樊文科
广东美的暖通设备有限公司，广东佛山528300
摘要：该研究提出了一种光伏热转轮除湿空调系统，以降低建筑空调能耗。通过数学建模的方式研究了光伏集热器的设计参数对转轮除湿空调系统的性能的影响。仿真结果表明太阳能光伏集热器（PVT-SAH）驱动的转轮除湿空调系统可以有效降低建筑空调能耗。
关键字：光伏集热器； 除湿冷却系统；系统能耗仿真。
引言
传统的蒸汽压缩空调系统通过深度冷却过程来处理建筑潜热负荷，然后再加热到所需温度以进行室内温度调节，该空气调节过程能耗巨大[1]。利用太阳能热驱动的转轮除湿空调系统因其较低的能耗而被视为蒸汽压缩空调系统的一种理想替代品。然而光伏热驱动的转轮除湿空调系统由多个组件或子系统组成，其系统设计会影响其整体能耗水平，因此需要用仿真的方法对该系统的能耗水平进行分析。
系统介绍
图1显示了太阳能辅助旋转转轮除湿空调系统的概念图。 该系统由以下两个子系统组成：一个 PVT-SAH 系统和一个转轮除湿空调系统，该系统同时与空调热区相连。PVT-SAH系统可产生高温空气用于旋转干燥剂轮中干燥剂的再生过程，并为辅助电加热器提供电能。太阳能驱动的转轮除湿空调系统在运行过程中，室外空气或回风首先被转轮中干燥剂除湿（图1中的过程1-2），并提高其干球温度。然后在热回收单元中通过与室内排风进行热交换来冷却除湿后的空气（图1中的过程2-3）。在进入空气分配系统之前，处理空气通过间接和直接蒸发冷却器（IDEC 和 DEC），这些冷却器将控制处理空气达到所需的干球温度。在转轮再生侧，当来自 PVT-SAH 的热空气不足以去除干燥剂轮中的水分时，将打开辅助电加热器，以保证节点 2 的设定湿度可以满足（图 1）。在主空气回路的出口处（图 1 中的节点 5），供冷空气被输送到一个办公室房间（东），以满足空间的空调负荷。
.png)
研究方法
该研究采用系统仿真的方法对光伏热驱动的转轮除湿空调系统的能耗和空气调节性能进行研究。PVT-SAH系统的模型是在 MATLAB 中建立，而转轮除湿空调系统的模型在用 EnergyPlus中进行搭建。建筑控制虚拟试验台(BCVTB)[2]被用来实现 MATLAB 模型和 EnergyPlus 模型之间的耦合计算。
结果分析
1）PVT-SAH和转轮系统性能分析
在澳大利亚达尔文的气候条件下，优化设计后的PVT-SAH系统年产热能和发电量分别为350.6和48.8GJ。如表 2 示，转轮除湿空调年制冷量为73.2 GJ，光伏年利用为41.2 GJ。系统的月度热COP 计算结果介于 0.16 和 0.26 之间。电 COP可以用来反应系统的运行经济性。系统全年的电 COP 为 19.8，表现出了比典型的商业建筑的传统蒸汽压缩空调系统(COP在2.5-3之间)更好的性能。
表 1 太阳能热驱动的转轮除湿空调系统能耗性能
Month Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Annual
制冷量
(GJ) 5.0 5.1 5.4 6.6 7.6 7.5 7.3 6.8 6.0 5.3 5.4 5.1 73.2
光伏热 (GJ) 5.1 5.4 5.0 4.1 2.8 1.4 1.8 1.9 2.6 2.7 3.7 4.8 41.2
电加热器 (GJ) 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 0.95 11.34
2.1 1.9 2.6 5.9 N/A N/A N/A N/A N/A N/A 8.34 2.0 19.8
0.16 0.16 0.16 0.20 0.20 0.26 0.22 0.19 0.17 0.16 0.16 0.18 0.18
SF () 92.5 91.5 94.0 96.6 100 100 100 100 100 100 98.1 91.3 96.6
2）光伏集热器面积影响研究
转轮除湿空调系统的太阳能利用率的增速随着PVT-SAH面积的增加表现出了递减趋势。电能COP随着PVT-SAH面积的增加而显着增加，当PVT-SAH的尺寸为72 m2时达到33。以传统的蒸汽压缩空调系统作为基准（COP 在 2.6 和 3.0 之间），使转轮除湿空调系统优于基准所需的 PVT-SAH 系统的最小面积为 48 平方米。
.png)
结论
研究结果表明，太阳能驱动的转轮除湿空调系统可以有效地满足建筑空调负荷并实现建筑能耗的降低。但是该系统的实际应用仍受到投资成本的影响，需要在接下来的研究中对其全生命周期的投资合理性进行深入分析。
引用
[1] Al-Nimr, M., Nabah, B.A., Naji, M., 2002. A novel summer air conditioning system. Energy conversion and management 43(14), 1911-1921.
[2]Anastasiadi, C., Dounis, A.I., 2018. Co-simulation of fuzzy control in buildings and the HVAC system using BCVTB. Advances in Building Energy Research 12(2), 195-216.