CN109539473A - 空调系统的故障类型确定方法、电子设备 - Google Patents

Abstract

本申请涉及空调技术领域，尤其涉及一种空调系统的故障类型确定方法、电子设备。所述空调系统的故障类型确定方法，包括：确定所述空调系统所处空间的当前温度为异常状态，获得当前空调系统的故障数据；根据各故障识别模型的优先级依次调用，将所述故障数据输入调用的故障识别模型；所述空调系统的故障类型为最大优先级故障识别模型输出的故障类型。本申请提供的方案能够快速确定引起当前温度异常信号的故障类型，实现智能决策，有利于提高故障类型的诊断效率。

Description

空调系统的故障类型确定方法、电子设备

技术领域

本申请涉及空调技术领域，具体而言，本申请涉及一种空调系统的故障类型确定方法、电子设备。

背景技术

在研发实验室及机房等需要保持温度及湿度相对稳定环境的空间中，一旦控制温湿度的空调发生故障，实验室内温度和湿度发生变化，很可能会造成样品变坏、机器损坏等情况。因此，采取一定的控制措施在空调发生故障时及时控制空间的温湿度保持稳定很重要。

一般而言，当空调发生故障停机时，触发报警装置向空调的监控系统传送报警信息，监控系统发出声光或邮件报警，工作人员逐步排查故障原因，确定故障类型，故障诊断的准确率较难保证，且耗费较多的故障排查时间，在此期间，可能会引起需要相对稳定温度的环境温度失衡，产生难以估计的损失。

发明内容

本申请提供了一种空调系统的故障类型确定方法、电子设备，以解决空调系统的故障反应时间长的问题。技术方案如下：

本申请实施例首先提供了一种空调系统的故障类型确定方法，包括：

确定所述空调系统所处空间的当前温度为异常状态，获得当前空调系统的故障数据；

根据各故障识别模型的优先级依次调用，将所述故障数据输入调用的故障识别模型；

所述空调系统的故障类型为最大优先级故障识别模型输出的故障类型。

优选地，所述确定所述空调系统所处空间的当前温度为异常状态的步骤，包括：

监控空调系统所处空间的温度，获得空调系统中温度检测装置检测的当前温度信息；

当所述当前温度信息超出温度的预设阈值时，则确定所述空间的当前温度处于异常状态。

优选地，根据各故障识别模型的优先级依次调用的步骤，包括：

统计预设时间段内所述空调系统已出现的故障类型，依据所述故障类型的出现概率及判断难度确定该故障类型对应的故障识别模型的优先级；

按照该优先级依次调用对应的故障识别模型。

优选地，所述统计预设时间段内所述空调系统已出现的故障类型的步骤，包括：

调取所述空调系统出现故障的时间信息，将所述时间信息划分为多个相同时长的多个时间段；

统计多个时间段内对应的空调系统出现的故障次数，所述故障次数最多的时间段确定为所述预设时间段，调取该预设时间段内出现的故障类型。

优选地，确定各故障类型的判断难度的步骤，包括：

将故障类型分成若干判断等级，第一判断等级包括：设定温度异常、负载量异常，第二判断等级包括：冷却水控制阀故障、风机故障，第三判断等级包括进水过滤器异常；

为各判断等级赋值，所述赋值大小表征故障类型的判断难度。

优选地，所述的优先级反映为优先指数，所述故障识别模型的优先级，描述为：

P＝∑(x₁A+x₂B)

其中，P为各故障类型的优先指数，A是各故障类型的出现概率，B是各故障类型的判断难度，x₁是故障类型的出现概率的权重，x₂是故障类型的判断难度的权重。

优选地，还包括：

预先存储与各故障类型对应的故障修复措施；

根据确定的故障类型，调取与所述故障类型相对应的故障修复措施修复该故障类型。

优选地，所述调取与所述故障类型相对应的故障修复措施修复该故障类型的步骤之后，还包括：

若再次确定所述空调系统所处空间的当前温度为异常状态，调取预先建立的各故障类型的关联关系；

根据关联关系对所述故障识别类型重置排序，按照重置排序结果依次排查故障类型。

进一步地，本申请实施例还提供了一种电子设备，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行上述任一项技术方案所述的空调系统的故障类型确定方法的步骤。

更进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述任一技术方案所述的空调系统的故障类型确定方法的步骤。

相比现有技术，本申请提供的方案具有以下优点：

本申请实施例提供的空调系统的故障类型确定方法，将当前空调系统的故障数据输入按照优先级排序的故障识别模型中，确定最大优先级的输出类型为当前空调系统的故障类型，利用已训练好且按照优先级排序的故障识别模型能够迅速获得当前故障数据对应的故障类型，降低故障类型的排查时间。

本申请实施例提供的空调系统的故障类型确定方法，通过预先为各故障识别模型建立优先级，按照优先级的排序依次调用所述故障识别模型，能够快速确定引起当前温度异常信号的故障类型，有利于提高故障类型的判断效率，有利于及时发现故障原因、确定故障类型，降低该空调系统故障造成更大损失的概率。

本申请实施例提供的空调系统的故障类型确定方法，根据各故障类型的出现概率及对应的判断难度确定各故障类型对应的故障识别模型的优先级，这种优先级是基于历史数据，利用大数据的优势使得故障类型的确定过程更加准确和快速。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。

图1为本申请实施例提供的空调系统的故障类型确定方法的流程示意图；

图2为本申请实施例提供的确定所述空调系统所处空间的当前温度为异常状态的流程示意图；

图3为本申请实施例提供的根据各故障识别模型的优先级依次调用的流程示意图；

图4为本申请实施例提供的确定各故障类型的判断难度的流程示意图；

图5为本申请实施例提供的统计预设时间段内所述空调系统已出现的故障类型的流程示意图；

图6为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

下面详细描述本申请的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本申请，而不能解释为对本申请的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本申请的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本申请的实施例进行描述。

本申请首先提供了一种空调系统的故障类型确定方法，一种实施例中，空调系统的故障类型确定方法的流程示意图如图1所示，包括如下步骤：

S110，确定所述空调系统所处空间的当前温度为异常状态，获得当前空调系统的故障数据；

S120，根据各故障识别模型的优先级依次调用，将所述故障数据输入调用的故障识别模型；

S130，所述空调系统的故障类型为最大优先级故障识别模型输出的故障类型。

所述故障类型包括：空调所在机柜的负载量异常、风机故障、电动调节水阀故障、进水过滤器故障、设定温度过高等等。所述空调系统所述空间指的是所述空调系统调节下的空间，如：处于中央空调调节下的一个房间，该空间中分布有空调系统的部分部件。所述故障数据包括各故障类型对应的参数数值，如温度、风速、进水量等。

确定空调系统所处空间的当前温度为异常状态后，检测是否有空调故障停机，若检测到温度过高导致空调停机，可以按照本申请提供的方案进行故障类型的确定，也可以通过别的检测手段进行故障类型的确定与修复，为了不影响用户体验，此时优选启动备用空调，若空调并未停机，优选采用本申请提供的方案进行故障类型的确定及修复。

本申请实施例提供的空调系统的故障类型确定方案，将当前空调系统的故障数据输入按照优先级排序的故障识别模型中，确定最大优先级的输出类型为当前空调系统的故障类型，解决了如何快速准确地判断当前温度异常的故障类型的问题。为各故障识别模型建立优先级，按照优先级的排序依次调用，有利于提高故障类型的判断效率，有利于及时发现故障原因、确定故障类型，降低该空调系统故障造成更大损失的概率。

一种实施例中，所述确定所述空调系统所处空间的当前温度为异常状态的步骤，其流程示意图如图2所示，包括如下步骤：

S210，监控空调系统所处空间的温度，获得空调系统中温度检测装置检测的当前温度信息；

利用空调系统中的温度检测装置持续监控空调系统所处空间的温度，所述温度检测装置优选为外挂式。所述温度检测装置时刻检测所处空间的当前温度信息并输出。

S220，判断所述当前温度信息是否超出温度的预设阈值；

接收到温度检测装置发送的当前温度信息，判断所述当前温度信息是否超出预设的温度的预设阈值，并将判断结果输出，以便后续调用与判断结果相关联的应对措施。

S230，若是，确定所述空间的当前温度处于异常状态。

若当前温度信息超出温度的预设阈值，则确定所述空间的当前温度处于异常状态。所述预设阈值可以是数值范围，所述温度信息超出温度的预设阈值包括温度超出预设阈值上限，或/和温度低于预设阈值下限。所述异常状态包括温度过高或过低。

本实施例提供的方案还包括：若否，执行步骤S210。

值的说明的是，本实施例提供的方案也适用于保持环境湿度的情况，检测及维持方案与温度相似，在此不再赘述。

本实施例提供的方案通过对温度的实时监控获得空调系统的情况，一经发现温度异常，随即对应进行故障原因及故障类型的确定，有利于空调系统所在空间维持相对应稳定的温度。

一种实施例中，所述根据各故障识别模型的优先级依次调用的步骤，其流程示意图如图3所示，包括如下步骤：

S310，统计预设时间段内所述空调系统已出现的故障类型，依据所述故障类型的出现概率及判断难度确定该故障类型对应的故障识别模型的优先级。

所述故障类型的出现概率指的是：某一故障类型的出现次数在全部故障类型的故障次数之和中的占比。

一种实施例中，故障识别模型的优先级的影响因素有：该故障识别模型对应的故障类型的出现概率、该故障类型的判断难度等。统计预设时间段内该空调已出现的故障类型以及对应的次数，获得各故障类型的出现概率，结合故障类型的出现概率、判断难度及各自对应的权重确定各故障类型的优先指数，根据各故障类型的优先指数确定该故障类型的优先级及排查顺序。

所述依据所述故障类型的出现概率及判断难度确定该故障类型对应的故障识别模型的优先级的步骤之前，还包括：确定各故障类型的判断难度。

一种实施例中，所述确定各故障类型的判断难度的步骤，其流程示意图如图4所示，包括：

S410，依据所述故障类型分成若干判断等级，第一判断等级包括：负载量异常、设定温度异常；第二判断等级包括：冷却水控制阀故障、风机故障；第三判断等级包括进水过滤器异常。

S420，为各判断等级赋值，所述赋值大小表征故障类型的判断难度。

为各判断等级赋值，即为处于相同判断等级的故障类型赋值相同，赋值大小可以随着判断等级的增大而增大，即判断等级越高，赋值越大，如依次为第一判断等级、第二判断等级、第三判断等级赋值为5、10、15；也可以与判断等级呈异步对应关系，即判断等级越高，赋值越小，如依次为第一判断等级、第二判断等级、第三判断等级赋值为15、10、5。

所述负载量异常包括负载量变大或变小，所述设定温度异常包括设定温度过高或过低，具体的异常情况依据温度异常情况而定。以温度过高为例，若确定当前空间温度过高，可能的原因为：所述设定温度过高、冷却水控制阀故障、进水过滤器堵塞等。

检测空调所在机柜中的功率负载量是否增加，若是，控制空调所在机柜中的功率负载降低，待空调所在空间中的温度信息稳定，判断所述空间温度信息是否随着功率负载的下降而下降，若是，则空调系统故障为负载量异常。

可以通过如下方式定义各判断等级：不需要拆机就能判断的故障类型为第一判断等级，如空调故障停机、设定温度高、负载量异常等，需要拆机才能确定的故障类型为第二判断等级，如冷却水控制阀故障、风机故障等，将还需更近一步检查才能确定的故障类型设定为第三判断等级，如进水过滤器堵塞等。该种分级方式还可以解释为一种由表及里的分级方式，空间温度异常，检测到表层故障类型，如空调出风温度并未超出预设阈值，即并非是表层的故障类型，需进一步排查里层故障类型，再检测是否是冷却水控制阀故障，若否，进一步检测是否为进水过滤器故障。

为各故障类型设定判断难度，有利于结合该故障类型的判断难度排雷各故障识别模型的优先级，使得排序更加层次分明，呈递进顺序判断，有利于合理排查故障类型，提高故障类型的判断效率。

一种实施例中，所述优先级反应为优先指数，所述故障识别模型的优先级，描述为：

P＝∑(x₁A+x₂B)

其中，P为各故障类型的优先指数，A是各故障类型的出现概率，B是各故障类型的判断难度，x₁是故障类型的出现概率的权重，x₂是故障类型的判断难度的权重。

在步骤S310之前，还包括：建立各故障类型对应的故障识别模型。

调取多个空调系统的历史故障数据，所述历史故障数据包括故障类型及对应的故障数据，由于一个空调系统中出现的故障类型可能不够全面，因此调取多个空调系统的历史故障数据，以扩充样本数据量以便获得更加准确的故障识别模型。

根据故障类型将所述历史故障数据划分为多个故障类型对应的故障数据库，利用神经网络等深度学习算法训练各故障数据库中的历史故障数据，以获得各故障类型对应的故障识别模型。

利用深度学习算法，如神经网络算法提取各故障类型数据库中的数据特征，利用神经网络算法不断提取该故障类型的低级具体特征及高级抽象特征，建立以所述特征信息为基础的故障识别模型，以便该模型能够通过提取当前故障数据中的特征信息输出对应的故障类型。

一种实施例中，所述统计预设时间段内所述空调系统已出现的故障类型的步骤，其流程示意图如图5所示，包括如下步骤：

S510，调取所述空调系统出现故障的时间信息，将所述时间信息划分为多个相同时长的时间段。

S520，统计多个时间段内对应的空调系统出现的故障次数，所述故障次数最多的时间段确定为所述预设时间段，调取该预设时间段内出现的故障类型。

一般情况下，新空调出现故障的概率较低，随着使用时间的增长，由于硬件老化等问题，出现故障的概率逐步增大，若统计空调全部时间段内的故障类型，浪费系统资源，获得空调出现故障最频繁的时间段，就该时间段内的故障数据进行统计，若近一个月内出现故障较频繁，则预设时间段可选为近一个月，调取该月内出现的故障类型，这种方案与调取空调全部使用时间段内的数据相比，降低系统的资源消耗量，提高获得故障类型的效率。

S320，按照该优先级依次调用对应的故障识别模型。

按照上述实施例提供的优先级排序结果依次调用对应的故障识别模型，如上述实施例提供方案获得的优先级排序结果为：负载量异常识别模型、风机故障识别模型，则首先调用负载量异常识别模型判断空调系统所在的机柜是否负载量发生了变化，若无，则调用风机故障识别模型判断出风量是否异常，若是，则空调系统的故障类型为风机故障。

举例说明本实施例提供的方案，首先采集空调的出风温度，判断出风温度是否超出预设阈值，若出风温度超出预设阈值，采集并判断设定温度是否超出预设温度阈值，若否，调取电动调节水阀的状态并判断其状态是否为打开状态，若是，调取并判断空调的进水过滤器是否堵塞，若是，则出风温度异常的故障类型为进水过滤器堵塞；若空调系统的出风量超出预设阈值，采集空调的风机是否出现异响，若出现异响，则故障类型为风机故障，进一步根据异响特征判断风机的具体故障类型。

一种实施例中，所述空调系统的故障类型确定方法，还包括：预先存储与各故障类型对应的故障修复措施；根据确定的故障类型，调取与所述故障类型相对应的故障修复措施修复该故障。

预先建立各故障类型及其对应的故障修复措施之间的关联关系，将所述关联关系加以存储，如故障类型为电动调节水阀未处于打开状态，发送打开电动调节水阀的请求至与该空调系统相关联的终端界面上，待客户端发送确认打开指令则自动打开电动调节水阀，修复因电动调节水阀引起的空调故障。若故障类型为设定温度过高，则控制设定温度降低等。本实施例提供的方案，通过预先存储各故障类型对应的修复措施，有利于确定故障类型后迅速调取对应的故障修复措施，提高故障修复的效率，减少故障反应时间。

一种实施例中，所述调取与所述故障类型相对应的故障修复措施修复该故障类型的步骤之后，还包括：

若再次确定所述空调系统所处空间的当前温度为异常状态，调取预先建立的各故障类型的关联关系；

根据关联关系对所述故障识别类型重置排序，按照重置排序结果依次排查故障类型。

举例说明本实施例提供的方案，若确定所述空调系统的故障类型为冷却水控制阀故障，根据温度异常的情况确定对应冷却水控制阀堵塞或冷却水控制阀泄漏，调取与所述冷却水控制阀故障对应的修复措施。该故障修改后，待温度稳定后检测到所述空调系统所处空间的温度依旧异常，则说明还存在别的故障，重新获取当前故障数据，调取预先建立的与冷却水控制阀故障相关联的故障类型，若按照关联程度的高低获得重置排序如下：进水过滤器异常、风机故障、设定温度异常、负载量异常，按照重置排序结果依次调用对应的故障识别模型，根据所述当前故障数据确定第二故障类型。若再次检测所述空间内温度依旧处于异常状态，按照本实施例提供的方案执行，直至检测到所述空间内温度处于正常状态。

本实施例提供的方案，根据已确定的故障类型及故障类型之间的关联程度重新对故障类型进行重置排序，根据重置排序结果依次排查故障类型，由于故障类型有相关性，有利于提高确定后续故障类型的速度。

本申请通过为空调故障识别模型设定优先级，根据该优先级确定空调的故障类型，提高故障类型的诊断效率，实现自动判断空调的故障类型，降低了人工成本，提高了故障类型判断的速度和准确率，有利于后续针对性地展开修复工作，使空调系统恢复正常运行，而且能够进一步实现针对故障类型采取不同的修复措施，减少检测所需时间及调动修复措施的时间，提高了智能化和自动化程度。

更进一步地，本申请实施例还提供了一种电子设备，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行上述任一项技术方案所述的空调系统的故障类型确定方法的步骤。

一种实施例中，所述电子设备的结构示意图如图6所示，图6所示的电子设备600包括：处理器601和存储器603。其中，处理器601和存储器603相连，如通过总线602相连。可选地，电子设备600还可以包括收发器604。需要说明的是，实际应用中收发器604不限于一个，该电子设备600的结构并不构成对本申请实施例的限定。

处理器601可以是CPU，通用处理器，DSP，ASIC，FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器601也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

总线602可包括一通路，在上述组件之间传送信息。总线602可以是PCI总线或EISA总线等。总线602可以分为地址总线、数据总线、控制总线等。为便于表示，图6中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

存储器603可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。

可选地，存储器603用于存储执行本申请方案的应用程序代码，并由处理器601来控制执行。处理器601用于执行存储器603中存储的应用程序代码，以实现上述实施例提供的空调系统的故障类型确定方法的步骤。

更进一步地，本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该程序被处理器执行时实现上述实施例所示的空调系统的故障类型确定方法的步骤。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

以上所述仅是本申请的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本申请的保护范围。

Claims (10)

1.空调系统的故障类型确定方法，其特征在于，包括：

确定所述空调系统所处空间的当前温度为异常状态，获得当前空调系统的故障数据；

根据各故障识别模型的优先级依次调用，将所述故障数据输入调用的故障识别模型；

所述空调系统的故障类型为最大优先级故障识别模型输出的故障类型。

2.根据权利要求1所述的故障类型确定方法，其特征在于，所述确定所述空调系统所处空间的当前温度为异常状态的步骤，包括：

监控空调系统所处空间的温度，获得空调系统中温度检测装置检测的当前温度信息；

当所述当前温度信息超出温度的预设阈值时，则确定所述空间的当前温度处于异常状态。

3.根据权利要求1所述的故障类型确定方法，其特征在于，根据各故障识别模型的优先级依次调用的步骤，包括：

统计预设时间段内所述空调系统已出现的故障类型，依据所述故障类型的出现概率及判断难度确定该故障类型对应的故障识别模型的优先级；

按照该优先级依次调用对应的故障识别模型。

4.根据权利要求3所述的故障类型确定方法，其特征在于，所述统计预设时间段内所述空调系统已出现的故障类型的步骤，包括：

调取所述空调系统出现故障的时间信息，将所述时间信息划分为多个相同时长的多个时间段；

统计多个时间段内对应的空调系统出现的故障次数，所述故障次数最多的时间段确定为所述预设时间段，调取该预设时间段内出现的故障类型。

5.根据权利要求3所述的故障类型确定方法，其特征在于，确定各故障类型的判断难度的步骤，包括：

将故障类型分成若干判断等级，第一判断等级包括：设定温度异常、负载量异常，第二判断等级包括：冷却水控制阀故障、风机故障，第三判断等级包括进水过滤器异常；

为各判断等级赋值，所述赋值大小表征故障类型的判断难度。

6.根据权利要求1或3所述的故障类型确定方法，其特征在于，所述的优先级反映为优先指数，所述故障识别模型的优先级，描述为：

P＝∑(x₁A+x₂B)

其中，P为各故障类型的优先指数，A是各故障类型的出现概率，B是各故障类型的判断难度，x₁是故障类型的出现概率的权重，x₂是故障类型的判断难度的权重。

7.根据权利要求1所述的故障类型确定方法，其特征在于，还包括：

预先存储与各故障类型对应的故障修复措施；

根据确定的故障类型，调取与所述故障类型相对应的故障修复措施修复该故障类型。

8.根据权利要求7所述的故障类型确定方法，其特征在于，所述调取与所述故障类型相对应的故障修复措施修复该故障类型的步骤之后，还包括：

若再次确定所述空调系统所处空间的当前温度为异常状态，调取预先建立的各故障类型的关联关系；

根据关联关系对所述故障识别类型重置排序，按照重置排序结果依次排查故障类型。

9.一种电子设备，其特征在于，其包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于：执行根据权利要求1至8中任一项所述的空调系统的故障类型确定方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机指令，当其在计算机上运行时，使得计算机执行上述权利要求1至8中任一项所述的空调系统的故障类型确定方法的步骤。