CN110779249A - 太阳能热泵系统中传感器并发故障的在线诊断方法 - Google Patents

Abstract

本发明属于建筑能耗监测系统底层传感器数据处理技术领域，提供了一种太阳能热泵系统中传感器并发故障的在线诊断方法，包括以下步骤：S1、基于太阳能热泵系统，建立模型和定义校准域；S2、建立输入变量、输出变量的多组稳态值；S3、基于贝叶斯定理，对太阳能热泵系统中温度、压力、流量传感器进行校准；S4、基于后验分布，得到传感器的偏移量，实现校准。本发明的有益之处在于基于数据和模型，诊断出太阳能热泵系统中多种类型传感器某一或者同时发生故障，极大地提升了诊断的准确性。

Description

太阳能热泵系统中传感器并发故障的在线诊断方法

技术领域

本发明涉及一种传感器在线诊断的方法，具体涉及一种太阳能热泵系统中不同类型传感器并发故障的在线诊断方法，属于建筑能耗监测系统底层传感器数据处理技术领域。

背景技术

随着全球能源短缺情况的日益严峻，可再生能源受到了越来越多的关注，太阳能作为重要可再生能源之一，近些年的利用规模更是保持了高速增长。从2007年到2017年，全球的太阳能光伏发电规模从8GW暴增至402GW，太阳能集热器的规模从145GW增加至472GW。太阳能热泵系统是较为常见的冷剂型组件，通过结合热泵与光伏光热一体化技术，利用制冷剂相变潜热同时吸收来自太阳辐射能和空气中的热量，其光电光热综合效率远高于其他类型。尽管如此，太阳能热泵系统传感器在实际测量过程中面通常面临着如下几个问题：1)太阳能热泵系统全年四季在风吹日晒雨淋作用下运行条件比较恶劣，传感器很容易在这些复杂的工况下发生漂移；2)制冷剂在整个循环过程中以气液两相的形式共存，传感器频繁地与液态制冷剂和制冷剂蒸汽动态接触，测量同一点不同时刻的温度和压力时存在着明显的波动；3)太阳能热泵系统白天运行制热工况夜间运行制冷工况，在四通换向阀的作用下制冷剂的循环方向发生周期性改变。针对不同测点，夜间的低温低压工况可能转变为白天的高温高压工况，这种长时间的温差和压差变化会严重影响传感器的稳定性；4)对于太阳能热泵系统中的蒸发器和冷凝器，相变效应的存在会影响传感器的瞬时采样效率，出现一定的延迟响应问题，使得测量值无法实时反映实际过程。针对于以上的问题，国内外许多专家和学者采用不同的方法对其做了大量的研究，他们普遍采用冗余/标准传感器法、解析模型的方法、信号处理的方法、专家知识的方法等来检测传感器故障。但是这些方法都普遍面临着以下问题：1)仅仅关注传感器的单一故障，并不涉及传感器的多重并发故障；2)校准时需要安装冗余传感器，花费时间和金钱较多；3)需要较多历史数据，加大了诊断结果的不确定性。本发明针对于上述方法遇到的问题，采用数据加模型的方法，提出了一种太阳能热泵系统中不同类型传感器并发故障的在线诊断方法，以提高对太阳能热泵系统传感器诊断的准确性。

发明内容

本发明要解决的技术问题是提供一种能够有效提高太阳能热泵系统数据质量的不同类型传感器并发故障的在线诊断方法。

本发明的技术方案如下：

一种太阳能热泵系统中传感器并发故障的在线诊断方法，步骤如下：

S1、定义太阳能热泵系统模型和校准区域：基于太阳能热泵系统，对其进行系统模型的建立和校准区域的划分，具体步骤如下：

S1.1、定义太阳能热泵系统模型：

太阳能热泵系统主要由蒸发器、压缩机、冷凝器和膨胀阀组成，压缩机进口温度、压力为T_y,in、P_y,in，压缩机出口温度、压力为T_y,out、P_y,out，冷凝器出口温度、压力为T_c,out、P_c,out，蒸发器进口温度、压力为T_e,in、P_e,in，质量流量为

当其在夏季制冷时，低温低压的液态制冷剂在蒸发器内吸收热量变成过热的气态制冷剂，之后再经过压缩机压缩变成高温高压的气态制冷机，然后通过冷凝器向外释放热量变成低温的液态制冷剂，最后经过膨胀阀节流，低温低压的液态制冷剂流回蒸发器，完成一个制冷循环；根据上述太阳能热泵系统运行原理，分别建立压缩机、冷凝器、蒸发器的数学模型；

S1.2、定义模型中输入、输出变量：

根据步骤S1.1所建立的数学模型，确定太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out，输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

S1.3、定义校准区域：

根据步骤S1.1所建立的数学模型，将压缩机、冷凝器、蒸发器数学模型再一次划分为6个小的局部校准区域，使得每个校准区域内至多含有4个待校准的传感器，增大太阳能热泵系统中传感器校准的准确性；其中，T_y,in、P_y,in、P_y,out、T_y,out为第一个校准区域，T_y,in、P_y,in、P_y,out、为第二个校准区域，P_y,out、T_c,out为第三个校准区域，P_y,out、P_c,out为第四个校准区域，P_y,in、P_e,in为第五个校准区域，

P_e,in、T_e,in为第六个校准区域，对这6个校准区域分别依次进行校准；

S2、对太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out，输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

建立多组准稳态测量值，具体步骤如下：

S2.1、太阳能热泵系统结构复杂且包含多个传感器，首先要对太阳能热泵系统中传感器进行敏感性分析，确定对太阳能热泵系统影响最大的传感器；

S2.2、根据步骤S2.1的敏感性分析，对太阳能热泵系统中所有种类的传感器进行重要性排序，得到全部传感器校准顺序；

S2.3、对进行重要性排序完的所有种类传感器测量值进行稳态延迟性判断，把处于稳态、过渡态和瞬态数据分别处理，确定所需要的多组测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

处于稳定状态；

S2.4、对于处于稳定状态的所有测量值，运用聚类大数据分析方法对这些测量值进行分析和识别，保证具有相同状态的数据处于同一类；

S2.5、聚类后每一簇内依然有大量数据，选取每一簇内少量数据，要求传感器个数3倍以下，得到该方法所需要的多组准稳态数据；

S3、基于贝叶斯定理，根据能量守恒定律、热力学定律和质量守恒定律，对太阳能热泵系统中温度、压力、流量传感器进行校准，具体步骤如下：

S3.1、定义函数：定义太阳能热泵系统的修正函数、基准函数、距离函数：

修正函数：Y_c＝g(M,x₁,x₂,…,x_k) (1)

基准函数：Y_b＝f(Y_c,v1,Y_c,v2,…,Y_c,vr) (2)

距离函数：

D(x)为校准问题的距离函数，x为偏移量(传感器系统误差)，Y_b为传感器的基准输出值，Y_c为传感器的修正测量值，i为工作传感器的数量，N为在距离函数中基准输出的数量，M为传感器的实际测量值，g为工作传感器的修正函数，k为变量的数量，f为系统模型，v为相关变量的数量；

S3.2、代入数据：将步骤S2中的多组稳态测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

带入到距离函数中；

S3.3、基于贝叶斯定理进行校准：根据贝叶斯定理中变量的先验分布(均值为0，即校准之前认为没有发生偏移)和似然函数，用马尔科夫链蒙特卡洛(MCMC)方法，从联合多变量分布中获得一系列随机样本，进而计算出偏移常量的后验分布；通过式(3)-(5)看出，当传感器的基准输出值和修正测量值的差别最小时，也就是说D(x)取得最小值时，后验分布取得最大值，从而得到概率最大的偏移变量，其公式为：

贝叶斯定理：

似然函数：

x为偏移量(传感器系统误差)，Y_b为传感器的基准输出值，π(x)为偏移常量的先验分布，P(x|Y_b)为偏移量的后验分布，P(Y_b|x)为偏移量的似然函数，D(x)为校准问题的距离函数，P(Y_b)为归一化常数，σ为标准差；

S4、将步骤S3得到的最大概率后验分布的均值μ定为传感器偏移量x，加上工作传感器的测量值，得到传感器的校正测量值；

Y_c＝M+x (6)

Y_c为传感器的修正测量值，M为传感器的实际测量值，x为偏移量(传感器系统误差)。

本发明的有益效果：本发明提供了一种能够有效提高太阳能热泵系统数据质量的不同类型传感器并发故障的在线诊断方法，极大地提升了对太阳能热泵系统传感器诊断的准确性。

附图说明

图1为太阳能热泵系统传感器故障诊断流程图

图2为太阳能热泵系统示意图

图3为传感器校准后验分布示意图

具体实施方式

以下结合发明内容和说明书附图详细说明本发明的具体实施方式。

参照附图1，本发明的一种太阳能热泵系统中传感器并发故障的在线诊断方法，其包括以下步骤：

S1、定义太阳能热泵系统模型和校准区域：基于太阳能热泵系统，对其进行系统模型的建立和校准区域的划分，具体步骤如下：

S1.1、定义太阳能热泵系统模型：

太阳能热泵系统由蒸发器、压缩机、冷凝器和膨胀阀组成，压缩机进口温度、压力为T_y,in、P_y,in，压缩机出口温度、压力为T_y,out、P_y,out，冷凝器出口温度、压力为T_c,out、P_c,out，蒸发器进口温度、压力为T_e,in、P_e,in，质量流量为

当其在夏季制冷时，低温低压的液态制冷剂在蒸发器内吸收热量变成过热的气态制冷剂，之后再经过压缩机压缩变成高温高压的气态制冷机，然后通过冷凝器向外释放热量变成低温的液态制冷剂，最后经过膨胀阀节流，低温低压的液态制冷剂流回蒸发器，完成一个制冷循环。根据上述太阳能热泵系统运行原理，分别建立压缩机、冷凝器、蒸发器的模型。

S1.2、定义模型中输入、输出变量：

根据S1.1所建立的数学模型，确定太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out,输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

S1.3、定义校准区域：

根据S1.1所建立的数学模型，将压缩机、冷凝器、蒸发器模型再一次划分为6个小的局部校准区域，使得每个校准区域内至多含有4个待校准的传感器，增大太阳能热泵系统中传感器校准的准确性。其中，T_y,in、P_y,in、P_y,out、T_y,out为第一个校准区域，T_y,in、P_y,in、P_y,out、

为第二个校准区域，P_y,out、T_c,out为第三个校准区域，P_y,out、P_c,out为第四个校准区域，P_y,in、P_e,in为第五个校准区域，

P_e,in、T_e,in为第六个校准区域，对这6个校准区域分别依次进行校准。

S2、对太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out,输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、建立多组准稳态测量值，具体步骤如下：

S2.1、太阳能热泵系统结构复杂且包含多个传感器，首先要对太阳能热泵系统中传感器进行敏感性分析，确定对太阳能热泵系统影响最大的传感器。

S2.2、根据第一步的敏感性分析，对系统中所有种类的传感器进行重要性排序，得到全部传感器校准顺序。

S2.3、对进行重要性排序完的所有种类传感器测量值进行稳态延迟性判断，把处于稳态、过渡态和瞬态数据分别处理，确定所需要的多组测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、处于稳定状态。

S2.4、对于处于稳定状态的所有测量值，运用聚类大数据分析方法对这些测量值进行分析和识别，保证具有相同状态的数据处于同一类。

S2.5、聚类后每一簇内依然有大量数据，选取每一簇内少量数据(传感器个数3倍甚至更低)，得到该方法所需要的多组准稳态数据。

S3、基于贝叶斯定理，根据能量守恒定律、热力学定律和质量守恒定律等基础性的定律和原理，对太阳能热泵系统中温度、压力、流量传感器进行校准，其具体步骤如下：

S3.1、定义函数：定义太阳能热泵系统的修正函数、基准函数、距离函数：

修正函数：Y_c＝g(M,x₁,x₂,…,x_k) (1)

基准函数：Y_b＝f(Y_c,v1,Y_c,v2,…,Y_c,vr) (2)

距离函数：

D(x)为校准问题的距离函数，x为偏移量(传感器系统误差)，Y_b为传感器的基准输出值，Y_c为传感器的修正测量值，i为工作传感器的数量，N为在距离函数中基准输出的数量，M为传感器的实际测量值(可能带有误差)，g为工作传感器的修正函数，k为变量的数量，f为系统模型，v为相关变量的数量。

S3.2、代入数据：将S2中的多组稳态测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

带入到距离函数中；

S3.3、基于贝叶斯定理进行校准：根据贝叶斯定理中变量的先验分布(均值为0，即校准之前认为没有发生偏移)和似然函数，用马尔科夫链蒙特卡洛(MCMC)方法，从联合多变量分布中获得一系列随机样本，进而计算出偏移常量的后验分布。通过式(3)-(5)我们可以看出，当传感器的基准输出值和修正测量值的差别最小时，也就是说D(x)取得最小值时，后验分布取得最大值，从而得到概率最大的偏移变量，其公式为：

贝叶斯定理：

似然函数：

x为偏移量(传感器系统误差)，Y_b为传感器的基准输出值，π(x)为偏移常量的先验分布，P(x|Y_b)为偏移量的后验分布，P(Y_b|x)为偏移量的似然函数，D(x)为校准问题的距离函数，P(Y_b)为归一化常数，σ为标准差。

S4、将S3得到的最大概率后验分布的均值μ定为传感器偏移量x，加上工作传感器的测量值，得到传感器的校正测量值。

Y_c＝M+x (6)

Y_c为传感器的修正测量值，M为传感器的实际测量值(可能带有误差)，x为偏移量(传感器系统误差)。

Claims (1)

1.一种太阳能热泵系统中传感器并发故障的在线诊断方法，其特征在于，步骤如下：

S1、定义太阳能热泵系统模型和校准区域：基于太阳能热泵系统，对其进行系统模型的建立和校准区域的划分，具体步骤如下：

S1.1、定义太阳能热泵系统模型：

太阳能热泵系统主要由蒸发器、压缩机、冷凝器和膨胀阀组成，压缩机进口温度、压力为T_y,in、P_y,in，压缩机出口温度、压力为T_y,out、P_y,out，冷凝器出口温度、压力为T_c,out、P_c,out，蒸发器进口温度、压力为T_e,in、P_e,in，质量流量为当其在夏季制冷时，低温低压的液态制冷剂在蒸发器内吸收热量变成过热的气态制冷剂，之后再经过压缩机压缩变成高温高压的气态制冷机，然后通过冷凝器向外释放热量变成低温的液态制冷剂，最后经过膨胀阀节流，低温低压的液态制冷剂流回蒸发器，完成一个制冷循环；根据上述太阳能热泵系统运行原理，分别建立压缩机、冷凝器、蒸发器的数学模型；

S1.2、定义模型中输入、输出变量：

根据步骤S1.1所建立的数学模型，确定太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out，输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

S1.3、定义校准区域：

根据步骤S1.1所建立的数学模型，将压缩机、冷凝器、蒸发器数学模型再一次划分为6个小的局部校准区域，使得每个校准区域内至多含有4个待校准的传感器，增大太阳能热泵系统中传感器校准的准确性；其中，T_y,in、P_y,in、P_y,out、T_y,out为第一个校准区域，T_y,in、P_y,in、P_y,out、

为第二个校准区域，P_y,out、T_c,out为第三个校准区域，P_y,out、P_c,out为第四个校准区域，P_y,in、P_e,in为第五个校准区域，

P_e,in、T_e,in为第六个校准区域，对这6个校准区域分别依次进行校准；

S2、对太阳能热泵系统中的输入变量T_y,in、P_y,in、P_y,out，输出变量T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

建立多组准稳态测量值，具体步骤如下：

S2.1、太阳能热泵系统结构复杂且包含多个传感器，首先要对太阳能热泵系统中传感器进行敏感性分析，确定对太阳能热泵系统影响最大的传感器；

S2.2、根据步骤S2.1的敏感性分析，对太阳能热泵系统中所有种类的传感器进行重要性排序，得到全部传感器校准顺序；

S2.3、对进行重要性排序完的所有种类传感器测量值进行稳态延迟性判断，把处于稳态、过渡态和瞬态数据分别处理，确定所需要的多组测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

处于稳定状态；

S2.4、对于处于稳定状态的所有测量值，运用聚类大数据分析方法对这些测量值进行分析和识别，保证具有相同状态的数据处于同一类；

S2.5、聚类后每一簇内依然有大量数据，选取每一簇内少量数据，要求传感器个数3倍以下，得到该方法所需要的多组准稳态数据；

S3、基于贝叶斯定理，根据能量守恒定律、热力学定律和质量守恒定律，对太阳能热泵系统中温度、压力、流量传感器进行校准，具体步骤如下：

S3.1、定义函数：定义太阳能热泵系统的修正函数、基准函数、距离函数：

修正函数：Y_c＝g(M,x₁,x₂,…,x_k) (1)

基准函数：Y_b＝f(Y_c,v1,Y_c,v2,…,Y_c,vr) (2)

距离函数：

式中：D(x)为校准问题的距离函数，x为偏移量，Y_b为传感器的基准输出值，Y_c为传感器的修正测量值，i为工作传感器的数量，N为在距离函数中基准输出的数量，M为传感器的实际测量值，g为工作传感器的修正函数，k为变量的数量，f为系统模型，v为相关变量的数量；

S3.2、代入数据：将步骤S2中的多组稳态测量值T_y,in、P_y,in、P_y,out、T_y,out、T_c,out、P_c,out、P_e,in、T_e,in、

带入到距离函数中；

S3.3、基于贝叶斯定理进行校准：根据贝叶斯定理中变量的先验分布和似然函数，用马尔科夫链蒙特卡洛方法，从联合多变量分布中获得一系列随机样本，进而计算出偏移常量的后验分布；通过式(3)-(5)看出，当传感器的基准输出值和修正测量值的差别最小时，也就是说D(x)取得最小值时，后验分布取得最大值，从而得到概率最大的偏移变量，其公式为：

贝叶斯定理：

似然函数：

式中：x为偏移量，Y_b为传感器的基准输出值，π(x)为偏移常量的先验分布，P(x|Y_b)为偏移量的后验分布，P(Y_b|x)为偏移量的似然函数，D(x)为校准问题的距离函数，P(Y_b)为归一化常数，σ为标准差；

S4、将步骤S3得到的最大概率后验分布的均值μ定为传感器偏移量x，加上工作传感器的测量值，得到传感器的校正测量值；

Y_c＝M+x (6)

式中：Y_c为传感器的修正测量值，M为传感器的实际测量值，x为偏移量。

Images