Transcript
INGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2 AUGUST 2011 (134-142)
En español
In English
Evaluación termodinámica de
sistemas de climatización
centralizados por agua helada
usando herramientas de
inteligencia artificial
A thermodynamic evaluation of
chilled water central air
conditioning systems using
artificial intelligence tools
Juan Carlos Armas1, Margarita Lapido Rodríguez2 ,
Julio Rafael Gómez3, Yarelis Valdivia Nodal4
Juan Carlos Armas5, Margarita Lapido Rodríguez6 ,
Julio Rafael Gómez7, Yarelis Valdivia Nodal8
RESUMEN
ABSTRACT
Se presenta el análisis de un sistema centralizado de climatización por agua helada con el objetivo de evaluar las
irreversibilidades en los componentes principales del ciclo,
así como la sensibilidad de este indicador ante las variaciones de las condiciones de operación.
An analysis of a chilled water central air conditioning system is presented. The object was to calculate main cycle
component irreversibility, as well as evaluating this indicator’s sensitivity to operational variations.
Se hace uso de redes neuronales artificiales (RNA) y algoritmos genéticos (AG), herramientas de Matlab para determinar las propiedades de los refrigerantes en cada
punto del ciclo en estudio y que éstas, a su vez, interactúen con las ecuaciones que describen el comportamiento
termodinámico del sistema. La temperatura del refrigerante a la salida del compresor se determina a partir de un
modelo híbrido que conjuga el modelo neuronal con un
algoritmo genético simple como herramienta de optimización. Como resultado final se identifican los componentes del ciclo más sensibles ante las variaciones de las condiciones de trabajo, se obtiene que el evaporador y el
mecanismo de expansión, respectivamente, siguen al
compresor con pérdidas exergéticas significativas, sumando entre todas 85,62% de las irreversibilidades totales del
sistema, conformándose así una herramienta útil para la
evaluación de tales sistemas.
Artificial neural networks (ANN), genetic algorithms (GA)
and Matlab tools were used to calculate refrigerant thermodynamic properties during each cycle stage. These
tools interacted with equations describing the system’s
thermodynamic behaviour. Refrigerant temperature, when
released from the compressor, was determined by a hybrid
model combining the neural model with a simple genetic
algorithm used as optimisation tool; the cycle’s components which were most sensitive to changes in working
conditions were identified. It was concluded that the compressor, evaporator and expansion mechanism (in that
order) represented significant exergy losses reaching
85.62% of total system irreversibility. A very useful tool
was thus developed for evaluating these systems.
Palabras clave: análisis de irreversibilidades, exergía, redes neuronales artificiales, algoritmos genéticos
Keywords: irreversibility analysis, exergy, artificial neuronal
network, genetic algorithm.
Recibido: febrero 12 de 2010
Aceptado: mayo 27 de 2011
Received: February 12th 2010
Accepted: May 27th 2011
Introducción
Introduction
El análisis termodinámico de las instalaciones energéticas persigue dos objetivos: la determinación de la eficiencia termodinámica de los procesos y la búsqueda del mejor camino para el
óptimo aprovechamiento de la energía. A tal fin se han utilizado
históricamente dos enfoques en el análisis de los sistemas: el
llamado enfoque energético, sustentado exclusivamente en la
primera ley de la termodinámica; y el enfoque denominado
exergético, el cual apoya al anterior considerando la segunda ley
Thermodynamic analysis of energy facilities has two objectives:
determining a process’ thermodynamic efficiency and finding the
best strategy for such energy’s optimal use. Two approaches to
systems analysis have thus been used to date: the so-called energetic approach based exclusively on the first law of thermodynamics and the exergetic approach supporting the energetic
approach by including the second law of thermodynamics as a
crucial part of current energy use. Analysis of the application of
1
Ingeniero Mecánico, Doctor en Ciencias Técnicas, Universidad de Cienfuegos, Cuba.
[email protected]
2
Ingeniera Termoenergética, Doctora en Ciencias Técnicas, Universidad de
Cienfuegos, Cuba.
[email protected]
3
Ingeniero Electricista, Doctor en Ciencias Técnicas, Universidad de Cienfuegos, Cuba.
[email protected]
4
Ingeniera Mecánica, Master en Ciencias, Universidad de Cienfuegos, Cuba.
[email protected]
5
Mechanical Engineer, Doctor of Technical Sciences , Universidad de Cienfuegos, Cuba.
[email protected]
Thermal Energy Engineer, Doctor of Technical Sciences, Universidad de
Cienfuegos, Cuba.
[email protected]
7
Electrical Engineer, Doctor of Technical Sciences, Universidad de Cienfuegos,
Cuba.
[email protected]
8
Mechanical Engineer, Master of Science, Universidad de Cienfuegos, Cuba.
[email protected]
6
134
ARMAS, LAPIDO, GÓMEZ, VALDIVIA
En español
In English
de la termodinámica como parte crucial en el aprovechamiento
real de la energía. No es posible desligar el análisis de primera
ley de la aplicación del análisis de segunda ley, especialmente en
sistemas donde aparece trabajo asociado o aprovechamiento de
fuentes de energía a diferentes temperaturas. La aplicación de
ambos criterios conforma una herramienta poderosa para evaluaciones cuantitativas y cualitativas a sistemas y procesos
energéticos, posibilitando detectar potenciales de aprovechamiento de energía útil y evaluar las vías que permitan optimizar
su uso.
the first law cannot be separated from analysis of the second
law, especially in systems involving associated work with or exploitation of energy sources at different temperatures. Applying
both criteria constitutes a powerful tool for quantitative and
qualitative evaluation of energy systems and processes thus enabling potential useful energy to be detected and assessing ways
of optimising their use.
El objetivo de este trabajo es evaluar el comportamiento de un
ciclo de refrigeración por compresión de vapor de un sistema de
climatización centralizado por agua helada a partir de un enfoque termodinámico. Se determinan las irreversibilidades en los
componentes principales del ciclo, así como su influencia en la
irreversibilidad total del ciclo, y se evalúa la sensibilidad e impacto de éstas ante las variaciones de las condiciones de operación. Se incorpora como herramienta novedosa de cálculo la
utilización de redes neuronales artificiales para el modelado y
determinación de propiedades termodinámicas del refrigerante,
y un algoritmo genético que describe el comportamiento del
sistema. Estas técnicas de inteligencia artificial agilizan el cálculo,
simplifican los modelos y han demostrado ser tan precisas como
los más complejos y rigurosos modelos termodinámicos. En el
caso particular del presente trabajo, se constató que el empleo
de estas herramientas de inteligencia artificial compensa con
creces las dificultades del modelado termodinámico de algunos
elementos del sistema analizado, sin pérdida o demérito de la
rigurosidad termodinámica, pues sólo se utilizan en aquellos
aspectos como la reproducción de propiedades de la sustancia
de trabajo.
This study was aimed at evaluating refrigeration cycle behaviour
by vapour compression in a chilled water central air conditioning
system by adopting a thermodynamic approach. Irreversibility
was determined for the cycle’s main components as well as their
influence on the cycle’s total irreversibility. Their variability and
impact on operational conditions was assessed. The use of artificial neural networks (for modelling and determining the refrigerant’s thermodynamic properties) and a genetic algorithm
(describing the system’s behaviour) were incorporated as innovative tools for making the calculations. These artificial intelligence
techniques facilitate calculation and simplify models. They have
proved to be as accurate as more complex and rigorous thermodynamic models. In the particular case of this study, it was found
that using these artificial intelligence tools outweighed the difficulties of thermodynamic modelling of some elements of the
system being analysed with no loss or demerit regarding rigorous
thermodynamics, for they are only used in relation to aspects
like working substance reproduction properties.
El método exergético y su aplicación a sistemas de refrigeración y aire acondicionado
The exergy method and its application to refrigeration and air conditioning systems
La metodología del análisis exergético está bien establecida,
fundamentalmente para el caso de las instalaciones térmicas de
fuerza (Boer, 2005; Kelly, 2009; Lapido, 2006; Tsatsaronis,
2002; Valero, 2005). Sin embargo, su aplicación a los sistemas
de refrigeración no ha sido tan extensiva por la difícil comprensión de las implicaciones del concepto de exergía en estos ciclos,
cuyo objetivo final no es la producción de trabajo útil, sino la
absorción de calor del recinto que se desea climatizar.
Exergy analysis methodology is well established, mainly in the
case of thermal power plants (Boer, 2005; Kelly, 2009; Lapido,
2006; Tsatsaronis, 2002; Valero, 2005). However, its application
to refrigeration systems has not been equally extensive due to
difficulties in understanding the implications of the concept of
exergy in these cycles, given that it is not ultimately aimed at
producing useful work but to heat absorption in a particular
room being conditioned.
Autores como Kotas (1985), Szargut (2004), Yumrutas (2002)
d’Accadia (2004), Morosuk (2009) y Syed M. Zubair (2000) han
abordado esta problemática desde diferentes puntos de vista y
con fines disímiles. Szargut plantea que las pérdidas exergéticas
fundamentales en los sistemas de climatización se deben a: ineficiencias en la compresión, calor rechazado al sumidero, caída
de presión en conductos y pérdidas de calor en la válvula de
expansión.
Authors like Kotas (1985), Szargut (2004), Yumrutas (2002)
d’Accadia (2004), Morosuk (2009) y Syed M. Zubair (2000) have
approached this problem from different perspectives and with
different purposes in mind. Szargut has stated that main exergy
losses in air conditioning systems are caused by compression
inefficiency, heat rejected to the drain, pressure drop in ducts
and heat loss in the expansion valve.
No obstante, se reportan escasas referencias respecto a la destrucción de exergía en los componentes individuales del ciclo
ante las variaciones de las condiciones de operación, cuestión de
importancia relevante en los sistemas de climatización continuamente sometidos a las variaciones climatológicas y de ocupación
de la edificación climatizada.
However, few reports have dealt with exergy destruction in the
cycle’s individual components caused by changes in operating
conditions, an issue having significant importance in conditioning systems continuously subject to changing weather and occupation of the conditioned building.
Una dificultad adicional para la aplicación del método exergético a los ciclos de refrigeración radica en la definición de la tem-
Another difficulty in applying the exergetic method to refrigeration cycles lies in the definition of the reference temperature.
NGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
135
EVALUACIÓN TERMODINÁMICA DE SISTEMAS DE CLIMATIZACIÓN ... / A THERMODYNAMIC EVALUATION OF CHILLED WATER CENTRAL ...
En español
In English
peratura de referencia. Algunos autores toman distintos estados
de referencia para el refrigerante primario y el secundario, por
ejemplo, temperatura ambiente para el primario y temperatura
de entrada del agua al evaporador para el secundario.
Some authors consider different reference states for primary and
secondary refrigerant, for example, environmental temperature
for the primary and water inlet temperature in the evaporator for
the secondary refrigerant.
La dualidad de estados de referencia para los cálculos exergéticos se debe a que los sistemas de climatización trabajan indistintamente con temperaturas inferiores y superiores a la del medio
ambiente. Debido a estas particularidades del sistema, en algunos puntos aparecen corrientes exergéticas negativas, lo que
aparentemente contradice los principios termodinámicos. Szargut resuelve esta problemática adicionando a cada una de las
corrientes exergéticas del sistema la mayor exergía negativa obtenida, cambiando la escala por descenso del sistema de referencia y convirtiendo todas las corrientes exergéticas negativas en
términos positivos, procedimiento que se utiliza en el presente
trabajo.
The duality of reference states for exergy calculations is caused
by air conditioning systems capability to work interchangeably
with temperatures lower and higher than the environment.
Negative exergy thus flows at some points because of such system peculiarities, apparently contradicting the principles of thermodynamics. Szargut has solved this problem by adding the
highest negative exergy obtained to each exergy flow in the system, thus changing the scale by lowering the reference system
and turning all exergy flows into negative exergy flows in positive
terms, a procedure used in this study.
Arquitectura de la red neuronal artificial empleada para la obtención de las propiedades
del refrigerante R22
Architecture of the artificial neural network
used to obtain the properties of refrigerant
R22
Para la obtención de las propiedades termodinámicas del refrigerante R22 se diseñó un modelo neuronal correspondiente a una
red multicapa con propagación hacia adelante y algoritmo de
aprendizaje con retro propagación (Z.H.Z, 2005; Armas, 2006);
se diseñaron y obtuvieron tres redes neuronales artificiales para
las zonas de saturación, sobrecalentamiento y su enfriamiento,
respectivamente. Las redes neuronales fueron entrenadas a partir
de las propiedades termodinámicas del R22 tomadas de la literatura (ASHRAE, 2009), respecto del diseño de cada red neuronal
el número de neuronas de la capa oculta fue obtenido a partir
de un procedimiento de prueba y error partiendo de un pequeño número de neuronas, y con el propósito de evitar el sobre
entrenamiento se utilizó la opción de validación y prueba con
conjuntos de datos diferentes de los de entrenamiento.
A neural network model for a multilayer network spreading forward with back propagation learning algorithm (Z.H.Z, 2005;
Armas, 2006) was designed for obtaining R22’s pertinent thermodynamic properties. Artificial neural networks (ANN) for saturation areas, overheating and undercooling were designed and
obtained. ANN were trained from the thermodynamic properties
of R22, according to the literature (ASHRAE, 2009). The number of neurons in the hidden layer was obtained by trial and
error for designing each neural network, starting from a small
number of neurons. Options like validation and set tests with
different training data were used to avoid overtraining.
La RNA referente a la saturación se diseñó con algunas particularidades que la diferencia de las restantes (figura 1), se estructuró
con 1 neurona en la primera capa para la variable de entrada
presión (P), 72 neuronas en la capa intermedia y 8 neuronas en
la tercera capa, correspondientes a las variables de salida temperatura de saturación (Tsat), entalpía del líquido (hf), entalpía del
vapor (hg), entropía del líquido (sf), entropía del vapor (sg), volumen específico del líquido (vf), volumen específico del gas (vg) y
coeficiente adiabático (k). Se utilizaron como funciones transferenciales la tansig en la primera y segunda capa, y la purelin a la
salida de la red.
A saturation ANN was designed, having some special features
distinguishing it from the others (Figure 1). It was structured with
one neuron in the first layer for pressure (P), input variable, 72
neurons in the intermediate layer and 8 neurons in the third
layer for output variables [saturation temperature (TSAT), liquid
enthalpy (hf), vapour enthalpy (Hg), fluid entropy (sf), vapour
entropy (sg), liquid specific volume (vf), gas specific volume (vg)
and adiabatic coefficient (k)]. Tansig and purelin were used as
transference functions in the first and second network output
layers.
Figura 1. Arquitectura RNA 1-72-8. Zona de saturación.
Figure 1: 1-72-8 ANN architecture: saturation zone
136
INGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
ARMAS, LAPIDO, GÓMEZ, VALDIVIA
En español
In English
La RNA para la zona de subenfriamiento se muestra en la figura
2. Consta de 3 capas con 2 neuronas en la primera capa para las
variables de entrada P y grados de subenfriamiento GSE, 100
neuronas en la segunda capa y 3 neuronas en la última capa
para las variables de salida entalpía (h), entropía (s) y volumen
específico (v). Las funciones transferenciales utilizadas para el
subenfriamiento y sobrecalentamiento son similares a la de la
zona de saturación.
Figure 2 shows undercooling zone ANN. It consisted of three
layers having two neurons in the first layer for input P and GSE
(undercooling degrees). There were 100 neurons in the second
layer and three for output in the last one [enthalpy (h), entropy
(s) and specific volume (v)]. Transfer functions used for undercooling and overheating were similar to those for the saturation
zone.
Para la zona de sobrecalentamiento se diseñó una red de 4 capas con 2 neuronas en la primera capa para las variables de
entrada (P, Tsob), 9 y 6 neuronas en las capas intermedias y 3
neuronas en la capa de salida.
A four-layer network having 2 neurons in the first layer [input
variables (P, Tsob)], 9 and 6 neurons in the intermediate layers
and 3 neurons in the output layer was designed for the overheating zone.
Figura 2: Arquitectura RNA 2-100-3. Zona de subenfriamiento.
Figure 2: 2-100-3 ANN architecture: subcooling zone
Modelo híbrido para la determinación de la
temperatura de salida del compresor del sistema de refrigeración por compresión de vapor
Hybrid model for determining compressor
cooling system temperature for vapour compression
La temperatura del refrigerante a la salida del compresor se determina a partir de un modelo híbrido que conjuga el modelo
neuronal con un algoritmo genético simple como herramienta
de optimización. La función de aptitud de este algoritmo es una
función de error entre la entropía del gas a la salida del evaporador teniendo en cuenta los grados de sobrecalentamiento y la
entropía que se obtiene del modelo neuronal del refrigerante en
la zona de sobrecalentamiento. Para este modelo neuronal se
logra un error cero, el cual garantiza que los resultados se obtengan para un proceso isentrópico.
The refrigerant’s temperature when leaving the compressor was
determined from a hybrid model combining the neural model
with a simple genetic algorithm used as optimisation tool. The
fitness function of this algorithm was an error function between
gas entropy at evaporator outlet point (considering overheating
degrees) and the entropy obtained from the refrigerant overheating area neural model. Zero error was achieved for this neural
model, ensuring that the results were obtained for an isentropic
process.
Figura 3. Híbrido para la determinación de los grados de sobrecalentamiento del refrigerante.
Figure 3: Hybrid for determining the degree of coolant overheating
NGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
137
EVALUACIÓN TERMODINÁMICA DE SISTEMAS DE CLIMATIZACIÓN ... / A THERMODYNAMIC EVALUATION OF CHILLED WATER CENTRAL ...
En español
In English
En la figura 3 se muestra el diagrama que representa el proceso
seguido en el algoritmo genético. La variable genética son los
grados de sobrecalentamiento (X) y busca el valor de esta variable que garantiza un mínimo error.
Figure 3 gives a representation of the process followed in the
genetic algorithm. Genetic variables were overheating degrees
(X) and the search for this variable’s values guaranteed error
minimisation.
Descripción de la instalación base
Description of the installation base
Se considera un ciclo de refrigeración convencional por compresión de vapor de un sistema de climatización centralizado por
agua helada (figura 4). El sistema cuenta con dos circuitos de
trabajo: el primario utiliza un refrigerante, normalmente R-22,
considerado en el presente trabajo; pero también pudiera ser R123, R-134a o R-407, según capacidad y tecnología utilizada en
la compresión; estos últimos son más amigables con el ambiente
comparado con el primero; y el secundario distribuye agua fría
en los locales a climatizar.
A conventional refrigeration cycle through vapour compression
in a chilled water central air conditioning system is presented in
Figure 4; such system has two working circuits. The primary
circuit uses a refrigerant, typically R-22 as considered in this
work, but it could also have been R-123, R-134a or R-407 according to capacity and technology used in compression, the
latter being more environmentally-friendly then the first. The
secondary circuit distributed cold water to the rooms to be
cooled.
Se analizan dos regímenes de trabajo, a saber:
Two different working systems were analysed:
1) Condiciones de operación: 482,48 kPa (-1°C) y 1.752,44
kPa (45 °C), como la presión y temperatura de evaporación
y condensación, respectivamente, del circuito primario con
R-22; y, para el secundario 8,5 °C y 10 °C de temperatura
del agua helada en la impulsión y retorno.
1) Operational conditions involving primary circuit (with R-22)
482.48 kPa (-1°C) and 1,752.44 kPa (45°C) pressure, evaporation and condensation temperatures (in that order); 8.5°C
and 10°C chilled water temperature in the initial impulse
and the return were considered for the secondary circuit;
and
2) Régimen a carga parcial caracterizado por: 460,91 kPa (-2 °
C) y 1.799,52 kPa (48,2 °C) como presión y temperatura de
evaporación y condensación, manteniéndose invariables las
condiciones de temperatura del agua.
2) Partial load scheme characterised by 460.91 kPa (-2°C) and
1,799.52 kPa (48.2°C) for pressure, evaporation and condensation temperatures, ensuring that water temperature
remained unchanged.
A partir de los regímenes de trabajo descritos para las condiciones nominales y parciales de la instalación, se hace uso de la
función en Matlab que se describe en el epígrafe 1.6.
Taking the work schemes for nominal conditions and partial
installation which have been previously described as a starting
point, the Matlab function detailed in section 1.6 was used.
Desarrollo de función en Matlab para la evaluación del
sistema
Developing a Matlab function for evaluating the system
Para minimizar el tiempo de cómputo se creó una función en
Matlab que integra las redes de cada zona de trabajo del sistema
y se definen como variables de entrada las presiones de succión
y descarga y los grados de sobrecalentamiento y subenfriamiento, en caso de estar presentes en el ciclo.
A function was created in Matlab to minimise computation time
integrating the networks for each of the system’s working areas.
The following aspects were defined as input variables: suction
and discharge pressures and degrees of overheating and undercooling (if present in the cycle).
La función devuelve como resultado las propiedades del refrigerante en cada punto del circuito primario de refrigeración. El
algoritmo para el cálculo de las propiedades del refrigerante en
los puntos del circuito primario de refrigeración se muestra en la
figura 4.
The function thus provided the refrigerant’s properties at each
point of the primary refrigeration circuit. Figure 4 shows the
algorithm for calculating refrigerant properties at different primary circuit points.
Integrando esta función a un subprograma que tiene implícitas
las ecuaciones del comportamiento termodinámico del sistema,
se crea un paquete de análisis para los sistemas de climatización
sin tener que recurrir a software especializado difícil de adaptar
a las especificaciones requeridas por el evaluador, lo que no
ocurre con esta función.
Integrating this function to a sub-programme including equations
for the system’s thermodynamic behaviour led to creating an
analysis set for air conditioning systems with no need for using
specialised software which was difficult to adapt to the specifications required by the evaluators.
Análisis termodinámico del sistema de climatización
centralizado todo agua
Thermodynamic analysis of the whole central heating
system’s water
Algunas consideraciones fueron tomadas para la realización del
análisis termodinámico del sistema, relacionadas con la temperatura del estado de referencia tanto del refrigerante primario (R22) 25 ºC como del secundario (agua helada) 10 ºC. El proceso
de compresión del gas se considera adiabático, y las corrientes
exergéticas del sistema son afectadas adicionándoles el mayor
Some aspects were considered when making a thermodynamic
analysis of the system. They were related to reference state temperature in both primary (R-22, 25ºC) and secondary refrigerant
(cold water, 10°C). Gas compression was considered to be adiabatic and the system’s exergy flows were modified by adding the
highest negative exergy power values, thus changing the scale by
138
INGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
ARMAS, LAPIDO, GÓMEZ, VALDIVIA
En español
In English
valor de la corriente exergética negativa cambiando la escala por
descenso del sistema de referencia, con el objetivo de convertir
las exergías negativas en positivas y no contradiciéndose así las
leyes termodinámicas.
reducing the reference system. All this was aimed at turning
negative exergy into positive ones without contradicting the laws
of thermodynamics.
Figura 4. Función desarrollada en Matlab para determinación de propiedades termodinámicas en cada punto del circuito primario de refrigeración.
Figure 4: Matlab function developed for determining thermodynamic
properties at each primary cooling circuit point
Con la función que calcula las propiedades del R-22 en cada
punto del ciclo, combinada con el subprograma que tiene implícitas las ecuaciones que describen el comportamiento termodinámico del sistema, se obtienen los resultados que se muestran
en la tabla 1.
The function also led to calculating R-22 properties at each point
of the cycle. The results provided in Table 1 were obtained from
combining the sub-programmes with equations describing the
system’s thermodynamic behaviour.
Tabla 1. Análisis exergético del sistema
Table 1: Exergy analysis system
COMPONENTES
Condensador
Entrada
Salida
Mecanismo de expansión
Entrada
Salida
Evaporador
Entrada
Salida
Compresor
Entrada
Salida
Rendimiento
Flujo de refrigerante (kg/s)
Rendimiento isentrópico
Rendimiento volumétrico
Calor absorbido (kJ/kg)
Trabajo de compresión (kJ/kg)
COP
RÉGIMEN
RÉGIMEN
NOMINAL
PARCIAL
Exergía (kW) Exergía (kW)
22,60
23,24
17,83
14,05
17,83
9,99
14,05
10,88
9,99
0
10,88
0
32,55
22,02
60%
0,71
0,73
0,82
149,22
32,23
4,62
33,86
23,24
59%
0,71
0,71
0,80
150,93
33,96
4,44
COMPONENT
RATED STATE PARTIAL STATE
Condenser
Exergy (kW)
Exergy (kW)
Input
22.60
23.24
Output
17.83
14.05
Expansion Mechanism
Input
17.83
14.05
Output
9.99
10.88
Evaporator
Input
9.99
10.88
Output
0
0
Compressor
Input
32.55
33.86
Output
22.02
23.24
Performance
60%
59%
Refrigerant flow (kg/s)
0.71
0.71
Isentropic performance
0.73
0.71
Volumetric performance
0.82
0.80
Absorbed heat (kJ/kg)
149.22
150.93
Compression work (kJ/kg)
32.23
33.96
COP
4.62
4.44
NGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
139
EVALUACIÓN TERMODINÁMICA DE SISTEMAS DE CLIMATIZACIÓN ... / A THERMODYNAMIC EVALUATION OF CHILLED WATER CENTRAL ...
En español
In English
Analizando la tabla 1 puede observarse cómo al variar las condiciones de trabajo de la instalación, de régimen nominal a parcial, disminuyó la eficiencia de ésta tanto en el estudio energético como en el exergético, lo que a su vez se traduce en un aumento del consumo energético de la instalación. Esto puede
corroborarse comparando el trabajo realizado por el compresor
al variar las condiciones nominales de la instalación, que aumentó aproximadamente en un 5%.
Table 1 shows that modifying working conditions in the installation (from nominal to partial scheme) resulted in decreased efficiency in both energy and exergy studies, in turn, resulting in
increased energy consumption. This can be corroborated by
analysing compressor work when nominal installation conditions
were modified; in fact, it increased by around 5%.
Análisis de irreversibilidades por componentes
Irreversibility component analysis
Haciendo uso de las funciones obtenidas en Matlab se determinan las irreversibilidades locales por cada componente con el
objetivo de evaluar la destrucción de exergía en cada uno de
ellos y cuantificar cuánto representa cada componente en las
irreversibilidades totales del sistema. Asimismo, la tabla 2 brinda
la comparación desde este mismo punto de vista entre los regímenes de trabajo estudiados con el objetivo de ubicar aquellos
componentes que fueron más sensibles ante las variaciones experimentadas por la instalación.
Using Matlab functions led to determining local irreversibility for
each component to evaluate exergy destruction and to quantify
each component’s impact on total system irreversibility. Table 2
provides a comparison between working schemes which have
been studied to date to locate components that were more influenced by changes in the installation.
Tabla 2. Análisis de irreversibilidad por componentes
Table 2: Irreversibility component analysis
Componentes
Condensador
Mecanismo de expansión
Evaporador
Compresor
IT
Régimen nominal
IL (kW)
4,76
7,84
9,99
10,52
33,12
Régimen parcial
% (IL/ IT)
14,38
23,68
30,16
31,77
IL (kW)
9,18
3,17
10,85
10,62
33.83
% (IL/ IT)
27,15
9,38
32,07
31,39
Component
Condenser
Expansion mechanism
Evaporator
Compressor
IT
Rated state
IL (Kw)
4.76
7.84
9.99
10.52
33.12
Partial state
% (IL/ IT)
14.38
23.68
30.16
31.77
IL (kW)
9.18
3.17
10.85
10.62
33.83
% (IL/ IT)
27.15
9.38
32.07
31.39
Nota: IL: Irreversibilidad local, IT : Irreversibilidad total
Note: IL: local irreversibility IT: total irreversibility
Como se puede observar en la tabla 2, el compresor es el elemento más irreversible en un sistema de refrigeración por compresión de vapor debido a que se le suministra energía de alta
calidad (exergía pura), la cual es transferida al refrigerante; y
posteriormente, parte de ésta, es cedida en el proceso de condensación sin realizar trabajo útil. El evaporador y el mecanismo
de expansión, respectivamente, siguen al compresor con pérdidas exergéticas significativas, sumando entre todas 85,62% de las
irreversibilidades totales del sistema. Como punto interesante en
el estudio se observa cómo el condensador funge como elemento organizador en el proceso (menos irreversible), con el fin de
llevar a la sustancia de trabajo a condiciones favorables para que
se logre el efecto final de la instalación.
Table 2 shows that the compressor is the most irreversible element in a refrigeration system through vapour compression since
it is provided with quality energy (pure exergy) that is transferred
to the coolant and then part of it is transferred during condensation, performing no useful work. The evaporator and expansion
mechanism, in that order, are next in the list presenting significant exergy losses. These three elements represent 85.62% of all
total system irreversibility. An interesting feature highlighted in
this study was capacitor function as process organiser (less irreversible) to conduct the working fluid to favourable conditions
and eventually achieve the final installation effect.
Figura 5. Irreversibilidades relativas por componentes.
Figure 5: Irreversibility-related component
Analizando la tabla 2 desde el punto de vista de cómo varía el
comportamiento exergético de cada componente al cambiar las
It was observed when analysing Table 2 regarding each component’s exergy variation that the most sensitive components were
140
INGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
ARMAS, LAPIDO, GÓMEZ, VALDIVIA
En español
In English
condiciones de operación del sistema, se detecta que los componentes más sensibles son el condensador y el mecanismo de
expansión, según se muestra en la figura 5.
the condenser and expansion mechanism as a system’s operating
conditions varied (Figure 5).
Dada la alta sensibilidad de estos componentes ante las variaciones descritas, es muy importante controlar las condiciones de
trabajo del sistema de climatización, actuando sobre aquellos
parámetros que afecten la eficiencia de éste.
Given these components’ great sensitivity to the previously described type of variations, it became very important to control air
conditioning system working conditions and modify parameters
negatively affecting its efficiency.
Del circuito de refrigeración, el condensador es un elemento
muy sensible a cambios de presión, por cuanto su operación
depende de la temperatura ambiente y en función de ella va a
variar la presión en él, pudiéndose actuar sobre estos cambios
con el control de velocidad de los equipos que impulsan el fluido de enfriamiento del condensador (de (ventiladores o bombas
cuando sea enfriado por aire o agua respectivamente), tomando
como variable de control la presión de condensación.
As part of the cooling circuit, the capacitor is a very sensitive
element, mostly to pressure changes; its functioning and pertinent pressure changes therefore depend on environmental temperature. One change that could be introduced would be controlling the speed of the machinery pumping the condenser’s
cooling fluid (fans or pumps when it comes to air or water cooling, in that order). Condensation pressure would be considered
as control variable.
El mecanismo de expansión resulta un caso particular. Para que
el sistema opere debe existir un cambio brusco de sección
transversal que lleva a la sustancia de trabajo de un alto potencial energético a uno de menor calidad sin realizar trabajo útil, y
por tanto, una pérdida exergética tecnológicamente no aprovechable, sobre la cual no se puede incidir para reducirla.
The expansion mechanism constitutes a particular case. There
must be an abrupt change in cross-section for the system to operate, leading the working substance from high energy potential
to lower quality energy potential having no useful work. An unprofitable exergy loss thus occurs (from a technological point of
view). There is no way of reducing this loss.
Conclusiones
Conclusions
1. El análisis de destrucción de exergía por componentes del
ciclo de refrigeración por compresión de vapor indica como más
irreversible al compresor y al evaporador, los cuales reportan
una incidencia alrededor de un 60% de las irreversibilidades
totales del sistema, por tanto deben ser monitoreados ante cualquier variación en la instalación.
1. The analysis of exergy destruction for each refrigeration cycle
component through vapour compression indicated that the most
irreversible elements were the compressor and the evaporator.
Both elements accounted for around 60% of total system irreversibility; they should therefore be monitored for any variation
in the installation;
2. El análisis de sensibilidad ante la variación de las condiciones
de trabajo de la instalación mostró cuán sensible puede resultar
el cambio de parámetros de trabajo en el consumo energético
de la instalación; para el caso analizado el cambio de presiones
de trabajo del sistema trajo consigo un aumento de éste realizado por el compresor en el orden de un 5%, aumentando por
dicho efecto la potencia consumida por esta máquina y disminuyendo el coeficiente de funcionamiento del ciclo en el orden de
un 4% .
2. The analysis of installation sensitivity to changes in working
conditions showed how sensitive changing working parameters
may be regarding energy consumption. In this specific case, the
change in the system’s operating pressure resulted in an increase
in the compressor’s work (around 5%), thereby increasing power
consumption and decreasing the cycle’s operation coefficient by
around 4%;
3. La creación de la función desarrollada en Matlab obtenida en
el cuerpo del trabajo resulta una herramienta muy útil y flexible
para su adaptación a otros estudios en la evaluación de sistemas
de climatización, constituyendo así una primera fase de una
posterior optimización termoeconómica de sistemas de climatización centralizados.
3. Creating the function developed in Matlab led to a very useful, flexible tool to be adapted to other studies evaluating air
conditioning systems. It also constitutes the first stage of subsequent thermo-economic optimisation of central air conditioning
systems;
4. Se muestran las potencialidades del uso de herramientas de
inteligencia artificial para la determinación de propiedades y
simulación de sistemas térmicos con un alto grado de precisión,
integrando modelos de RNA y AG en el desarrollo de modelos
físicos por componentes y del modelo termodinámico del sistema, lo cual resultaría de forma más compleja por otros métodos
convencionales.
4. Artificial intelligence tools provide the potential for determining properties and high accuracy thermal system simulation.
ANN and AG models have thus been integrated into developing
physical models of components and thermodynamic modelling
of systems. This procedure would be more complex if developed
with other conventional methods; and
5. El alto consumo energético de los sistemas de climatización
demuestran la necesidad de investigar, tanto la concepción del
diseño conceptual del sistema, como los costos exergoeconómicos y el impacto global total sobre el medio ambiente que
representan estos sistemas.
5. Air conditioning systems’ high energy consumption proves
that there is a need for research from the perspective of conceptually designing a system’s exergoeconomic costs and general
impact on the environment that these types of system represent.
NGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)
141
EVALUACIÓN TERMODINÁMICA DE SISTEMAS DE CLIMATIZACIÓN ... / A THERMODYNAMIC EVALUATION OF CHILLED WATER CENTRAL ...
Referencias / References
Armas Teyra, M. A., Gómez Sarduy, J. R., Mariño Stand, L.
Sepúlveda Chaverra, J., Inteligencia Artificial Aplicada al
Análisis de Sistemas Energéticos con Matlab., 2006, pp. 6899.
ASHRAE Handbook Fundamentals., Thermophysical Properties of
Refrigerants., 2009, pp. 30.1- 30.75.
Boer, D., Exergy and structural analysis of an absorption cooling
cycle and the effect of efficiency parameters., Int. J. of Thermodinamics, ISSN 1301- 9724, Vol. 8, No. 4, 2005, pp.
191- 198.
D'Accadia, M.D., Vanoli, L., Thermoeconomic optimization of the
condenser in a vapour compression heat pump International., Journal of Refrigeration, 27, 2004, pp. 433- 441.
Kelly, S., Tsatsaronis, G., Morosuk. T., Advanced exergetic analysis: Approaches for splitting the exergy destruction into endogenous and exogenous parts., Elsevier Ltd., Energy 34,
2009, pp. 384- 391.
Kotas, T.L., The exergy method of Thermal Power Plants Analysis.,
ed. Ed. Anchon Brendon, Londres,1985.
Lapido, M. J., Termodinámica Avanzada., Centro de Estudios de
Energía y Medio Ambiente, Ed. Universidad de Cienfuegos,
Cuba, 2006, pp. 4-81.
Morosuk. T., Tsatsaronis, G., Advanced exergetic evaluation of
142
refrigeration machines using different working fluids., Energy,
Elsevier Ltd., 2009, pp. 1- 11.
Sepúlveda Chaverra, J., Inteligencia Artificial Aplicada al Análisis
de Sistemas Energéticos con Matlab., 2006, pp. 68-99.
Szargut, J.T., Optimization of the design parameters aiming at
the minimization of the depletion non-renewable resources.,
Energy, 2004.
Tsatsaronis, G., Park, M.H., On avoidable and unavoidable
exergy destructions and investment costs in thermal systems.,
Energy Convers Manage, 43, 2002, pp. 1259–70.
Valero, A., Lerch, F., Serra L., Royo, J., Structural theory and
thermoeconomic diagnosis, Part II: Application to an actual
power plant., Energy convension and management, 43,
2002, pp. 1503- 1518.
Yumrutas, R.M., Kunduz, M., Kano, M., Exergy analysis of vapor
compression refrigeration systems., Exergy, an International
Journal 2, 2002, pp. 266-272.
Xia, Z.-H. Z., Y., The application of artificial neural network in
HVAC system., Machine Learning and Cybernetics, Vol. 8,
2005, pp. 4800-4804.
Zubair, S.M., Thermodynamic optimization of finite time vapor
compression refrigeration systems., Energy conversion and
management, 2000.
INGENIERÍA E INVESTIGACIÓN VOL. 31 No. 2, AUGUST 2011 (134-142)