Cuadernos de Mecánica

Computacional
Sociedad Chilena de
Mecánica Computacional Vol. 20 nº1, 2023

“MODELO NUMÉRICO SEMI-EMPÍRICO DE COMPRESORES

SCROLL: PROGRMACIÓN ORIENTADA A OBJETOS”

Aitor Cendoyaa, Daniel Sacasasb, Cristian Cuevasc, Matias Pezod y Enrique

Wagemanne
a
Thermodynamics Laboratory, Faculty of Applied Sciences, University of Liège. Allée de la découverte
17, B4000 Liège – Belgium.
b,c,d,e
Departamento de Ingeniería Mecánica - Universidad de Concepción
Casilla 160-C – Concepción – CHILE

e-mail: apdcendoya@doct.uliege.bea, dsacasas@udec.clb, crcuevas@udec.clc, mapezo2017@udec.cl d

ewagemann@udec.cle

RESUMEN

Los compresores scroll se utilizan en sistemas de aire acondicionado, refrigeración y

calefacción. En el presente trabajo se presenta un modelo numérico basado en principios
físicos, capaz de predecir con alta precisión el comportamiento de compresores scroll. Este
modelo considera la transferencia de calor del refrigerante a la entrada y salida del
compresor, las pérdidas electromecánicas del compresor, la transferencia de calor entre el
compresor y el ambiente, la compresión, las pérdidas de carga en la válvula de descarga y
las fugas internas del compresor. El equipo es modelado utilizando una programación
orientada a objetos en Python. El modelo considera 8 parámetros, los cuales son
identificados a través del método de optimización secuencial de mínimos cuadrados. Las
propiedades termodinámicas de los refrigerantes son extraídas de la librería CoolProp. La
estructura del modelo permite una rápida convergencia en un amplio rango de operación,
así como convergencia al cambiar de modelo de compresor y de refrigerante. Este modelo
es evaluado con un compresor a utilizar en un sistema de captación de agua atmosférica
que trabaja con R410A, para el cual es capaz de predecir la temperatura del refrigerante a
la salida, el flujo de refrigerante y la potencia consumida del compresor, con un error
inferior al 1.5%.

1. INTRODUCCIÓN

Los compresores son el corazón de los sistemas de refrigeración, aire acondicionado y

calefacción, ya que impulsan o elevan la presión del refrigerante desde la presión de
evaporación hasta la de condensación. Dentro de los compresores, los de tipo scroll son
ampliamente usados, debido a su alto rendimiento, bajas emisiones de ruido y bajo nivel
de vibraciones [1].

Modelar de forma adecuada estos sistemas, es indispensable para poder seleccionar los
componentes correctos, optimizar los sistemas y poder representar el comportamiento de
un mismo equipo bajo varias condiciones climáticas. En muchos estudios se utilizan
modelos basados en ecuaciones que permiten determinar el rendimiento isentrópico y
volumétrico [2], sin embargo, estos modelos no son capaces de representar ciertos
fenómenos físicos que ocurren en los compresores. Esto se puede mejorar utilizando un
modelo semi-empírico como el mostrado en este artículo.

El objetivo de este artículo es presentar un modelo numérico de 8 parámetros, que

considera los fenómenos físicos que ocurren en un compresor de tipo scroll, para una
aplicación en un sistema de captación de agua atmosférica. Para lograr esto, se emplea la
programación orientada a objetos para las distintas condiciones del refrigerante a lo largo
del compresor. Finalmente, se realiza una optimización de los parámetros del modelo y se
compara la predicción del modelo con un modelo más simple como el de 4 parámetros.

2. METODOLOGÍA

El compresor es modelado acorde a la metodología presentada en el Toolkit de la ASHRAE

[3] para un compresor twin-screw. En la Figura 1, se presenta el recorrido del refrigerante
en el compresor. Este modelo considera un calentamiento del refrigerante en la succión
desde 𝑠𝑢 a 𝑠𝑢1 , luego el refrigerante es mezclado con las fugas internas de 𝑠𝑢1 a 𝑠𝑢2 ,
posteriormente, el refrigerante es comprimido isoentrópicamente desde 𝑠𝑢2 a 𝑎𝑑, y por
una compresión isocora de 𝑎𝑑 a 𝑒𝑥2 , hasta que el refrigerante es enfriado desde 𝑒𝑥1 a 𝑒𝑥.

Figura 1. Principios físicos modelados en el compresor y recorrido del refrigerante desde

la entrada a la salida.

El calentamiento (𝑠𝑢 a 𝑠𝑢1 ) y el enfriamiento del refrigerante (𝑒𝑥2 a 𝑒𝑥1 ) son

determinados mediante las ecuaciones de transferencia de calor que consideran el método
-NTU [4], [5]. Estas ecuaciones consideran una pared isotérmica, que representa la
carcasa del compresor y son presentadas en las siguientes ecuaciones (las variables de
𝑈𝐴𝑟𝑒𝑓,𝑠𝑢,𝑐𝑝 y 𝑀̇𝑟,𝑟𝑒𝑓,𝑐𝑝 son parámetros que deben ser determinados):

𝑄̇𝑟,𝑠𝑢,𝑐𝑝 = 𝑀̇𝑟,𝑐𝑝 ⋅ (ℎ𝑟,𝑠𝑢1,𝑐𝑝 − ℎ𝑟,𝑠𝑢,𝑐𝑝 ) (1)

𝑄̇𝑟,𝑠𝑢,𝑐𝑝 = 𝜀𝑠𝑢,𝑐𝑝 ⋅ 𝐶𝑟,𝑠𝑢,𝑐𝑝

̇ ⋅ (𝑡𝑤𝑎𝑙𝑙,𝑐𝑝 − 𝑡𝑟,𝑠𝑢,𝑐𝑝 ) (2)

𝜀𝑠𝑢,𝑐𝑝 = 1 − e−NTU𝑠𝑢,𝑐𝑝 (3)

0.8
𝑀̇𝑟,𝑐𝑝
𝑈𝐴𝑟𝑒𝑓,𝑠𝑢,𝑐𝑝 ⋅ ( ̇ ) (4)
𝑀𝑟,𝑟𝑒𝑓,𝑐𝑝
𝑁𝑇𝑈𝑠𝑢,𝑐𝑝 =
̇
𝐶𝑟,𝑠𝑢,𝑐𝑝

El proceso de mezcla (𝑠𝑢1 a 𝑠𝑢2 ) entre el refrigerante con las fugas internas (𝑀̇𝑟,𝑙𝑒𝑎𝑘,𝑐𝑝 )
es considerado como un proceso isobárico, en donde se considera un balance de masa y
energía acorde a las siguientes ecuaciones:

𝑀̇𝑟,𝑖𝑛,𝑐𝑝 = 𝑀̇𝑟,𝑠𝑢1,𝑐𝑝 + 𝑀̇𝑟,𝑙𝑒𝑎𝑘,𝑐𝑝 (5)

𝑀̇𝑟,𝑖𝑛,𝑐𝑝 ⋅ ℎ𝑟,𝑠𝑢2,𝑐𝑝 = 𝑀̇𝑟,𝑠𝑢1,𝑐𝑝 ⋅ ℎ𝑟,𝑠𝑢1,𝑐𝑝 + 𝑀̇𝑟,𝑙𝑒𝑎𝑘,𝑐𝑝 ⋅ ℎ𝑟,𝑙𝑒𝑎𝑘,𝑐𝑝 (6)

El refrigerante succionado por el compresor (𝑀̇𝑟,𝑖𝑛,𝑐𝑝 ), es calculado por la ecuación 7. Esta

ecuación considera el volumen barrido (𝑉𝑠,𝑐𝑝 ), que es un parámetro del modelo del
compresor.

𝑉𝑠,𝑐𝑝 ⋅ 𝑁𝑐𝑝 (7)

𝑀̇𝑟,𝑖𝑛,𝑐𝑝 =
𝑣𝑟,𝑠𝑢2,𝑐𝑝

La comprensión interna es dividida en dos: una adiabática reversible (isentrópica) y una

adiabática isocórica. La condición intermedia que divide estas dos compresiones es
determinada a partir de la ecuación 8, y depende de la razón de volúmenes interna del
compresor (𝑟𝑣,𝑖𝑛𝑡.𝑐𝑝 ), siendo otro parámetro a identificar. La potencia de compresión
interna es finalmente determinada por la ecuación 9.
𝜈𝑟,𝑠𝑢1,𝑐𝑝 (8)
𝑟𝑣,𝑖𝑛𝑡.𝑐𝑝 =
𝜈𝑟,𝑖𝑛𝑡,𝑐𝑝

𝑊̇𝑖𝑛,𝑐𝑝 = 𝑀̇𝑟,𝑖𝑛𝑡,𝑐𝑝 ⋅ [(ℎ𝑟,𝑖𝑛𝑡,𝑐𝑝 − ℎ𝑟,𝑠𝑢2,𝑐𝑝 ) + 𝑣𝑖𝑛𝑡,𝑐𝑝 ⋅ (𝑃𝑟,𝑒𝑥,𝑐𝑝 − 𝑃𝑟,𝑖𝑛𝑡,𝑐𝑝 )] (9)

Las fugas internas del compresor son agrupadas como un único término. El modelo de
fugas considera que el flujo pasa primero por una tobera ideal, donde puede escurrir en
régimen subsónico o sónico, y luego por un difusor [6] muy malo, donde no hay
recuperación de presión. Para esto se asume que el refrigerante se comporta como un gas
ideal. La ecuación 10 presenta la ecuación empleada para calcular las fugas internas, donde
𝐴𝑙𝑒𝑎𝑘 corresponde al área de la garganta de la tobera y es un parámetro a identificar.

𝐴𝑙𝑒𝑎𝑘 (10)
𝑀̇𝑟,𝑙𝑒𝑎𝑘 = ⋅ √2 ⋅ (ℎ𝑠𝑢2 − ℎ𝑡ℎ𝑟,𝑙𝑒𝑎𝑘 )
𝑣𝑡ℎ𝑟,𝑙𝑒𝑎𝑘

El enfriamiento del refrigerante a la salida del compresor es calculado de la misma forma

que el calentamiento del refrigerante a la entrada. Para esto, se requiere identificar el
parámetro 𝑈𝐴𝑟𝑒𝑓,𝑒𝑥,𝑐𝑝 .

La potencia del compresor viene dada por la ecuación 11, la cual contempla las pérdidas
electromecánicas del compresor y motor, las cuales son presentadas en la ecuación 12, que
depende de un torque resistente 𝑇𝑙𝑜𝑠𝑠,𝑐𝑝 y de una constante de proporcionalidad 𝛼 como
parámetros a identificar.

𝑊̇𝑐𝑝 = 𝑊̇𝑖𝑛,𝑐𝑝 + 𝑊̇𝑙𝑜𝑠𝑠,𝑐𝑝 (11)

𝑊̇𝑙𝑜𝑠𝑠,𝑐𝑝 = 𝑇̇𝑙𝑜𝑠𝑠0 ⋅ 𝜔𝑐𝑝 + 𝛼 ⋅ 𝑊̇𝑖𝑛,𝑐𝑝 (12)

La pared ficticia representa la carcasa del compresor, donde son transferidas las pérdidas
electromecánicas y donde el refrigerante intercambia calor con el aire ambiente [7]. El
balance de energía de la pared viene dado por la ecuación 13, donde las pérdidas al
ambiente se determinan mediante la ecuación 14.

𝑊̇𝑙𝑜𝑠𝑠,𝑐𝑝 − 𝑄̇𝑟,𝑠𝑢𝑐𝑝 + 𝑄̇𝑟,𝑒𝑥,𝑐𝑝 − 𝑄̇𝑐𝑝,𝑎𝑚𝑏 = 0 (13)

𝑄̇𝑐𝑝,𝑎𝑚𝑏 = 𝑈𝐴𝑐𝑝,𝑎𝑚𝑏 ⋅ (𝑡𝑤𝑎𝑙𝑙,𝑐𝑝 − 𝑡𝑎𝑚𝑏 ) (14)

Los parámetros mencionados se determinan a través de la optimización de resultados,

comparando los resultados del modelo con lo entregado por el fabricante. La ecuación a
optimizar es la ecuación 15 que depende de los errores cuadráticos medios del flujo másico,
la potencia a la entrada del compresor y la temperatura del refrigerante a la salida del
compresor, todos presentados en la ecuación 16.

√𝜀𝑀 2 + 𝜀𝑊 2 + 𝜀𝑡 2 (15)
𝜗=
3

𝑀̇ 𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖 −𝑀̇ 𝑟,𝑐𝑝,𝑖

2
𝑊̇ 𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖 −𝑊̇ 𝑟,𝑐𝑝,𝑖
2 (16)
∑𝑛
𝑖=1( ∙100) ∑𝑛
𝑖=1( ∙100)
√ 𝑀̇ 𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖 √ 𝑊̇ 𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖
𝜀𝑀 = , 𝜀𝑊 = ,
𝑛 𝑛
 2
𝑡 − 𝑡𝑟,𝑐𝑝,𝑖
∑𝑛𝑖=1 ( 𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖 ∙ 100)
√ 𝑡𝑟,𝑐𝑝,𝑐𝑎𝑡,𝑖
𝜀𝑡 =
𝑛

Los diferentes pasos y estados del refrigerante son programados como si fueran objetos, es
decir 𝑠𝑢, 𝑠𝑢1 , 𝑠𝑢2 , 𝑎𝑑, 𝑒𝑥2 , 𝑒𝑥1 y 𝑒𝑥, son considerados como objetos, a los cuales se le
atribuyen las propiedades termodinámicas de los refrigerantes y otras cualidades como
flujo de refrigerante. Las propiedades termodinámicas son extraídas desde la biblioteca de
CoolProp [8].

La programación orientada a objetos (POO) nos permite un enfoque fundamental en

Python, el cual organiza y estructura el objeto en base a instancias. Este tipo de
programación encapsula atributos y métodos predefinidos dentro del objeto. En Python
esta forma de programación se logra mediante la palabra class, la cual presenta las
cualidades mencionadas anteriormente, estas clases permiten crear múltiples objetos
basados en esta clase, utilizando la función de instancia. Para definir atributos y almacenar
dentro de la clase se emplea la palabra self. En la Figura 2 se presenta como se define una
clase en Python (Fig. 2a) y como luego se llama desde el código (Fig. 2b).

(a) (b)
Figura 2. Clase del refrigerante para los distintos puntos

Las ventajas de emplear POO en Python se deben a la gran facilidad de las interacciones
del programa y la comodidad que le ofrece al programador. Permitiendo una mayor
flexibilidad a los scripts y una mayor versatilidad para poder agrupar de forma modular
los diferentes equipos físicos a modelar, heredando los atributos de una clase definida.
Adicionalmente, la POO permite que objetos de diferentes clases sean tratados de manera
uniforme mediante interfaces comunes.

En el caso del compresor, la POO permitió reducir el número de ecuaciones y reutilizar el

código en gran medida, ya que se puede reutilizar una sola clase para los diferentes puntos
del refrigerante en el compresor, mediante la clase ancestral llamada “refrigerant”.
3. RESULTADOS

Para identificar los parámetros del modelo, distintos métodos matemáticos de optimización
están disponibles en la biblioteca Scipy [9]. En este artículo, se emplea el método de
optimización secuencial de mínimos cuadrados [10]. Los parámetros del modelo se
identifican para un compresor scroll modelo ZP24K5E, que emplea R410A como
refrigerante de trabajo, que corresponde al fluido a utilizar en el sistema de recuperación
de agua atmosférica.

El ajuste del modelo es representado en la Figura 3, en esta se evidencia la predicción del

flujo de refrigerante, el consumo eléctrico del compresor y la temperatura del refrigerante
a la salida del compresor. Estas variables son predichas con un R2 de 99.55%, 99.85% y
99.90%, respectivamente. El error total del ajuste del modelo con las variables entregadas
desde el catálogo corresponde a un 1.45%, estando la mayor diferencia en la predicción de
la potencia. De la misma forma este modelo logra representar gran parte de los fenómenos
físicos que ocurren en un compresor scroll. Como comparación, este modelo es más
robusto que el de 10-coeficientes propuesto en el Estándar Europeo EN 12900 (EN
12900:2013).

Tabla 1. Parámetros identificados para el compresor ZP24K5E.

Parámetros Valores
̇ −1
𝑀𝑟,𝑟𝑒𝑓,𝑐𝑝 [𝑘𝑔 ⋅ 𝑠 ] 0.046
−1
𝑈𝐴𝑠𝑢,𝑟𝑒𝑓,𝑐𝑝 [𝑘𝑊 ∙ 𝐾 ] 4.16
𝑟𝑣,𝑖𝑛,𝑐𝑝 [−] 2.356
𝛼𝑐𝑝 [−] 0.184
𝑇𝑙𝑜𝑠𝑠,𝑐𝑝 [𝑘𝑁 ∙ 𝑚] 0.27
3
𝑉𝑠,𝑐𝑝 [𝑚 ] 2.442 ⋅ 10−5
𝐴𝑡ℎ𝑟,𝑛𝑜𝑧 [𝑚2 ] 7.9 ⋅ 10−9
𝑈𝐴𝑒𝑥,𝑟𝑒𝑓,𝑐𝑝 [𝑘𝑊] 2.386 ⋅ 10−3
𝑈𝐴𝑐𝑝,𝑎𝑚𝑏 [𝑘𝑊 5.64 ⋅ 10−3

Por otro lado, si se compara el modelo de 8 parámetros con el modelo de 4 parámetros,

presentando en el Toolkit de la ASHRAE [3], el error es considerablemente menor. Para
el modelo de 4 parámetros el error es de 3.2%, en cambio para el de 8 parámetros,
corresponde a 1.46%.

Al desarrollar un modelo más complejo se logran obtener consumos de energía y

condiciones de operación más cercanos a lo real. A continuación, se presenta una
simulación estacionaria anual para un equipo de refrigeración en la Ciudad de Melipilla.
En la Tabla 2, se presentan los principales parámetros considerados para determinar la
potencia de frío del compresor, que corresponden al sistema de captación de agua
atmosférica por el que circula un flujo de aire de 0.25 kg s-1 y en donde este aire se enfría
hasta 6C.
 Tabla 2. Parámetros empleados en la simulación de la ciudad de Melipilla.

Parámetros
𝑇𝑒𝑣 = 2 [°𝐶]
∆𝑇𝑠𝑐 = 5 [°𝐶]
∆𝑇𝑠ℎ = 7 [°𝐶]
𝑀̇𝑎,𝑐𝑑 = 0.25 [𝑘𝑔 ⋅ 𝑠 −1 ]

(a) (b)

(c)
Figure 3. Predicción del modelo del compresor a) Flujo de refrigerante, b) Potencia
consumida del compresor y c) Temperatura del refrigerante a la salida.

En la Figura 4, se presenta los resultados de la simulación anual para las primeras 1000
horas de un año típico en Melipilla. De la imagen se puede apreciar el consumo eléctrico
del compresor y la potencia de frío entregada por este equipo. Esto pone en evidencia la
utilidad de tener un modelo de un compresor detallado, ya que permite realizar
simulaciones con un alto nivel de precisión y estabilidad numérica. Aquellos valores con
0 en potencia eléctrica corresponden a los puntos donde el sistema no puede operar por
restricciones de operación del sistema de captación de agua atmosférica, debido a una baja
temperatura de punto de rocío del aire ambiente.

Figura 4. Resultados de la simulación para la comuna de Melipilla

4. CONCLUSIONES

El modelo de 8 parámetros logra representar con excelente precisión el flujo de

refrigerante, el consumo eléctrico del compresor y la temperatura de descarga del
compresor. Este modelo toma en cuenta los principales fenómenos físicos que ocurren
entre el refrigerante y el compresor, tales como el calentamiento y el enfriamiento del
refrigerante a lo largo de la carcasa, las pérdidas electromecánicas, las fugas internas y
separar la compresión en dos tipos.

Los parámetros del compresor son identificados mediante el método de optimización

secuencial de mínimos cuadrados. Logrando obtener un error total inferior al 1.5%, donde
tener una correcta predicción de estos valores es indispensable durante las primeras etapas
de diseño y posterior evaluación de sistemas de refrigeración, calefacción y aire
acondicionado.

La programación orientada a objetos logra reducir el número de ecuaciones empleadas,

facilitando un modularidad del refrigerante a lo largo del sistema, y permitiendo además
la herencia de atributos para los distintos puntos del refrigerante. Por lo cual, los diferentes
estados del refrigerante pueden ser determinados desde una clase ancestral.

Agradecimientos

Este trabajo fue financiado por ANID FONDEF ID22I10051.

 Nomenclatura

𝐴 Área, m2 𝑎𝑚𝑏 Ambiente

𝐶̇ Flujo capacitivo, W·K-1 𝑐𝑎𝑡 Catálogo
ℎ Entalpía específica, J·kg-1 𝑐𝑝 Compresor
𝑀̇ Flujo de refrigerante, kg·s-1 𝑒𝑥 Salida del compresor
𝑁 Velocidad de rotación, Hz 𝑒𝑥1 Salida luego de las fugas
𝑁𝑇𝑈 Número de Unidades de 𝑒𝑥2 Salida cámara de compresión
Transferencia
𝑃 Presión, Pa 𝑖 Dato
𝑄 ̇ Flujo de calor, W 𝑖𝑛 Interno
𝑟 Razón 𝑖𝑛𝑡 Intermedio
𝑡 Temperatura, K 𝑙𝑒𝑎𝑘 Fugas
𝑇 Torque, N·m 𝑙𝑜𝑠𝑠 Pérdidas
𝑈𝐴 Coeficiente global de 𝑙𝑜𝑠𝑠0 Pérdidas sin carga
transferencia de calor, W·K-1
𝑣 Volumen específico, m3·kg-1 𝑟 Refrigerante
𝑉 Volumen, m3 𝑟𝑒𝑓 Referencia
𝑊̇ Potencia, W 𝑠𝑢 Suministro al compresor
Símbolos Griegos 𝑠𝑢1 Suministro luego del
calentamiento
𝜀 Eficacia 𝑠𝑢2 Suministro luego de la mezcla con
las fugas
𝜔 Velocidad angular, rad·s-1 𝑡ℎ𝑟 Garganta del difusor
Subíndices 𝑤𝑎𝑙𝑙 Carcaza del compresor

REFERENCIAS

[1] F. C. McQuiston, J. D. Parker, and J. D. Spitler, Heating, ventilating, and air conditioning :
analysis and design. John Wiley & Sons, 2005. Accessed: Jan. 06, 2023. [Online].
Available: https://www.wiley.com/en-
us/Heating%2C+Ventilating%2C+and+Air+Conditioning%3A+Analysis+and+Design%
2C+6th+Edition-p-9780471470151
[2] B. Dai et al., “Annual energetic evaluation of multi-stage dedicated mechanical subcooling
carbon dioxide supermarket refrigeration system in different climate regions of China
using genetic algorithm,” J. Clean. Prod., 2021, doi:
https://doi.org/10.1016/j.jclepro.2021.130119.
[3] J.-P. Bourdouxhe, M. Grodent, R. Assistants, J. Lebrun, W. P. Bahnfleth, and G. K. Yuill,
“HVAC1KIT l A TOOLKIT FOR PRIMARY HVAC SYSTEM ENERGY
CALCULATION To CD Navigation Screen,” 1999.
[4] L. Dardenne, E. Fraccari, A. Maggioni, L. Molinaroli, L. Proserpio, and E. Winandy,
“Semi-empirical modelling of a variable speed scroll compressor with vapour injection,”
International Journal of Refrigeration, vol. 54, pp. 76–87, Jun. 2015, doi:
10.1016/j.ijrefrig.2015.03.004.
[5] C. Cuevas, J. Lebrun, V. Lemort, and E. Winandy, “Characterization of a scroll compressor
under extended operating conditions,” Appl Therm Eng, vol. 30, no. 6–7, pp. 605–615,
May 2010, doi: 10.1016/j.applthermaleng.2009.11.005.
[6] V. Lemort, S. Quoilin, C. Cuevas, and J. Lebrun, “Testing and modeling a scroll expander
integrated into an Organic Rankine Cycle,” Appl Therm Eng, vol. 29, no. 14–15, pp. 3094–
3102, Oct. 2009, doi: 10.1016/j.applthermaleng.2009.04.013.
[7] E. Winandy, C. Saavedra, and J. Lebrun, “Experimental analysis and simpli®ed modelling
of a hermetic scroll refrigeration compressor,” 2002. [Online]. Available:
www.elsevier.com/locate/apthermeng
[8] I. H. Bell, J. Wronski, S. Quoilin, and V. Lemort, “Pure and pseudo-pure fluid
thermophysical property evaluation and the open-source thermophysical property library
coolprop,” Ind Eng Chem Res, vol. 53, no. 6, pp. 2498–2508, Feb. 2014, doi:
10.1021/IE4033999.
[9] P. Virtanen et al., “SciPy 1.0: fundamental algorithms for scientific computing in Python,”
Nature Methods 2020 17:3, vol. 17, no. 3, pp. 261–272, Feb. 2020, doi: 10.1038/s41592-
019-0686-2.
[10] D. Kraft, “A software package for sequential quadratic programming,” Koln, Germany,
1988.