论文部分内容阅读
随着经济的飞速发展和社会生活水平的提高，暖通空调系统（Heating，Ventilation andAir Conditioning，HVAC）在建筑中起着越来越重要的作用但是暖通空调系统中经常会发生各种故障，使其不能按照设计工况运行，不仅会降低空调系统的运行效率降低空气品质，同时会增加10%-40%的系统能耗和20%-30%的建筑能耗因此，有必要研究空调系统故障检测与诊断策略，以便能够及时检测故障并识别故障部位，判断故障严重程度和发展趋势，从而采取相应措施减小故障影响，以有效提高系统运行效率，减少运行费用和系统能耗论文以北京市某综合性办公建筑为研究对象，针对该建筑的变风量空调系统进行故障检测与诊断技术研究论文首先基于Skyspark软件建立了建筑能耗监测平台，将建筑内所有耗能设备集成于监测平台，并在建筑顶部建立气象站，采集室外温度与湿度在此基础上，论文按照能源种类和用途两种方式对系统能耗进行统计和监测，进而分析能耗使用情况；然后，建立了相应的故障检测与诊断规则，实时监测设备运行状态；当发现监测参数超出正常范围时系统自动报警同时，论文设定了诊断规则，利用诊断规则，系统可以自行判断与所发生故障相关联的各种因素，从而判断故障原因空调系统中的故障按照故障程度分为渐进性故障和突发性故障论文提出了基于控制量残差与被控量残差统计的故障检测与故障程度判断方法，首先针对空调区域温度控制系统建立了需求风量与风阀开度这两个控制量的BP神经网络预测模型，然后给出了残差阈值的计算方法，从而通过控制量模型预测值与实际测量值的统计残差可判断是否发生渐进性故障，通过被控量与设定值的残差可判断是否发生了突发性故障针对空调区域温度控制系统，论文基于专家知识建立了定性模式知识库，同时基于Trnsys软件建立了空调系统仿真模型，然后通过能耗监测平台所采集数据对仿真模型进行调试，建立了基于定性知识和定量模型的故障识别体系利用上述研究成果，当系统发生故障时，将系统特征量的稳态趋势与定性知识库进行故障匹配，并将系统特征量的动态响应特性与定量模型进行故障匹配，结合两者的匹配结果最终能够实现故障识别