Using Charge Determination Design of Experiments to Develop A Refrigerant Charge Health Status Model for Heat Pump Systems
Notice bibliographique
Résumé
Refrigerant based heat pump systems are becoming an integral system in electric vehicle architectures due to their high efficiencies in providing heating and cooling to people and components within the car. An important component in heat pump systems that determines optimal efficiency is the amount of refrigerant. As such, the capability to model refrigerant charge helps quantify the health status of the heat pump system, whereby the lack or over abundance of refrigerant in a heat pump refrigerant system leads to various other component failures, e.g., liquid slugging, compressor overheating, material fatigue in heat exchanger, and degraded/stuck expansion valves. In designing a heat pump system, engineers need to perform a set of design of experiments to determine an optimal refrigerant charge based on a set of performance metrics in the presence of certain noise factors. This optimal refrigerant charge provides conditions where the heat pump system operates efficiently in both heating and cooling, in addition to facilitating operational conditions that will not lead to secondary component degradation or damage. The search for optimal refrigerant charge is classified as refrigerant charge determination, whereby engineers incrementally increase the refrigerant in the heat pump system in operation of heating/cooling and collect data about performance metrics. Some of the key performance metrics used to determine efficiency of a heat pump system include i) compressor inlet superheat temperature, ii) condenser outlet subcool temperature, iii) compressor high side pressure, iv) compressor low side pressure, v) condenser outlet pressure, and vi) condenser quality estimate. Furthermore, this process follows design of experiments concepts and is performed for both heating and cooling modes of operation. In this paper, we leverage refrigerant charge determination as a training data source to develop refrigerant charge models, where several performance metrics are health indicators used as model inputs and the amount of refrigerant added to the heat pump system are ground truth refrigerant charges used as model outputs. In this paper we develop regression models to estimate the total refrigerant charge, which is used to classify different health states of refrigerant based on levels of performance degradation corresponding to specific refrigerant charge thresholds. We trained a robust linear regression model using this charge determination data and found that the worst case estimation error was less than 10% with respect to the refrigerant charge grouth truth.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».