Исследователи из L’Ecole polytechnique fédérale de Lausanne (EPFL, Швейцария) разработали метод, который использует искусственный интеллект для разработки компрессоров тепловых насосов следующего поколения. Их метод может снизить энергопотребление насосов примерно на 25%, передает ресурс Science Daily.
В Швейцарии около 50-60% новых домов оснащены тепловыми насосами. Эти системы «впитывают» тепловую энергию из окружающей среды – например, из земли, воздуха или близлежащего озера или реки – и превращают ее в тепло для обогрева зданий.
В то время как современные тепловые насосы в целом работают хорошо и являются одним из альтернативных источников энергии, они все еще имеют значительные возможности для улучшения. Например, используя микротурбокомпрессоры вместо традиционных систем сжатия, инженеры могут снизить требования к мощности тепловых насосов на 20-25%, а также уменьшить их воздействие на окружающую среду. Это связано с тем, что турбокомпрессоры технологично более эффективны и в десять раз меньше, чем поршневые устройства. Но внедрить эти мини-компоненты в конструкцию тепловых насосов непросто: осложнения возникают из-за их крошечных диаметров (менее 20 мм) и высоких скоростей вращения (более 200 тыс. об./мин).
В Лаборатории прикладного механического проектирования EPFL группа исследователей во главе с Юргом Шиффманном разработала метод, который облегчает и ускоряет добавление турбокомпрессоров к тепловым насосам. Используя процесс машинного обучения, называемый символической регрессией, исследователи пришли к простым уравнениям для быстрого расчета оптимальных размеров турбокомпрессора для какого-либо теплового насоса. Их исследования недавно получили награду за лучший доклад на конференции Turbo Expo 2019, проводимой Американским обществом инженеров-механиков.
Метод исследователей существенно упрощает первый шаг в разработке турбокомпрессоров. Этот шаг, который включает в себя приблизительный расчет идеального размера и скорости вращения для требуемого теплового насоса, чрезвычайно важен, поскольку хорошая первоначальная оценка может значительно сократить общее время проектирования. До сих пор инженеры использовали расчетные диаграммы для определения размеров своих турбокомпрессоров – но эти диаграммы становятся все более неточными с уменьшением размеров оборудования. И графики не идут в ногу с новейшими технологиями.
Вот почему два аспиранта EPFL – Виолетта Муниер и Сирил Пикард – работали над альтернативами. Они внесли результаты 500 000 симуляций в алгоритмы машинного обучения и сгенерировали уравнения, которые копируют диаграммы, но имеют ряд преимуществ: они надежны даже при небольших размерах турбокомпрессора; они так же подробны, как и более сложные симуляции; и они в 1500 раз быстрее старых способов. Метод исследователей также позволяет инженерам пропустить некоторые этапы обычных процессов проектирования. Это открывает путь к более простому внедрению и более широкому использованию микротурбокомпрессоров в тепловых насосах.
Заметим, что обычные тепловые насосы используют поршни для сжатия жидкости, называемой хладагентом, и запускают цикл сжатия пара. Для правильной работы поршни должны быть хорошо смазаны, но масло может прилипать к стенкам теплообменника и ухудшать процесс теплопередачи. А микротурбокомпрессоры, диаметр которых составляет всего несколько десятков миллиметров, могут работать без масла; они вращаются на газовых подшипниках со скоростью сотен тысяч оборотов в минуту. Вращательное движение и газовые слои между компонентами означают, что трение практически отсутствует. В результате эти миниатюрные системы могут повысить коэффициенты теплопередачи тепловых насосов на 20-30%.
Эта технология микротурбокомпрессоров была в разработке в течение последних нескольких лет и в настоящее время окончательно состоялась. «С нами уже связались несколько компаний, которые заинтересованы в использовании нашего метода», – сказал Шиффманн. Благодаря работе исследователей компаниям будет легче внедрить технологию микротурбокомпрессоров в свои тепловые насосы.Более подробно с результатами исследования можно ознакомится в опубликованной научной статье.
