暖通空调(heating, ventilation and air conditioning，简称HVAC)系统在人们的生活工作中扮演着越来越重要的角色，但是，它作为建筑能耗的主要组成部分，也极大地增大了建筑的能耗。据统计，冷水机组的运行能耗占整个空调系统能耗的40...
详细信息
暖通空调(heating, ventilation and air conditioning，简称HVAC)系统在人们的生活工作中扮演着越来越重要的角色，但是，它作为建筑能耗的主要组成部分，也极大地增大了建筑的能耗。据统计，冷水机组的运行能耗占整个空调系统能耗的40%～50%。当冷水机组出现故障时，不仅影响机组运行安全性和室内热舒适性，而且增大了整个系统的能耗，造成能源浪费。因此，实时对冷水机组运行状态进行监控，并采用可靠的故障检测与诊断(fault detection and diagnosis，简称FDD)策略防止故障的发生，对保证冷水机组始终高效运行具有巨大的现实意义。
本文提出的基于非线性回归型支持向量机(nonlinear support vector regression，简称n-SVR)的离心式冷水机组故障检测与诊断新方法主要包括两部分：离线模型训练和在线机组故障检测与诊断。新策略利用n-SVR理论建立特性参数参考模型，它改进了多元线性参考模型在研究非线性问题时精度不足的缺陷；利用指数加权滑动平均(exponentially weighted moving average，简称EWMA)控制图降低了基于t统计量的统计学习方法的第Ⅱ类错误，从而提高对低等级故障的检测率；选用蒸发器制冷负荷、冷冻水出水温度和冷却水进水温度作为参考模型的输入变量，选用五个具有很强物理意义的机组性能参数作为故障特性参数，选用经数据预处理后的正常稳态数据建立冷水机组故障特性参数回归模型，对离心式冷水机组7种常见的故障进行FDD方法研究。为简化传统FDD方法的故障诊断规则，根据最敏感性参数的思想计算出故障发生时变化最激烈的最敏感性特性参数，并使之作为该故障的在线诊断分类器。
新FDD策略采用ASHRAE RP-1043项目中的27种工况实验数据和香港某大厦实际HVAC系统冷凝器清洗前后的运行数据分别进行了验证，并把验证结果和传统方法的结果进行了对比分析。结果表明：新FDD方法比传统的基于t统计量的多元线性回归(multiple linear regression，简称MLR)FDD方法在模型精度和故障检测与诊断可靠性上均得到了很大的提高。
在日常生活和工作学习中,暖通空调（heating,ventilation and air conditioning,简称HVAC）系统起着不可替代的作用,然而在当下,考虑到建筑节能,该系统作为建筑中的重要组成部分,其能耗也受到了越来越多学者的关注和研究。统计数据看出...
详细信息
在日常生活和工作学习中,暖通空调（heating,ventilation and air conditioning,简称HVAC）系统起着不可替代的作用,然而在当下,考虑到建筑节能,该系统作为建筑中的重要组成部分,其能耗也受到了越来越多学者的关注和研究。统计数据看出,暖通空调系统能耗在整个建筑能耗中的占比为60%以上,冷水机组的运行能耗是整个空调系统能耗的40%50%。因此,在冷水机组故障时,不仅会影响机组运行效率和安全,而且会影响室内热舒适性,也增加了系统的能耗,不利于建筑节能。所以从能耗方面考虑,出现故障时,及时应用可靠的故障检测与诊断（fault detection and diagnosis,简称FDD）策略,对冷水机组的高效运行以及建筑节能具有现实意义。通过阅读大量相关的文献并进行分析,提出应用Kriging模型对离心式冷水机组进行故障检测与诊断,采用ASHRAE RP-1043项目中无故障运行数据建立并验证冷水机组Kriging模型,经过验证的模型应用到故障检测中。利用参数敏感性原理对比T-统计方法和指数加权移动平均（EWMA）方法,对比结果表明,EWMA方法提高了参数敏感性。结合Kriging模型、EWMA方法和故障诊断规则表,用ASHRAE RP-1043项目中的实测故障数据验证上述方法,检测和诊断的故障包括冷凝器结垢、制冷剂充注过多、制冷剂泄漏、不凝性气体、冷冻水流量减少和冷却水流量减少六个故障,验证结果表明,应用Kriging模型能够准确有效地检测与诊断冷水机组不同水平的故障。诊断规则的不同影响诊断正确率和错误率,应用Kriging模型和EWMA方法对比两种常见的故障诊断规则,即基于敏感性的诊断规则和基于特性参数变化趋势的诊断规则,对比两种诊断规则的诊断结果后表明,基于敏感性的诊断规则没有明显优于基于特性参数变化趋势的诊断规则。
暂无评论