CN109612024A - 一种空气处理机组主动式故障检测与诊断的方法 - Google Patents
一种空气处理机组主动式故障检测与诊断的方法 Download PDFInfo
- Publication number
- CN109612024A CN109612024A CN201811352895.XA CN201811352895A CN109612024A CN 109612024 A CN109612024 A CN 109612024A CN 201811352895 A CN201811352895 A CN 201811352895A CN 109612024 A CN109612024 A CN 109612024A
- Authority
- CN
- China
- Prior art keywords
- air
- failure
- supply
- value
- air temperature
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
- F24F11/38—Failure diagnosis
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/46—Improving electric energy efficiency or saving
- F24F11/47—Responding to energy costs
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/72—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure
- F24F11/74—Control systems characterised by their outputs; Constructional details thereof for controlling the supply of treated air, e.g. its pressure for controlling air flow rate or air velocity
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/89—Arrangement or mounting of control or safety devices
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/10—Temperature
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2110/00—Control inputs relating to air properties
- F24F2110/40—Pressure, e.g. wind pressure
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Fluid Mechanics (AREA)
- Air Conditioning Control Device (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明提供了一种空气处理机组主动式故障检测与诊断的方法。该方法主要针对空气处理机组中难以检测与诊断的硬件故障及传感器故障,考虑了运行模式对故障征兆的影响,并借助主动式行为获得更多的针对性的故障征兆,从而实现空气处理机组的故障检测与诊断。本发明提出了较为完整的空气处理机组主动式故障检测与诊断流程,针对不同运行模式下的常见故障制定了完整的主动式故障诊断规则,可以应对空气处理机组运行工况复杂、诊断信息不足导致的故障诊断难题。本发明所提供的主动式故障检测与诊断方法能够有效地检测并诊断空气处理机组中的大部分硬件故障及传感器故障。
Description
技术领域
本发明属于建筑节能、建筑运维和建筑自控领域,涉及基于知识推理的故障检测与诊断方法与技术,特别是涉及空气处理机组的故障检测与诊断方法及应用。
背景技术
空气处理机组是大型公共建筑空调系统中必不可少的组成部分,也是重要的能耗来源。但其系统规模庞大,控制策略复杂,各类故障频发。传统的手动检修不仅耗时费力,同时也对技术人员的专业性有较高的要求。在大多数公共建筑中,都缺乏对于空调系统的定期故障检测与诊断,存在着很大的故障隐患和能耗浪费情况。因此,空气处理机组的故障检测与诊断方法研究具有重要科学价值和工程意义。
由于空气处理机组具有多种运行模式,常见的运行模式有四种:制热模式、经济制冷模式、经济-机械制冷模式及机械制冷模式。其中,在制热模式下,混合箱阀门开度处于最小值以满足室内通风需求,空气处理机组利用加热盘管对送风进行加热处理,控制送风温度达到设定值;在经济制冷模式下空气处理机组通过改变混合箱阀门开度,调节新风比,控制送风温度达到设定值;在经济-机械制冷模式下,混合箱阀门开度处于最大值,空气处理机组利用冷却盘管盘管对送风进行制冷处理,控制送风温度达到设定值;在机械制冷模式下,混合箱阀门开度处于最小值以满足室内通风需求,空气处理机组利用冷却盘管盘管对送风进行制冷处理。
故障在不同的运行模式下具有不同的征兆表现,而不同的故障具有相似的征兆,且由于传感器测点不足,故障检测与诊断十分困难。近年来研究人员提出了许多空气处理机组故障检测与诊断方法,但多基于被动式的方法,即通过对在线数据的分析来检测诊断故障。由于故障类型多且征兆相似,难以有效诊断出故障。因此,这是一个典型的信息不足情况下的故障检测诊断问题,低成本获取更多诊断信息,以实现空气处理机组的故障检测与诊断是解决此问题的关键所在。
发明内容
本发明的能够克服现有技术的不足,提供一种信息不足情况下的空气处理机组主动式故障检测与诊断的方法。
有鉴于此,本发明空气处理机组主动式故障检测与诊断的方法包括以下基本操作步骤:
S1:首先对待检测的空气处理机组进行数据获取,具体步骤为:
第1-1步,获取待检测的空气处理机组实时运行数据,所述实时运行数据包括:送风机能耗测量值Wsf、混合室阀门开度Ud、送风风量传感器数据Fsa、新风温度传感器数据Toa、回风温度传感器数据Tra、混风温度传感器数据Tma、送风温度传感器数据Tsa、送风静压传感器数据Psa;
第1-2步,对获得的实时运行数据进行预处理;
S2:判断送风机能耗是否合理,具体步骤为:
第2-1步,比较送风机能耗测量值Wsf与预测值f(Fsa)的偏差,若偏差值大于送风流量阈值ΔWsf,且持续时间超过20min,则继续进入第2-2步,否则直接跳转至S3;其中f(Fsa)为根据正常运行历史数据拟合得到关于送风风量Fsa与送风机能耗Wsf的函数关系后,根据实时运行的送风风量数据预测得到的送风机能耗数据值;ΔWsf=3*σw,sf,σw,sf为根据正常运行历史数据获得的送风机能耗与其预测值差值的标准差;
第2-2步,比较送风风量Fsa与最小送风风量Fsa,min的大小,若Fsa<Fsa,min,判断发生的故障为送风机故障,转至S3,否则继续进入第2-3步,其中最小送风风量为送风机处于最小转速时的送风风量;
第2-3步,引入主动式行为,重设混合室阀门开度Ud,使其处于最大开度,并持续15min;
第2-4步,根据实时运行数据,若在主动式行为过程中送风风量测量值的标准差STD(Fsa,st,…Fsa,end)小于σF,判断发生的故障为送风风量传感器死值故障,转至第2-8步,否则继续进入第2-5步,其中σF为根据正常运行历史数据获得的送风风量测量值标准差;
第2-5步,根据实时运行数据,若在主动式行为结束时,新风温度Toa与混风温度Tma偏差的绝对值大于ΔTd,判断发生的故障为回风阀卡死故障,转至第2-8步,否则继续进入第2-6步,其中ΔTd为考虑包括风机和管道摩擦在内导致的温度变化阈值;
第2-6步,再次引入主动式行为,重设混合室阀门开度Ud,使其处于最小开度,并持续15min,然后继续进入第2-7步;
第2-7步,根据实时运行数据,若在主动式行为结束时,回风温度Tra与混风温度Tma的偏差绝对值大于ΔTd,判断发生的故障为新风阀卡死故障,否则判断发生的故障为排风阀卡死故障,继续进入第2-8步;
第2-8步,重设混合室阀门开度Ud,使其恢复最初值,继续进入S3;
S3:判断送风静压是否合理,具体步骤为:
第3-1步,比较送风静压测量值Psa与设定值Psa,set的偏差,若偏差值大于送风静压阈值ΔP,且持续时间超过30min,则继续进入第3-2步,否则直接跳转至S4;其中ΔP=3*σP,σP为根据正常运行历史数据获得的送风静压测量值的标准差;
第3-2步,引入主动式行为,重设送风静压设定值Psa,set,在当前基础上提高10Pa,并持续15min;
第3-3步,根据实时运行数据,若在主动式行为过程中送风静压测量值的标准差STD(Psa,st,…Psa,end)小于σP,判断发生的故障为送风静压传感器死值故障,否则判断发生的故障为送风静压传感器偏移故障,继续进入第3-4步;
第3-4步,重设送风静压设定值Psa,set,使其恢复最初值,继续进入S4;
S4:判断空气处理机组的运行模式,若空气处理机组处于制热模式下,直接转至S5,若处于经济制冷模式,则转至S6,若处于其他运行模式则直接转至S7;
S5:进行制热模式下的故障检测与诊断,具体步骤为:
第5-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第5-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第5-3-1步,否则直接跳转至S6,其中ΔT=3*σT,σT为根据正常运行历史数据获得的送风温度测量值的标准差;
第5-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第5-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第5-2-3步,否则判断发生的故障为送风温度传感器正向偏移故障,转至第5-2-4步,其中σT1*为空气处理机组正常运行时引入当前主动式行为过程中送风温度测量值的标准差;
第5-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为加热盘管阀门卡死在较大开度故障,继续第5-2-4步;
第5-2-4步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S6;
第5-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第5-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第5-3-3步,否则转至第5-3-4步,其中σT2*为空气处理机组正常运行时引入当前主动式行为过程中送风温度测量值的标准差;
第5-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为加热盘管阀门卡死在较小开度故障,直接跳转至第5-3-5步;
第5-3-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa,set-Tsa>ΔT,则判断发生的故障为送风温度传感器负向偏移故障,否则判断发生的故障为冷却盘管泄露故障,继续进入第5-3-5步;
第5-3-5步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S6;
S6:进行经济制冷模式下的故障检测与诊断,具体步骤为:
第6-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足|Tsa-Tsa,set|>ΔT,则继续进入第6-2步,否则直接跳转至S7;
第6-2步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第6-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,判断发生的故障为送风温度传感器死值故障,否则判断发生的故障为送风温度传感器偏移故障,继续进入第6-4步;
第6-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S7;
S7:进行经济-机械制冷模式或机械制冷模式下的故障检测与诊断,具体步骤为:
第7-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第7-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第7-3-1步,否则直接跳转至S8;
第7-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第7-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第7-2-3步,否则转至第7-2-4步;
第7-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较小开度故障,直接跳转至第7-2-5步;
第7-2-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,则判断发生的故障为送风温度传感器正向偏移故障,否则判断发生的故障为加热盘管泄露故障,继续进入第7-2-5步;
第7-2-5步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S8;
第7-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第7-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第7-3-3步,否则判断发生的故障为送风温度传感器负向偏移故障,转至第7-3-4步;
第7-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较大开度故障,继续第7-3-4步;
第7-3-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S8;
S8:根据故障检测诊断结果,生成故障检测诊断报告,并显示故障类型。
基于上述技术方案,还可以进一步提供如下优选方式,其中:
上述空气处理机组实时运行数据通过建筑管理系统BMS在线获取。
上述第1-2步中,数据的预处理包括数据清洗、变换,用于剔除异常数据。
上述所述的相关预测公式f(Fsa)、阈值ΔTd以及测量数据的标准差σw,sf、σT、σT1*、σT2*、σP均通过历史数据统计获得。
上述正常运行历史数据为空气处理机组在没有发生任何故障情况下所产生的运行数据。
与现有技术相比,本发明所述的一种空气处理机组主动式故障检测与诊断的方法具有的优势在于:
与传统被动式故障检测与诊断方法相比,本方法可更全面地诊断在不同运行模式下空气处理机组常见的硬件故障及传感器故障,在不增加传感器测点的情况下,获得更加准确可信的诊断结果。自动化的故障检测与诊断可大大缩短故障从发生到消除的时间,减少人工排查的人力物力消耗,减小系统能耗浪费,提高建筑环境热舒适性。
附图说明
图1为空气处理机组主动式故障检测与诊断流程图。
具体实施方式
下面结合附图对本发明的实施例作详细说明,本实施例在本发明技术方案为前提下进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下属实施例。
如图1所示,本发明的空气处理机组故障检测与诊断方法,包括被动式参数训练、主动式参数训练及实时主动式故障检测与诊断。
被动式参数训练是利用正常运行历史数据,得到与被动式故障诊断相关的阈值参数、标准差数值及相应拟合公式;主动式参数训练通过在正常运行的空气处理机组上引入主动式行为,获得相应主动式过程中的参数如标准差等。
主动式故障检测与诊断过程该过程通过公共建筑BMS系统获得实时运行数据,判断空气处理机组所处的运行模式,并借助被动式故障检测得到可疑故障列表。根据故障列表,基于风险收益原则进行主动式行为选择,通过BMS向所述空气处理机组发送相应的控制指令,而后获取主动式行为实施后的运行数据。根据主动式故障诊断规则及对上述数据进行分析,实现故障分离。通过该流程,可以自动化诊断出发生在不同运行模式下的故障类型,并生成相应的故障报告,由此减少人工排查的人力物力消耗。
空气处理机组主动式故障检测与诊断的方法的具体实施步骤如下:
S1:首先对待检测的空气处理机组进行数据获取,具体步骤为:
第1-1步,获取待检测的空气处理机组实时运行数据,所述实时运行数据包括:送风机能耗测量值Wsf、混合室阀门开度Ud、送风风量传感器数据Fsa、新风温度传感器数据Toa、回风温度传感器数据Tra、混风温度传感器数据Tma、送风温度传感器数据Tsa、送风静压传感器数据Psa;
第1-2步,对获得的实时运行数据进行预处理;数据的预处理包括数据清洗、变换等,用于剔除异常数据。
S2:判断送风机能耗是否合理,具体步骤为:
第2-1步,比较送风机能耗测量值Wsf与预测值f(Fsa)的偏差,若偏差值大于送风流量阈值ΔWsf,且持续时间超过20min,则继续进入第2-2步,否则直接跳转至S3,其中f(Fsa)为根据正常运行历史数据拟合得到关于送风风量Fsa与送风机能耗Wsf的函数关系后,根据实时运行的送风风量数据预测得到的送风机能耗数据值,ΔWsf=3*σw,sf,σw,sf为根据正常运行历史数据获得的送风机能耗与其预测值差值的标准差;
第2-2步,比较送风风量Fsa与最小送风风量Fsa,min的大小,若Fsa<Fsa,min,判断发生的故障为送风机故障,转至S3,否则继续进入第2-3步,其中最小送风风量为送风机处于最小转速时的送风风量;
第2-3步,引入主动式行为,重设混合室阀门开度Ud,使其处于最大开度,并持续15min;
第2-4步,根据实时运行数据,若在主动式行为过程中送风风量测量值的标准差STD(Fsa,st,…Fsa,end)小于σF,判断发生的故障为送风风量传感器死值故障,转至第2-8步,否则继续进入第2-5步,其中σF为根据正常运行历史数据获得的送风风量测量值标准差;
第2-5步,根据实时运行数据,若在主动式行为结束时,新风温度Toa与混风温度Tma偏差的绝对值大于ΔTd,判断发生的故障为回风阀卡死故障,转至第2-8步,否则继续进入第2-6步,其中ΔTd为考虑风机、管道摩擦等导致的温度变化阈值;
第2-6步,再次引入主动式行为,重设混合室阀门开度Ud,使其处于最小开度,并持续15min,然后继续进入第2-7步;
第2-7步,根据实时运行数据,若在主动式行为结束时,回风温度Tra与混风温度Tma的偏差绝对值大于ΔTd,判断发生的故障为新风阀卡死故障,否则判断发生的故障为排风阀卡死故障,继续进入第2-8步;
第2-8步,重设混合室阀门开度Ud,使其恢复最初值,继续进入S3;
S3:判断送风静压是否合理,具体步骤为:
第3-1步,比较送风静压测量值Psa与设定值Psa,set的偏差,若偏差值大于送风静压阈值ΔP,且持续时间超过30min,则继续进入第3-2步,否则直接跳转至S4,其中ΔP=3*σP,σP为根据正常运行历史数据获得的送风静压测量值的标准差;
第3-2步,引入主动式行为,重设送风静压设定值Psa,set,在当前基础上提高10Pa,并持续15min;
第3-3步,根据实时运行数据,若在主动式行为过程中送风静压测量值的标准差STD(Psa,st,…Psa,end)小于σP,判断发生的故障为送风静压传感器死值故障,否则判断发生的故障为送风静压传感器偏移故障,继续进入第3-4步;
第3-4步,重设送风静压设定值Psa,set,使其恢复最初值,继续进入S4;
S4:判断空气处理机组的运行模式,若空气处理机组处于制热模式下,直接转至S5,若处于经济制冷模式,则转至S6,若处于其他运行模式则直接转至S7;
S5:进行制热模式下的故障检测与诊断,具体步骤为:
第5-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第5-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第5-3-1步,否则直接跳转至S6,其中ΔT=3*σT,σT为根据正常运行历史数据获得的送风温度测量值的标准差;
第5-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第5-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第5-2-3步,否则判断发生的故障为送风温度传感器正向偏移故障,转至第5-2-4步,其中σT1*为空气处理机组正常运行时引入当前主动式行为过程中送风温度测量值的标准差;
第5-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为加热盘管阀门卡死在较大开度故障,继续第5-2-4步;
第5-2-4步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S6;
第5-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第5-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第5-3-3步,否则转至第5-3-4步;
第5-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为加热盘管阀门卡死在较小开度故障,直接跳转至第5-3-5步;
第5-3-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa,set-Tsa>ΔT,则判断发生的故障为送风温度传感器负向偏移故障,否则判断发生的故障为冷却盘管泄露故障,继续进入第5-3-5步;
第5-3-5步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S6;
S6:进行经济制冷模式下的故障检测与诊断,具体步骤为:
第6-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足|Tsa-Tsa,set|>ΔT,则继续进入第6-2步,否则直接跳转至S7;
第6-2步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第6-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,判断发生的故障为送风温度传感器死值故障,否则判断发生的故障为送风温度传感器偏移故障,继续进入第6-4步;
第6-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S7;
S7:进行经济-机械制冷模式或机械制冷模式下的故障检测与诊断,具体步骤为:
第7-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第7-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第7-3-1步,否则直接跳转至S8,其中ΔT=3*σT,σT为根据正常运行历史数据获得的送风温度测量值的标准差;
第7-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第7-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第7-2-3步,否则转至第7-2-4步;
第7-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较小开度故障,直接跳转至第7-2-5步;
第7-2-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,则判断发生的故障为送风温度传感器正向偏移故障,否则判断发生的故障为加热盘管泄露故障,继续进入第7-2-5步;
第7-2-5步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S8;
第7-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第7-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第7-3-3步,否则判断发生的故障为送风温度传感器负向偏移故障,转至第7-3-4步;
第7-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较大开度故障,继续第7-3-4步;
第7-3-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S8;
S8:根据故障检测诊断结果,生成故障检测诊断报告,并显示故障类型。
上述相关预测公式f(Fsa)、阈值ΔTd以及测量数据的标准差σw,sf、σT、σT1*、σT2*、σP均通过历史数据统计获得。且上述正常运行历史数据为空气处理机组在没有发生任何故障情况下所产生的运行数据。
另外,需要注意的是,上述故障类型加热盘管阀门卡死在较大开度故障、加热盘管阀门卡死在较小开度故障、冷却盘管阀门卡死在较大开度故障、冷却盘管阀门卡死在较小开度故障中,“较大”、“较小”仅仅是对于故障类型的一种区别性描述,供故障排查人员知悉故障的可能原因,并不代表具体的开度数值。故障排查人员可根据故障类型的描述,对阀门进行具体的检测,从而确定其故障的具体情况。
以上所述的实施例只是本发明的一种较佳的方案,然其并非用以限制本发明。有关技术领域的普通技术人员,在不脱离本发明的精神和范围的情况下,还可以做出各种变化和变型。因此凡采取等同替换或等效变换的方式所获得的技术方案,均落在本发明的保护范围内。
Claims (5)
1.一种空气处理机组主动式故障检测与诊断的方法,其特征在于,包括以下步骤;
S1:首先对待检测的空气处理机组进行数据获取,具体步骤为:
第1-1步,获取待检测的空气处理机组实时运行数据,所述实时运行数据包括:送风机能耗测量值Wsf、混合室阀门开度Ud、送风风量传感器数据Fsa、新风温度传感器数据Toa、回风温度传感器数据Tra、混风温度传感器数据Tma、送风温度传感器数据Tsa、送风静压传感器数据Psa;
第1-2步,对获得的实时运行数据进行预处理;
S2:判断送风机能耗是否合理,具体步骤为:
第2-1步,比较送风机能耗测量值Wsf与预测值f(Fsa)的偏差,若偏差值大于送风流量阈值ΔWsf,且持续时间超过20min,则继续进入第2-2步,否则直接跳转至S3;其中f(Fsa)为根据正常运行历史数据拟合得到关于送风风量Fsa与送风机能耗Wsf的函数关系后,根据实时运行的送风风量数据预测得到的送风机能耗数据值;ΔWsf=3*σw,sf,σw,sf为根据正常运行历史数据获得的送风机能耗与其预测值差值的标准差;
第2-2步,比较送风风量Fsa与最小送风风量Fsa,min的大小,若Fsa<Fsa,min,判断发生的故障为送风机故障,转至S3,否则继续进入第2-3步,其中最小送风风量为送风机处于最小转速时的送风风量;
第2-3步,引入主动式行为,重设混合室阀门开度Ud,使其处于最大开度,并持续15min;
第2-4步,根据实时运行数据,若在主动式行为过程中送风风量测量值的标准差STD(Fsa,st,…Fsa,end)小于σF,判断发生的故障为送风风量传感器死值故障,转至第2-8步,否则继续进入第2-5步,其中σF为根据正常运行历史数据获得的送风风量测量值标准差;
第2-5步,根据实时运行数据,若在主动式行为结束时,新风温度Toa与混风温度Tma偏差的绝对值大于ΔTd,判断发生的故障为回风阀卡死故障,转至第2-8步,否则继续进入第2-6步,其中ΔTd为考虑包括风机和管道摩擦在内导致的温度变化阈值;
第2-6步,再次引入主动式行为,重设混合室阀门开度Ud,使其处于最小开度,并持续15min,然后继续进入第2-7步;
第2-7步,根据实时运行数据,若在主动式行为结束时,回风温度Tra与混风温度Tma的偏差绝对值大于ΔTd,判断发生的故障为新风阀卡死故障,否则判断发生的故障为排风阀卡死故障,继续进入第2-8步;
第2-8步,重设混合室阀门开度Ud,使其恢复最初值,继续进入S3;
S3:判断送风静压是否合理,具体步骤为:
第3-1步,比较送风静压测量值Psa与设定值Psa,set的偏差,若偏差值大于送风静压阈值ΔP,且持续时间超过30min,则继续进入第3-2步,否则直接跳转至S4;其中ΔP=3*σP,σP为根据正常运行历史数据获得的送风静压测量值的标准差;
第3-2步,引入主动式行为,重设送风静压设定值Psa,set,在当前基础上提高10Pa,并持续15min;
第3-3步,根据实时运行数据,若在主动式行为过程中送风静压测量值的标准差STD(Psa,st,…Psa,end)小于σP,判断发生的故障为送风静压传感器死值故障,否则判断发生的故障为送风静压传感器偏移故障,继续进入第3-4步;
第3-4步,重设送风静压设定值Psa,set,使其恢复最初值,继续进入S4;
S4:判断空气处理机组的运行模式,若空气处理机组处于制热模式下,直接转至S5,若处于经济制冷模式,则转至S6,若处于其他运行模式则直接转至S7;
S5:进行制热模式下的故障检测与诊断,具体步骤为:
第5-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第5-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第5-3-1步,否则直接跳转至S6,其中ΔT=3*σT,σT为根据正常运行历史数据获得的送风温度测量值的标准差;
第5-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第5-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第5-2-3步,否则判断发生的故障为送风温度传感器正向偏移故障,转至第5-2-4步,其中σT1*为空气处理机组正常运行时引入当前主动式行为的过程中送风温度测量值的标准差;
第5-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为加热盘管阀门卡死在较大开度故障,继续第5-2-4步;
第5-2-4步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S6;
第5-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第5-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第5-3-3步,否则转至第5-3-4步,其中σT2*为空气处理机组正常运行时引入当前主动式行为的过程中送风温度测量值的标准差;
第5-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为加热盘管阀门卡死在较小开度故障,直接跳转至第5-3-5步;
第5-3-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa,set-Tsa>ΔT,则判断发生的故障为送风温度传感器负向偏移故障,否则判断发生的故障为冷却盘管泄露故障,继续进入第5-3-5步;
第5-3-5步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S6;
S6:进行经济制冷模式下的故障检测与诊断,具体步骤为:
第6-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足|Tsa-Tsa,set|>ΔT,则继续进入第6-2步,否则直接跳转至S7;
第6-2步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第6-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,判断发生的故障为送风温度传感器死值故障,否则判断发生的故障为送风温度传感器偏移故障,继续进入第6-4步;
第6-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S7;
S7:进行经济-机械制冷模式或机械制冷模式下的故障检测与诊断,具体步骤为:
第7-1步,比较送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,且持续时间超过30min,则继续进入第7-2-1步,若满足Tsa,set-Tsa>ΔT,且持续时间超过30min,直接跳转至第7-3-1步,否则直接跳转至S8;
第7-2-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上提高5摄氏度,并持续15min;
第7-2-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT1*,继续进入第7-2-3步,否则转至第7-2-4步;
第7-2-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器正向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较小开度故障,直接跳转至第7-2-5步;
第7-2-4步,根据实时运行数据,在主动式行为结束时,比较此时的送风温度测量值Tsa与设定值Tsa,set,若满足Tsa-Tsa,set>ΔT,则判断发生的故障为送风温度传感器正向偏移故障,否则判断发生的故障为加热盘管泄露故障,继续进入第7-2-5步;
第7-2-5步,重设送风静压设定值Tsa,set,使其恢复最初值,直接跳转至S8;
第7-3-1步,引入主动式行为,重设送风温度设定值Tsa,set,在当前基础上降低5摄氏度,并持续15min;
第7-3-2步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT2*,继续进入第7-3-3步,否则判断发生的故障为送风温度传感器负向偏移故障,转至第7-3-4步;
第7-3-3步,根据实时运行数据,若在主动式行为过程中测量得到的送风温度测量值的标准差STD(Tsa,st,…Tsa,end)小于σT,判断发生的故障为送风温度传感器负向死值故障,否则判断发生的故障为冷却盘管阀门卡死在较大开度故障,继续第7-3-4步;
第7-3-4步,重设送风静压设定值Tsa,set,使其恢复最初值,继续进入S8;
S8:根据故障检测诊断结果,生成故障检测诊断报告,并显示故障类型。
2.如权利要求1所述的空气处理机组主动式故障检测与诊断的方法,其特征在于,空气处理机组实时运行数据通过建筑管理系统BMS在线获取。
3.如权利要求1所述的空气处理机组主动式故障检测与诊断的方法,其特征在于,第1-2步中,数据的预处理包括数据清洗、变换,用于剔除异常数据。
4.如权利要求1所述的空气处理机组主动式故障检测与诊断的方法,其特征在于,所述的相关预测公式f(Fsa)、阈值ΔTd以及测量数据的标准差σw,sf、σT、σT1*、σT2*、σP均通过历史数据统计获得。
5.如权利要求1所述的空气处理机组主动式故障检测与诊断的方法,其特征在于,所述的正常运行历史数据为空气处理机组在没有发生任何故障情况下所产生的运行数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811352895.XA CN109612024B (zh) | 2018-11-14 | 2018-11-14 | 一种空气处理机组主动式故障检测与诊断的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811352895.XA CN109612024B (zh) | 2018-11-14 | 2018-11-14 | 一种空气处理机组主动式故障检测与诊断的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109612024A true CN109612024A (zh) | 2019-04-12 |
CN109612024B CN109612024B (zh) | 2020-04-10 |
Family
ID=66003919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811352895.XA Active CN109612024B (zh) | 2018-11-14 | 2018-11-14 | 一种空气处理机组主动式故障检测与诊断的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109612024B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110878983A (zh) * | 2019-10-24 | 2020-03-13 | 广州地铁集团有限公司 | 空调故障的确定方法和装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967077A (zh) * | 2005-10-26 | 2007-05-23 | 韩国energy技术研究院 | 基于分类式规则的空调系统故障诊断方法 |
CN104037103A (zh) * | 2013-03-04 | 2014-09-10 | 阿自倍尔株式会社 | 故障检测系统及故障检测方法 |
US20150233597A1 (en) * | 2013-12-17 | 2015-08-20 | Optimum Energy Llc | Systems and methods for fault detection using smart valves |
JP2016023885A (ja) * | 2014-07-23 | 2016-02-08 | シャープ株式会社 | 温度調節装置および温度調節装置の制御方法 |
CN106871389A (zh) * | 2017-04-19 | 2017-06-20 | 河南工业大学 | 变风量空气处理机组主动式故障诊断方法 |
CN206771574U (zh) * | 2017-04-19 | 2017-12-19 | 河南工业大学 | 具有传感器故障纠正功能的变风量空气处理机组系统 |
CN108469097A (zh) * | 2018-02-28 | 2018-08-31 | 浙江大学 | 一种主动式变风量送风系统末端故障检测与诊断方法 |
US20180299155A1 (en) * | 2016-05-31 | 2018-10-18 | John Walsh | Apparatus and Methods to Determine Economizer Faults |
-
2018
- 2018-11-14 CN CN201811352895.XA patent/CN109612024B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1967077A (zh) * | 2005-10-26 | 2007-05-23 | 韩国energy技术研究院 | 基于分类式规则的空调系统故障诊断方法 |
CN104037103A (zh) * | 2013-03-04 | 2014-09-10 | 阿自倍尔株式会社 | 故障检测系统及故障检测方法 |
US20150233597A1 (en) * | 2013-12-17 | 2015-08-20 | Optimum Energy Llc | Systems and methods for fault detection using smart valves |
JP2016023885A (ja) * | 2014-07-23 | 2016-02-08 | シャープ株式会社 | 温度調節装置および温度調節装置の制御方法 |
US20180299155A1 (en) * | 2016-05-31 | 2018-10-18 | John Walsh | Apparatus and Methods to Determine Economizer Faults |
CN106871389A (zh) * | 2017-04-19 | 2017-06-20 | 河南工业大学 | 变风量空气处理机组主动式故障诊断方法 |
CN206771574U (zh) * | 2017-04-19 | 2017-12-19 | 河南工业大学 | 具有传感器故障纠正功能的变风量空气处理机组系统 |
CN108469097A (zh) * | 2018-02-28 | 2018-08-31 | 浙江大学 | 一种主动式变风量送风系统末端故障检测与诊断方法 |
Non-Patent Citations (1)
Title |
---|
陈友明等: "建筑能源管理与控制系统中传感器故障及其检测与诊断", 《暖通空调》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110878983A (zh) * | 2019-10-24 | 2020-03-13 | 广州地铁集团有限公司 | 空调故障的确定方法和装置 |
CN110878983B (zh) * | 2019-10-24 | 2021-06-11 | 广州地铁集团有限公司 | 空调故障的确定方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109612024B (zh) | 2020-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Feature selection based on Bayesian network for chiller fault diagnosis from the perspective of field applications | |
Du et al. | Sensor fault detection and its efficiency analysis in air handling unit using the combined neural networks | |
CN108469097A (zh) | 一种主动式变风量送风系统末端故障检测与诊断方法 | |
CN111486552B (zh) | 基于分项计量数据的空调冷冻水供水温度策略识别方法 | |
Zhao et al. | A virtual condenser fouling sensor for chillers | |
Jiang et al. | Applying grey forecasting to predicting the operating energy performance of air cooled water chillers | |
CN106871389B (zh) | 变风量空气处理机组主动式故障诊断方法 | |
CN107806690A (zh) | 一种基于贝叶斯网络的家用空调故障诊断方法 | |
CN109213127A (zh) | 一种基于深度学习的hvac系统渐变故障诊断方法 | |
Zhao et al. | A proactive fault detection and diagnosis method for variable-air-volume terminals in building air conditioning systems | |
CN110399986A (zh) | 一种泵站机组故障诊断系统的生成方法 | |
CN103400040A (zh) | 采用多步时域差值学习的故障诊断与预测方法 | |
Chen et al. | Using discrete Bayesian networks for diagnosing and isolating cross-level faults in HVAC systems | |
CN106556480B (zh) | 一种热量表耐久性冷热冲击试验异常点检测方法 | |
CN109612024A (zh) | 一种空气处理机组主动式故障检测与诊断的方法 | |
Wang et al. | Fault diagnosis using fused reference model and Bayesian network for building energy systems | |
CN103411204B (zh) | 除氧器压力低报警状态触发故障诊断的方法 | |
Pradhan et al. | Dynamic bayesian network-based fault diagnosis for ASHRAE guideline 36: high performance sequence of operation for HVAC systems | |
JP3394817B2 (ja) | プラント診断装置 | |
Chen et al. | Whole building system fault detection based on weather pattern matching and PCA method | |
CN111780355A (zh) | 一种监测空调运行状态的方法及装置 | |
CN107218180B (zh) | 一种基于振动加速度测量的风力发电机组传动系统故障报警方法 | |
Song et al. | Using a hybrid method to construct a computational efficient cooling coil model for an automated single-duct variable air volume system fault detection and diagnosis | |
CN105629855B (zh) | 一种绿色建筑运行效果监测平台 | |
CN114969068A (zh) | 城市压力管网实时流量监测数据分析方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |