用 CoolProp 完成一次制冷循环计算：从安装到COP的完整实践指南

用 CoolProp 完成一次制冷循环计算：从安装到COP的完整实践指南

【免费下载链接】CoolPropThermophysical properties for the masses项目地址: https://gitcode.com/gh_mirrors/co/CoolProp

如果你做过制冷系统或热泵的课程设计，大概率经历过这样的夜晚：为了查 R134a 在 5°C 饱和蒸气的焓值，你翻开厚厚的热力性质表，在密密麻麻的数字里来回寻找，然后对表、插值、抄数据、再核对——六个状态点下来，一个小时就没了。更麻烦的是，表上的数据是定温定压的，一旦循环参数变化，整套查表工作就得重来。

CoolProp就是为解决这类问题而生的开源热力学计算库。它能在一行代码内返回任意流体的焓、熵、密度、声速等 40 余种物性参数，覆盖 120 多种纯流体、混合物和载冷剂，且完全免费。本文用一个完整的制冷循环计算案例，带你从零走通"安装 → 验证 → 计算 COP → 进阶混合物"的全过程。

一、先把任务拆开：一次 COP 计算需要什么

一个最简单的蒸气压缩制冷循环由四个部件组成：蒸发器、压缩机、冷凝器、节流阀，对应四个关键状态点：

1. 蒸发器出口（压缩机入口）：饱和蒸气，已知温度，求焓 h1、熵 s1
2. 压缩机出口：等熵压缩到冷凝压力，求焓 h2
3. 冷凝器出口：饱和液体，已知温度，求焓 h3
4. 节流阀出口：等焓节流，h4 = h3

最后用公式COP = (h1 − h4) / (h2 − h1)算出制冷系数。

你会发现，整个计算的核心只有一件事：给定两个独立参数，求出流体的某个物性。这正是 CoolProp 的PropsSI函数做的事。所以接下来的主线很清晰：先装好工具，再逐点求解，最后算 COP。

二、三步完成环境搭建（耗时约 3 分钟）

前提是你已安装 Python 3.8 及以上版本。打开终端，依次执行：

# 第 1 步：安装 CoolProp pip install coolprop # 第 2 步：验证安装版本（预期输出形如 6.6.0） python -c "import CoolProp; print(CoolProp.__version__)"

如果网络较慢，可换用国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple coolprop。

第 3 步，跑通第一个计算。新建一个 Python 文件，输入：

import CoolProp.CoolProp as CP # PropsSI 的前两个参数是输入对，最后一个参数是流体名 # 求水在 1 个大气压 (101325 Pa) 下的饱和温度，单位为开尔文 T_sat = CP.PropsSI('T', 'P', 101325, 'Q', 0, 'Water') print(f"水在 1 atm 下的饱和温度: {T_sat:.2f} K") # 预期约 373.12 K

能看到约 373.12 K（即 100°C）的输出，说明环境已就绪。这个验证用例也写在了仓库的wrappers/Python/examples/example.py中，你可以对照运行。

三、理解 PropsSI 的"输入对"规则

上面代码里的Q是关键概念：干度（quality），表示湿蒸气中气相的质量占比。Q=0表示饱和液体，Q=1表示饱和蒸气。

要理解为什么必须这样写，可以记住一条热力学规则：对纯物质，给定两个独立参数才能确定一个状态点。CoolProp 支持非常多的输入组合，常见的有：

• P+T：压力 + 温度（单相区用）
• T+Q：温度 + 干度（饱和线上用）
• P+Q：压力 + 干度（饱和线上用）
• P+H/P+S：压力 + 焓 / 熵（压缩、节流过程用）

注意：在饱和线附近（距饱和压力 1E-4% 以内），只用P+T定位会被判定为状态不唯一而报错，此时必须改用T+Q或P+Q来明确相态。

四、主线任务一：查询循环所需的饱和点物性

回到我们的 R134a 循环。设定蒸发温度 5°C、冷凝温度 40°C，先求出压缩机入口的焓与熵、冷凝压力：

import CoolProp.CoolProp as CP fluid = 'R134a' T_evap = 273.15 + 5 # 蒸发温度，5°C 换算为开尔文 T_cond = 273.15 + 40 # 冷凝温度，40°C # 点1：蒸发器出口，饱和蒸气 h1 = CP.PropsSI('H', 'T', T_evap, 'Q', 1, fluid) # 焓，单位 J/kg s1 = CP.PropsSI('S', 'T', T_evap, 'Q', 1, fluid) # 熵，单位 J/(kg·K) # 冷凝压力：40°C 对应的饱和压力 p_cond = CP.PropsSI('P', 'T', T_cond, 'Q', 0, fluid) # 单位 Pa print(f"h1 = {h1:.0f} J/kg") print(f"s1 = {s1:.1f} J/(kg·K)") print(f"p_cond = {p_cond/1e5:.2f} bar") # 预期约 10.17 bar

请特别留意单位：CoolProp 默认采用 SI 制，温度是开尔文、压力是帕斯卡、焓与熵是每千克焦耳。把摄氏度直接当成开尔文传入，是所有新手遇到的第一个坑。

五、主线任务二：四状态点焓值，算出理想 COP

现在补全四个点的焓值。点 2 的等熵压缩，用P+S输入对求解；点 3 是冷凝器出口的饱和液体；点 4 是等焓节流，直接等于 h3：

# 点2：等熵压缩到冷凝压力 h2s = CP.PropsSI('H', 'P', p_cond, 'S', s1, fluid) # 点3：冷凝器出口，饱和液体 h3 = CP.PropsSI('H', 'T', T_cond, 'Q', 0, fluid) # 点4：节流阀出口，等焓过程 h4 = h3 # 理想循环 COP COP = (h1 - h4) / (h2s - h1) print(f"理想 COP = {COP:.2f}")

在我们的参数下，理想 COP 约为6.8，即每消耗 1 份电能可搬运约 6.8 份冷量——这是不考虑任何损失的"天花板"。

下图展示了这类循环在温度-熵图上的形态：紫色虚线是等熵过程，红色实线是实际过程，两者之间的偏离直观反映了压缩过程中的能量损失。

六、主线任务三：加入压缩机效率，得到真实 COP

实际压缩机存在摩擦、泄漏等损失，等熵效率一般在 0.7~0.9 之间。真实出口焓按下式修正：

eta_comp = 0.85 # 压缩机等熵效率 h2 = h1 + (h2s - h1) / eta_comp # 实际压缩出口焓 COP_real = (h1 - h4) / (h2 - h1) print(f"实际 COP = {COP_real:.2f}")

计算结果约为5.8，比理想值低约 15%。这个差距就是压缩机效率带来的直接代价。你还可以顺手验证一下压缩机出口温度：

T2 = CP.PropsSI('T', 'P', p_cond, 'H', h2, fluid) print(f"压缩机出口温度 = {T2 - 273.15:.1f} °C")

至此，一条完整的制冷循环计算主线已经跑通：从两个温度出发，用 6 次 PropsSI 调用，得到了 COP 和压缩机出口温度。同样的代码，把fluid换成'R410A'、'Ammonia'或'Propane'，立即就是另一种制冷剂的结果——这就是用代码替代查表的核心价值。

七、对照自查：新手最常犯的 3 个错误

错误 1：把饱和线上 P、T 混用

# 错误：饱和线附近同时给 P 和 T，报错或结果不确定 CP.PropsSI('H', 'P', 101325, 'T', 373.15, 'Water') # 正确：用干度明确相态 CP.PropsSI('H', 'P', 101325, 'Q', 1, 'Water')

错误 2：忘记 SI 单位

# 错误：温度直接传 100 表示 100°C CP.PropsSI('P', 'T', 100, 'Q', 0, 'Water') # 正确：传开尔文 CP.PropsSI('P', 'T', 273.15 + 100, 'Q', 0, 'Water')

错误 3：输出参数与输入参数位置颠倒PropsSI的固定签名是PropsSI(输出参数, 输入参数1, 值1, 输入参数2, 值2, 流体名)。输出参数永远在第一位，写反了会得到莫名其妙的报错。

八、进阶：把单个流体换成自定义混合物

纯制冷剂之外，CoolProp 还支持自定义混合物。比如要评估"水 + R134a"这种非常规工质，两行代码即可建立模型：

import CoolProp.CoolProp as CP # HEOS 是 CoolProp 内置的高精度混合模型后端 mix = CP.AbstractState("HEOS", "Water&R134a") mix.set_mole_fractions([0.5, 0.5]) # 各占 50% 摩尔分数 mix.update(CP.PT_INPUTS, 1e5, 300) # 给定压力 1 bar、温度 300 K h = mix.hmass() print(f"混合物比焓 = {h:.0f} J/kg")

混合物计算的难点在于判断给定温度压力下系统处于单相还是两相。CoolProp 内部会先做稳定性分析，再通过 Rachford-Rice 方程求解相分离，流程如下：

如果不想自己调AbstractState，官方还预置了一批常用混合物（如 R410A、R404A），直接用流体名字符串调用PropsSI即可，底层自动帮你处理了全部闪蒸计算。

九、关于精度与性能，值得知道的两件事

精度：CoolProp 的纯流体物性基于亥姆霍兹自由能状态方程（Helmholtz energy EOS），参数由大量实验数据拟合而来。以甲烷为例，在 LNG 储罐设计的低温高压区间，密度与焓的计算偏差通常可控制在 0.1% 以内，远优于经验公式和图表插值。这一模型的原理说明见仓库Web/fluid_properties/PurePseudoPure.rst。

性能：不同输入对的求解速度差异很大。方程以温度 T 和密度 ρ 为自变量，所以T+ρ输入最快；P+T约慢 3~10 倍；而P+H这类不含 T、ρ 的组合需要迭代求解，最慢。官方文档（Web/coolprop/HighLevelAPI.rst）明确给出了这一结论。如果你的程序在循环里反复调用，优先构造含 T 的输入对，可省下可观的耗时。

十、下一步行动清单

到这里，你已经完成了从安装到实际工程计算的全流程。建议按下面的清单逐项验收：

1. 用pip show coolprop确认安装版本不低于 6.0
2. 复现文中第 2 步的饱和温度验证代码，得到 373.12 K
3. 跑通四状态点 COP 计算，理想值约 6.8、实际值约 5.8
4. 把流体换成 R410A，观察 COP 与压缩机出口温度的变化
5. 对照第 7 节自查表，确认自己没踩单位与输入对的坑
6. 如需改源码或为特定平台编译，可克隆仓库git clone https://gitcode.com/gh_mirrors/co/CoolProp后参考文档从源码构建

把查表和插值的精力省下来，用在真正需要判断力的设计决策上——这大概是热力学计算工具能给你的最大价值。下一次拿到一个新的循环工况，试试 10 分钟内交出全部状态点数据。

【免费下载链接】CoolPropThermophysical properties for the masses项目地址: https://gitcode.com/gh_mirrors/co/CoolProp