直接根據(jù)多聯(lián)機(jī)系統(tǒng)能耗數(shù)據(jù)的變化來判斷導(dǎo)致能耗大幅波動(dòng)的因素是很困難的。本文提出一種有效的可用于多聯(lián)機(jī)系統(tǒng)的能耗評(píng)估與診斷方法:將支持向量回歸（SVR）算法與單類支持向量機(jī)（OCSVM）算法相結(jié)合,首先通過提取系統(tǒng)能耗數(shù)據(jù)集特征,去除非穩(wěn)態(tài)數(shù)據(jù),根據(jù)提取的特征變量與系統(tǒng)能耗建立SVR模型,預(yù)測(cè)多聯(lián)機(jī)系統(tǒng)能耗;然后將實(shí)際能耗值與預(yù)測(cè)能耗值之差和之比分別標(biāo)準(zhǔn)化,作為輸入變量,建立單類支持向量機(jī)（OCSVM）模型進(jìn)行樣本判別,確定是否為導(dǎo)致系統(tǒng)能耗異常的原因,以此評(píng)估診斷多聯(lián)機(jī)系統(tǒng)能耗情況。本文基于多聯(lián)機(jī)能耗正常的數(shù)據(jù)集構(gòu)建了能耗評(píng)估與診斷模型,并用多聯(lián)機(jī)系統(tǒng)能耗異常數(shù)據(jù)集驗(yàn)證了模型的可靠性。結(jié)果表明:基于SVR-OCSVM模型的能耗評(píng)估與診斷模型具有較高的準(zhǔn)確度,基本能達(dá)到70%以上。 

【文章來源】：制冷學(xué)報(bào). 2020,41(04)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

單類支持向量機(jī)算法示意圖

本文以制冷劑為R410A的多聯(lián)機(jī)系統(tǒng)為研究對(duì)象，在標(biāo)準(zhǔn)的焓差室進(jìn)行相關(guān)實(shí)驗(yàn)。該多聯(lián)機(jī)實(shí)驗(yàn)系統(tǒng)如圖3所示，系統(tǒng)包括一臺(tái)額定功率為28 kW的室外機(jī)、5臺(tái)總額定功率為29.7 kW的室內(nèi)機(jī)、壓縮機(jī)、氣液分離器、過濾器等。多聯(lián)機(jī)系統(tǒng)內(nèi)置多個(gè)傳感器，用于采集壓縮機(jī)運(yùn)行頻率等系統(tǒng)參數(shù)以及室內(nèi)環(huán)境溫度、室外環(huán)境溫度等氣象數(shù)據(jù)。此外，多聯(lián)機(jī)系統(tǒng)用能由智能電表采集。表1所示為具體實(shí)驗(yàn)工況，制冷劑充注水平(refrigerant charge level,RCL)95.75%和103.74%被定義為正常實(shí)驗(yàn)工況，制冷劑充注不足與過量工況視為故障實(shí)驗(yàn)工況。實(shí)驗(yàn)在制熱模式下進(jìn)行，分別采集正常工況、制冷劑充注不足和過量故障工況下的實(shí)驗(yàn)數(shù)據(jù)。3 結(jié)果分析

多聯(lián)機(jī)實(shí)驗(yàn)系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于PCA-DT的多聯(lián)機(jī)制冷劑充注量故障診斷[J]. 王江宇,陳煥新,劉江巖,李冠男.  華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版). 2016(07)
[2]基于小波去噪和神經(jīng)網(wǎng)絡(luò)的冷水機(jī)組故障診斷[J]. 石書彪,陳煥新,李冠男,胡云鵬,黎浩榮,胡文舉.  制冷學(xué)報(bào). 2016(01)
[3]基于改進(jìn)BP網(wǎng)絡(luò)的冷水機(jī)組故障診斷[J]. 石書彪,陳煥新,李冠男,胡云鵬,黎浩榮,胡文舉,李炅.  制冷學(xué)報(bào). 2015(06)
[4]基于SVDD的冷水機(jī)組傳感器故障檢測(cè)及效率分析[J]. 李冠男,胡云鵬,陳煥新,黎浩榮,李炅,胡文舉.  化工學(xué)報(bào). 2015(05)



本文編號(hào)：3476150