[发明专利]一种水冷冷水机组故障诊断方法及系统

说明书

本发明公开了一种水冷冷水机组故障诊断方法，包括：获取现场水冷冷水机组系统的历史数据和实测数据；对获取到的历史数据和实测数据分别进行特征选取，得到训练数据集和待分类数据集；对训练数据集进行降维变换，得到训练数据集在特征空间中的投影函数及特征数据集；使用投影函数对待分类数据集进行降维变换，得到待分类数据集中待分类数据在特征空间中的坐标；基于得到的坐标，采用基于动态质心的分类方法在特征数据集中匹配故障类别，得到现场水冷冷水机组系统实测的故障类别。本发明能够提高水冷冷水机组故障诊断精度和诊断速度。

技术领域

本发明涉及一种水冷冷水机组故障诊断方法及系统，属于空调系统中水冷冷水机组故障诊断技术领域。

背景技术

公共建筑能耗占全球总能耗的40％以上，暖通空调系统是建筑主要的能耗设备。通过诊断暖通空调系统的故障，优化空调系统的运行，可以降低20％-30％的建筑能耗，10％-40％空调系统能耗。早期自动故障检测与诊断能够减少设备停机时间、能源消耗和服务成本，因此，提高HVAC系统设备的可靠性对于确保建筑物的可持续性和减少全球碳排放至关重要。

水冷冷水机组是空调系统中广泛使用的冷热源系统，水冷冷水机组的故障可分为硬故障和软故障，硬故障一旦发生将会带来严重的经济损失，导致主机停机等状况发生，易于识别；软故障也称性能故障，当故障程度较轻时，系统或设备性能下降较少，一般难以检测到，只有当故障达到较严重的程度，系统或设备性能下降较多时，才容易察觉。因此，软故障由于进展缓慢、难以检测，其对系统、设备的破坏和对其性能的影响是长期的，从某种意义上来说，软故障的危害更大，本发明聚焦于水冷冷水机组的性能故障检测与诊断。

由于现代工业过程中配备了大量的传感器、测量仪器和控制器，利用过程变量的数据驱动技术近年来得到了广泛的研究并越来越受欢迎，目前应用于故障诊断领域的常见方法有主成分分析PCA，支持向量机SVM，线性判别分析FDA等，这些方法存在一定的局限性，例如在处理非线性问题时精度低，数据规模达到一定程度后模型训练速度慢。

发明内容

本发明的目的在于克服现有技术中的不足，提供一种水冷冷水机组故障诊断方法及系统，能够提高水冷冷水机组故障诊断精度和诊断速度。为达到上述目的，本发明是采用下述技术方案实现的：

第一方面，本发明提供了一种水冷冷水机组故障诊断方法，包括：

获取现场水冷冷水机组系统的历史数据和实测数据；

对获取到的历史数据和实测数据分别进行特征选取，得到训练数据集和待分类数据集；

对训练数据集进行降维变换，得到训练数据集在特征空间中的投影函数及特征数据集；

使用投影函数对待分类数据集进行降维变换，得到待分类数据集中待分类数据在特征空间中的坐标；

基于得到的坐标，采用基于动态质心的分类方法在特征数据集中匹配故障类别，得到现场水冷冷水机组系统实测的故障类别。

结合第一方面，进一步的，所述获取现场水冷冷水机组系统的历史数据和实测数据，包括：通过现场水冷冷水机组系统中安装的传感器直接采集的数据和根据直接采集的数据经过计算得到的数据。

结合第一方面，可选的，所述传感器包括温度传感器、压力传感器、流量传感器和功率传感器。

结合第一方面，进一步的，所述特征选取为：选取用于故障诊断的参数，特征选取原则为：

在故障发生时变化显著的参数、在故障发生时变化稳定的参数、采集或计算成本较低的参数。

结合第一方面，进一步的，所述降维变换的表达式为：

x→z＝Θ^TK(：，X) (1)