冷媒不足耗電的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列包括價格和評價等資訊懶人包

太陽能光電結合淺層溫能之顯熱儲能空調系統性能研究

為了解決冷媒不足耗電的問題，作者黃柏鈞 這樣論述：

台灣空調用電約佔全國總用電近三分之一，但空調機使用時機不一定與太陽輻射同步，白天太陽能光電發電大量輸出，如不需使用空調機或其他高耗能家電，太陽能光電發電系統所發之電就必須饋入現有電網，將造成電網不穩，且電網饋線不足太陽能光電所發之電也難以輸送，電網強化又需鉅額成本與時間；若多餘太陽能光電發電不饋入電網，就必須設置昂貴的蓄電池蓄電。如果能將多餘的太陽能發電來推動空調機，進行儲存溫差運轉來解決上述之困難，且利用淺層溫能來加強儲冷、儲熱效能同時處理排出的冷、熱能，更有效的處理能源問題，為一項重要的技術。 因此本研究旨在開發新型「太陽能光電結合淺層溫能之儲溫空調系統」，整合於隔離混合型太陽光能

發電系統，發電自用、不回售電網、用水當介質，形成可儲存溫差之太陽能空調系統，並以淺層溫能來加強儲冷及房，研究中將空調機改裝成具有儲存溫差並且可釋出用於冷暖房的功能；當太陽能發電系統有多餘電力時，用來驅動系統並將溫差儲存於儲能桶內，等需要開啟空調時，利用所儲存的溫差來降低空調耗電，再以淺層溫能補足空調室外機設計不足之處、提高效能。本研究共執行兩種基礎測試、三種溫差儲存測試及兩者整合後的整體效能測試，再針對實驗設計未詳盡考量的地方進行優化改良及建議。由以上實驗結果得知，儲能系統在釋冷測試時〖COP〗_RC為6.01，與基礎測試〖COP〗_BC的4.36上升了37.86%，釋熱測試時〖COP〗_RH

為5.66，與基礎測試〖COP〗_BH的4.23上升30.71%；此儲能設備成本與目前已商業化的家用儲能設備比較，僅約有30%的價格，且由上述的實驗結果，家庭空調用電每年可節省636度電，由此證明儲能空調系統可由儲存、釋放溫差以轉移太陽能光電所發之電及提升空調機性能的可行性，同時省下太陽能光電系統儲電的成本以及後續維護的問題。

應用量子類神經於冰水主機耗電量模型之建立

為了解決冷媒不足耗電的問題，作者陳祥立 這樣論述：

由於節能議題越來越被重視，而空調系統在工商業大樓中佔有絕大部份的耗電量，已經有越來越多的空調系統節能策略被提出，而為了因應各種節能策略，如何快速的蒐集數據並建立準確的數據模型是相當重要的。　　本文介紹一種少數據建模的方法，此方法使用原數據量約1% 的數據便能建立出準確的數據模型，能夠解決一般蒐集數據時，數據數量不足以及花費大量時間的問題。而實驗也使用了量子類神經網路與倒傳遞類神經網路之建模方法使準確度更為提升。　　本實驗使用臺北某飯店的冰水主機數據進行分析，首先使用一般方法蒐集數據，以散佈圖分析出適當的數據點做為少數據建模使用，並與一般數據建模的誤差做比較，找出最佳的取點模式，實驗結果顯示6

x6的取點方式為最佳，少數據建模預測的平均絕對百分誤差1.1756%，一般建模預測的平均絕對百分誤差1.0479%，在少數據的同時仍能保持相近的誤差。將最佳的取點方式搭配量子類神經網路做建模與預測，並與倒傳遞類神經網路做誤差比較，其誤差量子優於倒傳遞28%，結果符合預期也成功解決在蒐集數據時所遇上數據不足的問題。