南方湿热地区单级与双级固体除湿系统性能对比

杨晚生 凌子鹏 黎 毅 王 婧

(广东工业大学土木与交通工程学院 广州 510006)

建筑能耗占比已达社会总能耗的33%[1]，其中空调系统能耗占建筑能耗的40%～60%[2]。在我国大部分南方地区的空调季节，除湿部分的能耗占空调总能耗的30%～50%[3]，可见减少空调系统除湿能耗可在一定程度上降低社会总能耗。

一方面，传统空调系统存在能耗高、空气热湿比难以控制及破坏环境等问题[1,4-6]，温湿独立控制空调系统能够适应室内变化的热湿比，避免降温、再热与除湿、加湿抵消造成的进一步能源损失[1]。固体除湿空调系统作为温湿度独立控制空调系统的一种得到学者们的关注。

另一方面，我国数据中心的总能耗仍随着规模和密度的增大而不断增大，其中空调系统约占总能耗的40%[7]，空调系统的节能技术直接影响数据中心的PUE(用能效率，power usage effectiveness)和GCOP(数据中心冷却系统综合性能系数，general coefficient of performance)。但现有数据中心空调系统多采用传统的恒温恒湿空调设备，存在自然能源利用率低、冷却介质间的多次换热降低传热效率、气流组织分配不均引起能耗增加的问题[8]，蒸发冷却耦合固体除湿的空调系统为解决数据中心能耗剧增的问题提供了一种可能性，但两者均与气象条件紧密相连，不同气象地区的性能表现差异较大，因此本文以固体除湿系统为对象进行相关测试和研究。

固体除湿空调系统采用的除湿器主要有两种：固定床除湿和转轮除湿。相对于转轮式，固定床不包括转动装置，系统运行操作相对简单，初投资及运行费用较低[9]，P. Finocchiaro等[10]研究指出，固定床除湿减少了由于热应力降低而导致的硅胶降解，优于转轮除湿。

目前，已有研究者针对固体除湿进行了实验研究。李维等[11]以硅胶、4A分子筛和13X分子筛作为固体吸附除湿材料，实验研究了在给定结构的固定床中不同组合填装的吸附除湿性能，分析了吸附除湿阶段固定床出口温度、处理量随时间的变化规律。杨晚生等[12]设计了一种利用太阳能直接再生的固体除湿床，并搭建了除湿床性能测试平台，通过实验获得不同温、湿度和风速下空气通过除湿床所释放的汽化潜热和除湿过程空气温升等性能评价指标。L. Pistocchini等[13-14]综述了一种固定床吸附除湿器的发展和实验，该吸附床主体结构是管翅式热交换器，翅片间用硅胶颗粒填充，该床体可将再生温度降至55 ℃以下，且具有较小压降。C. H. Chen等[15]实验分析了空调系统使用的硅胶循环流化床体的除湿和再生性能，指出流化床能够在不消耗多余能量的前提下连续工作。此外,C. H. Chen等[16]将硅胶与聚丙烯酸和聚丙烯酸钠结合，研发了一种硅胶复合除湿剂，实验研究了其在不同风速、再生温度、入口温度和湿度下的除湿性能，结果表明节能潜力较大。Y. C. Chiang等[17]设计了一种循环倾斜流化床除湿系统，具有低功耗、高除湿能力、无尘的特点。Tu Rang等[18]提出一种采用固体除湿平板的热泵驱动多级新风处理装置，该装置能够通过调节进口空气的温湿度，以较低的能耗获得理想送风状态。I. Yaningsih等[19]研究了蜂窝式除湿器的传热传质特性，通过改变吸附温度和床体切换时间来评估除湿器的性能，结果表明切换时间对Nu和Sh影响较小。P. Vivekh等[20]研制了一种由亲水性高吸水性聚合物和吸湿性盐组成的复合高分子干燥剂，实验结果表明其吸附容量是硅胶的12倍，动力学速度是硅胶的2倍；通过对带除湿热交换器的空调进行深入的能量分析，发现采用复合聚合物的除湿热交换器具有50%的节能潜力。

本文设计并搭建了一种固体除湿系统，以耦合蒸发冷却空调系统降低数据中心能耗为目的，对其在广州过渡季节实际气候条件下的除湿性能进行了系统的实验研究和理论分析，为南方湿热地区蒸发冷却技术和固体除湿系统的耦合应用提供参考。

1 实验装置与测试仪器

1.1 实验装置

本文的固体除湿系统装置如图1所示，分别为双级固体除湿箱A和单级固体除湿箱B。

1进风口；2过滤纤维层；3挡板；4双级固体除湿箱抽屉；5风道；6出风口；7支脚；8单级固体除湿箱抽屉。

固体除湿系统基本工作原理为：室外新风从固体除湿装置进风口进入后，依次通过各级除湿层进行除湿，再从出口排出，除湿层抽屉采用模块化设计，除湿层内填充有固体除湿材料——硅胶，硅胶颗粒除湿饱和后可方便取出再生。该装置与用固定床除湿器相比，具有结构简单、操作简易、模块化设计、造价低廉的优点，可扩展蒸发冷却系统在南方湿热地区的应用范围和时长，提高冷却效率。

1.2 测试仪器

实验需要测量的参数主要包括进风口空气温湿度和风速、通过各级除湿抽屉空气的温湿度、出风口空气温湿度、除湿抽屉内各模块的温度和质量，测试仪器参数如表1所示。

表1 测试仪器参数

1.3 实验工况

提高数据中心制冷系统的自然冷源利用率已成为降低其能耗的重要方式之一。对于南方湿热地区，过渡季节的室外空气温度不高，但湿度较高，若想利用室外自然冷源，则需对室外空气进行除湿处理。因此，实验选择在广州过渡季节(3—5月份)进行，测试工况如表2所示，各工况以室外空气日均干球温度进行划分，日均干球温度相近的实验天数被归为同一组测试工况。

表2 测试工况

2 实验结果分析

除湿量、除湿效率、除湿速率、吸湿率和含湿比是研究固体除湿性能的主要指标，其中除湿效率是核心指标，本文采用除湿效率、吸湿率和含湿比对固体除湿系统的性能进行评价。

2.1 除湿效率

除湿效率是指除湿过程中某时刻除湿量与该时刻空气除湿前绝对含湿量的比值，该指标反映除湿箱实际除湿能力接近理想除湿能力的程度，计算式为：

(1)

式中：ηd为除湿效率，%；Δω为固体除湿系统的除湿量，是某一时刻固体除湿箱进出口空气含湿量的差值，g/(kg干空气)；ωin为固体除湿系统进口空气的含湿量，g/(kg干空气)。

根据式(1)可绘制出各工况下除湿效率随时间的变化曲线，如图2所示。

图2 固体除湿箱除湿效率随时间的变化

由图2可知：

1)系统除湿效率随时间快速增至最大值，然后不断减小，并逐渐趋于稳定，除湿效率曲线在320 min时趋于稳定。

2)在工况3测试条件下，固体除湿箱A在实验开始25 min时达到最大除湿效率22.2%，为同工况下箱体B最大除湿量的2.0倍，平均除湿效率为11.1%，约为固体除湿箱B平均除湿效率的2.8倍。

3)固体除湿箱B在工况3下的平均除湿效率最大，为3.8%，最大除湿效率出现在工况2条件下，为11.8%，约为固体除湿箱A最大除湿效率的53.2%。

各工况下固体除湿系统的平均除湿效率如图3所示。

图3 各工况平均除湿效率对比

分析测试结果可知：

1)在测试工况1和工况3～7下，双级固体除湿箱A的平均除湿效率均比单级固体除湿箱B大；在工况3和工况5的实验条件下，双级固体除湿箱A具有较好的除湿性能，说明增大除湿的处理级数可有效提高装置的除湿性能。

2)双级固体除湿箱A和单级固体除湿箱B在工况3下均表现出较好的除湿性能；单级固体除湿箱B在工况4下的除湿效率为负值，主要原因是室外空气干球温度偏高，除湿材料再生不够完全，出现反向加湿空气的现象。

2.2 吸湿率

吸湿率是指除湿过程中某时刻除湿材料的总吸湿量与完全干燥状态下除湿材料的质量之比，该指标反映某时刻除湿材料的吸湿能力，计算式为：

(2)

式中：wd为吸湿率，%；mτ为某时刻除湿材料的质量，kg；mg为完全干燥状态下硅胶的质量，kg。

吸湿率采用取样称重法进行测试。各工况吸湿率随时间的变化如图4所示。由图4可知，吸湿率随时间不断增大，当除湿材料在对应空气水蒸气分压力下逐渐达到饱和状态时，吸湿率增大速率逐渐变慢，约在6 h达到稳定；在工况3测试条件下，固体除湿箱A具有较高的吸湿率，最大值为23.7%，为同工况下固体除湿箱B吸湿率的1.3倍，固体除湿箱B在工况3下吸湿率也达到最大，为18.0%；工况2测试条件下两箱体达到吸湿饱和的时间均为3 h。

图4 固体除湿箱吸湿率随时间的变化

图5所示为各工况平均吸湿率的对比，分析可知：在工况1和工况4测试条件下，固体除湿箱的吸湿率均较低，工况1下两箱体的平均吸湿率分别为4.4%和2.9%，工况4下分别为2.5%和3.1%，表明除湿箱在空气绝对含湿量低的情况下，吸湿能力变弱。

图5 各工况平均吸湿率对比

2.3 含湿比

含湿比是指除湿过程中某时刻的总吸湿量与除湿材料在有效除湿时间的总吸湿量之比，该指标反映了除湿材料的利用程度，计算式为：

(3)

式中：MR为含湿比；mτ为某时刻除湿材料的质量，kg；m0为初始除湿状态下除湿材料的质量，kg；me为除湿材料除湿结束时的质量，kg。

各工况含湿比随时间的变化如图6所示。由图6可知：

图6 固体除湿箱含湿比随时间的变化

1)固体除湿系统含湿比整体随时间不断增大直至接近1，增长速度随时间逐渐减小。

2)两固体除湿箱的含湿比均在工况2下最快达到1，这是因为在工况2测试条件下，除湿材料在室外空气对应水蒸气分压力下很快饱和，表明除湿箱在工况2下最大除湿利用程度的时间较短。

3)工况4下，在实验进行约2 h时，固体除湿箱A和箱B内除湿材料的含湿比曲线分别呈现上升和下降波动的变化，原因为固体除湿箱A从测试开始3 h后出现降雨情况，对应室外空气水蒸气分压力增大，含湿量增加，系统除湿效率有所增加，除湿材料吸湿后质量增大并超过实验结束时的质量，进而导致固体除湿箱A的含湿比出现大于1的情况，但降雨停止后，太阳暴晒使空气温度骤升，含湿量和水蒸气分压力下降，该状态下的空气掠过除湿材料表面时进了“再生”，将原来因降雨而吸收的空气水分又再次带走，含湿比回降至1；对于固体除湿箱B而言，测试中出现材料倾撒的情况导致曲线在2 h后有所下降。

2.4 理论计算模型

根据吸湿率和含湿比的逐时变化曲线可知，在不同的测试工况下二者均呈指数变化，根据该变化过程，建立了关于吸湿率和含湿比的理论数学模型：

wd=w∞(1-e-βτ)

(4)

式中：wd为任意时刻固体除湿箱内除湿材料的理论吸湿率，%；τ为时间，h；w∞为τ→∞时固体除湿箱内除湿材料的吸湿率，%；β为固体除湿箱内除湿材料吸湿率的时间常数。

MRd=MR∞(1-e-ατ)

(5)

式中：MRd为任意时刻固体除湿箱内除湿材料的理论含湿比；τ为时间，h；MR∞为τ→∞时固体除湿箱内除湿材料的含湿比；α为固体除湿箱内除湿材料含湿比的时间常数。

根据上述方法计算求解得各测试工况下对应的βm和αm，如表3所示。在确定时间常数后，可得到各工况下的理论计算模型，将其与实验测试下获得的数据进行对比分析，如图7所示。

表3 各测试工况下β和α的值

图7 固体除湿箱理论吸湿率和实际吸湿率的对比

由图7可知，除工况4外，测试工况下理论计算模型与实际测试数据变化趋势吻合较好。

图8 固体除湿箱理论含湿比和实际含湿比的对比

为更进一步验证理论计算模型的可靠性，本文计算求解了各测试工况理论值与测试值的平均相对误差，如图9所示。分析可知，除工况4外，绝大部分测试工况的平均相对误差在10%以内，说明理论计算模型具有一定可靠性。

图9 各测试工况下的平均相对误差

根据所建立的理论计算模型，本文以求取平均值的方法整合了吸湿率和含湿比曲线相近的测试工况理论计算模型参数，如表4～表7所示。工程人员可根据固体除湿箱运行的实际气象条件，与表中的干球温度及相对湿度进行参照对比，选取相应合适的理论计算模型参数β、w∞、α和MR∞，并代入理论计算模型式(4)和式(5)中，结合固体除湿箱的具体运行时间，对箱体运行过程中的wd和MRd进行判断和分析。

表4 固体除湿箱A在不同工况的吸湿率计算模型参数

表5 固体除湿箱B在不同工况的吸湿率计算模型参数

表6 固体除湿箱A在不同工况的含湿比计算模型参数

表7 固体除湿箱B在不同工况的含湿比计算模型参数

3 结论

本文对一种应用于数据中心的固体除湿系统在广州地区过渡季(3—5月份)的工况下进行了除湿性能测试，建立了关于吸湿率和含湿比的理论计算模型，得到结论如下：

1)双级固体除湿箱A最大除湿效率为22.2%，是单级除湿箱B最大除湿效率的2倍；在平均干球温度25.2 ℃和平均相对湿度56.4%～74.9%的情况下，双级固体除湿系统的平均除湿效率为11.0%，为同工况下单级除湿系统的2.8倍；除湿效率随处理级数的增大而增大。未来可对固体除湿箱的处理级数和压降进行更进一步研究，以提高系统的运行性能。

2)固体除湿系统吸湿率随时间不断增大，吸湿率增长速度不断减小，在6 h左右达到稳定；双级除湿系统的最大吸湿率为23.7%，为同工况下单级除湿系统的1.3倍；双级除湿系统的平均吸湿率分别为2.5%～4.4%，单级除湿度系统的平均吸湿率分别为2.9%～3.1%；除湿系统在空气入口含湿量较低的情况下除湿能力较弱，在实际工程应用中，可减少固体除湿箱在含湿量较低工况下的运行时间，以提高除湿材料的利用率。

3)双级除湿系统的吸湿率时间常数β在0.33～1.18间，含湿比时间常数α取值在0.41～1.30间；单级除湿系统的吸湿率时间常数β在0.35～1.00范围内，含湿比时间常数α取值在0.37～1.10间。

4)吸湿率理论计算模型和含湿比理论计算模型能够较好地拟合实际吸湿率和含湿比的变化曲线，平均相对误差在10%以内。

本文受欧盟2020研究和创新基金项目：Horizon 2020研究与创新项目计划——数据中心低能耗露点冷却技术研究(734340-DEW-COOL-4-CDC-MSCA-RIS)、广东机场白云信息科技有限公司：机场能源管理系统节能优化及控制模型研究项目(P-BYGHT-XX1020190170)资助。(The project was supported by EU 2020 Research and Innovation Fund Projects: Horizon 2020-Research and Innovation Framework Programme， Low Energy Dew Point Cooling for Computing Data Centres (No. 734340-DEW-COOL-4-CDC-MSCA-RIS) and Guangdong Airport Baiyun Information Technology Co., Ltd.: Airport Energy Management System Energy Saving Optimization and Control Model Research Project(No. P-BYGHT-XX1020190170).)