此時對除濕出口控制誤差要求更為嚴苛,因此不同Ya,ad下出口含濕量均可控制在要求范圍內(nèi)。而當λ>0.3時,隨著λ權(quán)值因子和Ya,ad的增大,除濕性能指標占比降低且所需除濕量增大,因此在高環(huán)境含濕量下εYa無法控制在要求范圍之內(nèi)。因此λ應(yīng)控制在0～0.3范圍內(nèi)。

對于εE,在滿足εYa小于10%的前提下,εE越高越好。在低環(huán)境含濕量下,εE均能維持在較高范圍內(nèi),達70%以上,而在高環(huán)境含濕量下,εE較低,但隨λ的增大而增加。這是因為在低環(huán)境含濕量下,所需除濕量較低,所需的再生溫度及再生風速也較低,εE較高,而在高環(huán)境含濕量情況下則需要較高的再生溫度才能滿足除濕要求,因此εE較低,但可通過增大λ來增加能耗指標占比以提高εE。因此在λ=0.3時,既能滿足出口含濕量要求,又能使εE達到最高。此時,εYa最高為9.6%,εE在環(huán)境含濕量為16 g/(kg干空氣)時達到最高值95.6%,在環(huán)境含濕量為22 g/(kg干空氣)時為最低值46.3%,平均εE為76.4%。

圖6(b)所示為在不同環(huán)境含濕量Ya,ad和權(quán)值因子λ下的優(yōu)化再生風速ureg、轉(zhuǎn)速r及再生溫度Ta,reg。由圖可知,在低環(huán)境含濕量下,主要通過減小Ta,reg對能耗進行優(yōu)化,在高環(huán)境含濕量下,主要通過調(diào)節(jié)r及ureg對能耗進行優(yōu)化。

3.2 不同環(huán)境溫度下優(yōu)化性能對比

在保持環(huán)境含濕量Ya,ad為19 g/(kg干空氣)的條件下,改變環(huán)境溫度Ta,ad及權(quán)值因子λ,其中Ta,ad變化范圍為24～30 ℃,λ變化范圍為0～1。優(yōu)化結(jié)果及相應(yīng)優(yōu)化參數(shù)如圖7所示。

圖7 不同環(huán)境溫度下的優(yōu)化性能

圖7(a)所示為在不同Ta,ad和λ下能耗節(jié)省率εE及出口含濕量控制誤差εYa的變化情況。由圖可知,隨著Ta,ad增加,εYa均無明顯變化,當λ<0.7時,εYa均控制在10%范圍內(nèi)。εE在λ較小時呈隨Ta,ad增加而輕微下降趨勢,在λ較大時則無明顯變化。這是因為Ta,ad的改變對除濕性能的影響主要通過物性參數(shù)及傳熱傳質(zhì)性能,因此隨Ta,ad增加,εYa無明顯變化,但所需再生溫度輕微增加,導(dǎo)致εE隨之輕微下降。在λ=0.7時,Ta,ad在24～30 ℃范圍內(nèi),最高εE為42.1%,最低εE為36.0%,平均εE為40.2%。

圖7(b)所示為在不同環(huán)境溫度Ta,ad和權(quán)值因子λ下的優(yōu)化再生風速ureg、轉(zhuǎn)速r及再生溫度Ta,reg。由圖可知,在不同Ta,ad下,r及ureg無明顯變化,Ta,reg隨Ta,ad的增加而輕微增加。

4 結(jié)論

本文提出一種基于數(shù)值模型的轉(zhuǎn)輪除濕系統(tǒng)節(jié)能優(yōu)化控制策略方法,在轉(zhuǎn)輪模型和能耗模型基礎(chǔ)上,通過引入權(quán)值因子把系統(tǒng)能耗及除濕性能相結(jié)合作為優(yōu)化指標,構(gòu)建轉(zhuǎn)輪除濕優(yōu)化模型。該模型以再生溫度、再生風速、轉(zhuǎn)輪轉(zhuǎn)速作為優(yōu)化參數(shù),以改進PSO作為優(yōu)化算法,并將不同環(huán)境溫度和含濕量下的優(yōu)化控制結(jié)果和傳統(tǒng)策略結(jié)果進行對比,得到如下結(jié)論:

1)優(yōu)化控制要求為將出口含濕量控制誤差控制在10%以內(nèi)。為滿足該要求,當環(huán)境溫度控制在27 ℃,環(huán)境含濕量在16～22 g/(kg干空氣)區(qū)間內(nèi)變化時,權(quán)值因子λ應(yīng)小于0.3;當環(huán)境含濕量控制在19 g/(kg干空氣),環(huán)境溫度在24～30 ℃區(qū)間內(nèi)變化時,權(quán)值因子λ應(yīng)小于0.7。

2)優(yōu)化控制目標為在滿足出口含濕量控制誤差要求基礎(chǔ)上盡可能降低能耗節(jié)省率。隨著環(huán)境含濕量升高,能耗節(jié)省率逐漸降低,且降低速率逐漸增大。環(huán)境含濕量在16～22 g/(kg干空氣)范圍內(nèi),平均能耗節(jié)省率為76.4%。當權(quán)值因子λ=0.3時,環(huán)境含濕量為16 g/(kg干空氣)時能耗節(jié)省率達到最大值95.6%。

3)隨著環(huán)境溫度升高,能耗節(jié)省率輕微下降,同時在環(huán)境溫度大于28 ℃、權(quán)值因子大于0.6時存在波動。環(huán)境溫度在24～30 ℃范圍內(nèi),平均能耗節(jié)省率為40.2%。當權(quán)值因子λ=0.7時,環(huán)境溫度為24 ℃時能耗節(jié)省率達到最大值42.1%。