CN112033581A - 一种冷热量表在线故障诊断方法及装置 - Google Patents
一种冷热量表在线故障诊断方法及装置 Download PDFInfo
- Publication number
- CN112033581A CN112033581A CN202010866315.XA CN202010866315A CN112033581A CN 112033581 A CN112033581 A CN 112033581A CN 202010866315 A CN202010866315 A CN 202010866315A CN 112033581 A CN112033581 A CN 112033581A
- Authority
- CN
- China
- Prior art keywords
- cold
- data
- heat
- historical
- current
- 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
- 238000003745 diagnosis Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 62
- 230000002159 abnormal effect Effects 0.000 claims abstract description 83
- 238000012512 characterization method Methods 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 118
- 238000001816 cooling Methods 0.000 claims description 73
- 238000010438 heat treatment Methods 0.000 claims description 46
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 38
- 238000005057 refrigeration Methods 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000013524 data verification Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011144 upstream manufacturing Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K19/00—Testing or calibrating calorimeters
Abstract
本发明实施例公开了一种冷热量表在线故障诊断方法及装置，冷热量表在线故障诊断方法包括：获取冷热量表的当前冷热量数据和历史冷热量数据；基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常；获取冷热量表的当前流量数据和历史流量数据；在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常。本发明实施例提供的冷热量表在线故障诊断方法及装置，能够提高故障诊断的及时性和准确性。
Description
技术领域
本发明实施例涉及故障诊断技术，尤其涉及一种冷热量表在线故障诊断方法及装置。
背景技术
在大型建筑中，中央空调系统一般安装有冷热量表，用于进行供热/供冷计量，或参与系统运行控制。受安装工艺、冷热量表探头质量、管路震动等影响，冷热量表一般会在安装一定周期后，发生数据偏离真实值的情况。因此需要对冷热量表的数据进行及时诊断，以确定数据状态。
目前，现有的冷热量表在线故障诊断方法，在对冷热量数据和流量数据进行在线故障诊断时，通常需要人工辅助，仅基于冷热量表的传统参数如信号强度进行诊断，影响了诊断的及时性和准确性。
发明内容
本发明实施例提供一种冷热量表在线故障诊断方法及装置，以提高故障诊断的及时性和准确性。
第一方面，本发明实施例提供了一种冷热量表在线故障诊断方法，包括：
获取冷热量表的当前冷热量数据和历史冷热量数据；
基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常；其中，第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到；
获取冷热量表的当前流量数据和历史流量数据；
在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常；其中，理论流量数据根据水泵的理论瞬时流量和瞬时流量的预设波动范围得到。
可选的，上述方法还包括：
对历史冷热量数据进行校验，确定历史冷热量数据是否合格，并在历史冷热量数据不合格时，对历史冷热量数据进行修正，得到修正后的历史冷热量数据。
可选的，对历史冷热量数据进行校验，确定历史冷热量数据是否合格，并在历史冷热量数据不合格时，对历史冷热量数据进行修正，包括：
获取预设时间段内每隔预设时间间隔的多个历史冷热量数据和冷机额定制冷热量数据；
根据冷机额定制冷热量数据，绘制冷机开启台数与总额定制冷热量的第一直线，确定第一直线的斜率；
根据多个历史冷热量数据，拟合冷机开启台数与历史冷热量数据中的最大历史瞬时冷热量的第二直线，确定第二直线的斜率和拟合优度；
当拟合优度大于或等于预设拟合优度阈值时，计算历史冷热量数据的修正系数；其中，修正系数为第一直线的斜率与第二直线的斜率的比值；
若修正系数在第一预设修正系数范围，则确定历史冷热量数据合格；
若修正系数不在第一预设修正系数范围，在第二预设修正系数范围或第三预设修正系数范围，则确定历史冷热量数据不合格，并将历史冷热量数据与修正系数的乘积作为修正后的历史冷热量数据。
可选的，上述方法还包括：
对历史流量数据进行校验，确定历史流量数据是否合格，并在历史流量数据不合格时，对历史流量数据进行修正，得到修正后的历史流量数据。
可选的，对历史流量数据进行校验，确定历史流量数据是否合格，并在历史流量数据不合格时，对历史流量数据进行修正，包括：
获取预设时间段内每隔预设时间间隔的多个历史流量数据和水泵额定流量数据；
根据水泵额定流量数据，绘制水泵开启台数与总额定流量的第三直线，确定第三直线的斜率；
根据多个历史流量数据，拟合水泵开启台数与历史流量数据中的最大历史瞬时流量的第四直线，确定第四直线的斜率和拟合优度；
当拟合优度大于或等于预设拟合优度阈值时，计算历史流量数据的修正系数；其中，修正系数为第三直线的斜率与第四直线的斜率的比值；
若修正系数在第四预设修正系数范围，则确定历史流量数据合格；
若修正系数不在第四预设修正系数范围，在第五预设修正系数范围或第六预设修正系数范围，则确定历史流量数据不合格，并将历史流量数据与修正系数的乘积作为修正后的历史流量数据。
可选的，基于第一理论冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常，包括：
获取处于开启状态的冷机的额定功率和压缩机电流百分比，并设定冷机能效比的最小值和最大值；
根据额定功率、压缩机电流百分比以及冷机能效比的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；
若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
可选的，基于第二理论冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常，包括：
获取处于开启状态的冷机的额定制冷热量，并设定冷机负荷率的最小值和最大值；
根据额定制冷热量以及冷机负荷率的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；
若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
可选的，基于历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常，包括：
根据历史冷热量数据，确定第一冷热量数据范围；
若距离当前预设时刻内的冷热量数据超出第一冷热量数据范围，则确定当前冷热量数据异常。
可选的，基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据中的任一种数据诊断当前冷热量数据异常时，则确定当前冷热量数据异常；
基于理论流量数据、质量表征参数和历史流量数据中的任一种数据诊断当前流量数据异常时，则确定当前流量数据异常。
第二方面，本发明实施例还提供了一种冷热量表在线故障诊断装置，其特征在于，包括：
冷热量数据获取模块，用于获取冷热量表的当前冷热量数据和历史冷热量数据；
冷热量数据诊断模块，用于基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常；其中，第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到；
流量数据获取模块，用于获取冷热量表的当前流量数据和历史流量数据；
流量数据诊断模块，用于在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常；其中，理论流量数据根据水泵的理论瞬时流量和瞬时流量的预设波动范围得到。
本发明实施例提供的冷热量表在线故障诊断方法及装置，通过获取冷热量表的当前冷热量数据和历史冷热量数据，并基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常，获取冷热量表的当前流量数据和历史流量数据，在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常。与现有的冷热量表在线故障诊断方法相比，本发明实施例提供的冷热量表在线故障诊断方法及装置，通过理论数据和历史数据自动确定冷热量数据以及流量数据是否异常，不需人工辅助，可提升故障诊断的及时性，并且基于多种数据如历史数据和理论数据进行故障诊断，避免仅基于冷热量表的传统参数如信号强度进行诊断带来的诊断准确性较低的问题，从而提高故障诊断的准确性。
附图说明
图1是本发明实施例一提供的一种冷热量表在线故障诊断方法的流程图；
图2是本发明实施例二提供的一种历史冷热量数据校验方法的流程图；
图3是本发明实施例三提供的一种历史流量数据校验方法的流程图；
图4是本发明实施例四提供的一种当前冷热量数据诊断方法的流程图；
图5是本发明实施例五提供的一种当前冷热量数据诊断方法的流程图；
图6是本发明实施例六提供的一种当前冷热量数据诊断方法的流程图；
图7是本发明实施例六提供的一种当前流量数据诊断方法的流程图；
图8是本发明实施例七提供的一种冷热量表在线故障诊断装置的结构框图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1是本发明实施例一提供的一种冷热量表在线故障诊断方法的流程图，本实施例可适用于中央空调中的冷热量表在线故障诊断等情况，该方法可以由冷热量表在线故障诊断装置来执行，该装置可以由软件和/或硬件的方式实现，该装置可以集成在具有冷热量表在线故障诊断功能的电子设备如计算机中，该方法具体包括如下步骤：
步骤110、获取冷热量表的当前冷热量数据、历史冷热量数据、当前流量数据和历史流量数据。
其中，当前冷热量数据包括当前冷量数据或当前热量数据，若中央空调制冷，则冷热量表测量冷量数据，若中央空调制热，则冷热量表测量热量数据。历史冷热量数据可以是冷热量表中存储的在当前时刻之前的多个时刻的冷量数据和热量数据，历史流量数据可以是冷热量表中存储的在当前时刻之前的多个时刻的流量数据。冷热量表在线故障诊断装置可通过自身设置的与冷热量表电连接的输入端口获取冷热量表的当前冷热量数据、历史冷热量数据、当前流量数据和历史流量数据，以根据获取的历史冷热量数据确定当前冷热量数据是否异常，根据获取的历史流量数据确定当前流量数据是否异常。
步骤120、基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常。
其中，第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到。并且，基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据中的任一种数据诊断当前冷热量数据异常时，则确定当前冷热量数据异常。如根据第一理论冷热量数据确定处于开启状态的冷机的理论制冷热量范围，若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常；如根据历史冷热量数据确定第一冷热量数据范围，若距离当前预设时刻内的冷热量数据超出第一冷热量数据范围，则确定当前冷热量数据异常。
步骤130、在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常。
其中，理论流量数据根据水泵的理论瞬时流量和瞬时流量的预设波动范围得到。质量表征参数可包括上下游信号强度、信号质量值和传输时间比。并且，基于理论流量数据、质量表征参数和历史流量数据中的任一种数据诊断当前流量数据异常时，则确定当前流量数据异常。当前冷热量数据异常时，如当前流量数据超出理论流量数据的可允许波动范围，则确定当前流量数据异常；如质量表征参数中的至少一个参数低于对应的预设参数阈值，则确定当前流量数据异常；如基于历史流量数据确定第一流量数据范围，即确定第一流量数据范围的上下限，若距离当前预设时刻内的流量数据超出第一流量数据范围，则确定当前流量数据异常。
步骤140、若当前流量数据异常，则发出冷热量数据异常可能是流量数据异常导致的提示信息。
步骤150、若当前流量数据正常，则发出冷热量数据异常可能是温度数据异常导致的提示信息，以便于及时提醒运维管理人员进行检查、维修。
本实施例提供的冷热量表在线故障诊断方法，基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常，并在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常。与现有的冷热量表在线故障诊断方法相比，本实施例提供的冷热量表在线故障诊断方法，通过理论数据和历史数据自动确定冷热量数据以及流量数据是否异常，不需人工辅助，可提升故障诊断的及时性，并且基于多种数据如历史数据和理论数据进行故障诊断，避免仅基于冷热量表的传统参数如信号强度进行诊断带来的诊断准确性较低的问题，从而提高故障诊断的准确性。
实施例二
图2是本发明实施例二提供的一种历史冷热量数据校验方法的流程图，本实施例可适用于中央空调中的冷热量表在线故障诊断等情况，该方法可以由冷热量表在线故障诊断装置在执行如实施例一所述的获取历史冷热量数据后执行，冷热量表在线故障诊断装置可以由软件和/或硬件的方式实现，该装置可以集成在具有冷热量表在线故障诊断功能的电子设备如计算机中，该方法具体包括如下步骤：
步骤210、获取预设时间段内每隔预设时间间隔的多个历史冷热量数据和冷机额定制冷热量数据。
其中，预设时间段可以是几个月或一年，预设时间间隔可以是十几分钟或几十分钟，如获取冷热量表中在当前时刻之前的一年内每隔15分钟的历史冷热量数据，并获取冷机额定制冷热量数据，预设时间段和预设时间间隔均可根据实际情况具体设定，在此不做限定。
步骤220、根据冷机额定制冷热量数据，绘制冷机开启台数与总额定制冷热量的第一直线，确定第一直线的斜率。
具体的，每个历史冷热量数据均对应有冷机开启台数和总额定制冷热量，如以冷机额定制冷量数据和总额定制冷量为例，总额定制冷量即为冷机开启台数和冷机额定制冷量的乘积，将冷机开启台数为横坐标，总额定制冷量为纵坐标建立平面直角坐标系，则冷机开启台数对应的总额定制冷量在平面直角坐标系中均对应有各自的坐标点，由于冷机开启台数和总额定制冷量是正比例关系，则坐标系中的各坐标点在一条直线上，根据这些坐标点可绘制冷机开启台数与总额定制冷量的第一直线，绘制出第一直线后第一直线的斜率也可确定。
步骤230、根据多个历史冷热量数据，拟合冷机开启台数与历史冷热量数据中的最大历史瞬时冷热量的第二直线，确定第二直线的斜率和拟合优度。
具体的，每个历史冷热量数据均对应有冷机开启台数和瞬时冷热量，将冷机开启台数为横坐标，瞬时冷量为纵坐标建立平面直角坐标系，则获取的各个历史冷量数据在平面直角坐标系中均对应有各自的坐标点。由于受冷机运行负载变化的影响，相同冷机开启台数下冷量有一定变化区间，不同冷机开启台数下瞬时冷量数据的最大值(可取95％分位)应与额定制冷量之和接近，此时需要根据这些坐标点拟合冷机开启台数与历史冷热量数据中的最大历史瞬时冷量的第二直线，拟合出第二直线后第二直线的斜率也可确定。
步骤240、判断拟合优度是否大于或等于预设拟合优度阈值。
其中，预设拟合优度阈值可以是0.6，具体可根据实际情况设定，在此不做限定。
步骤250、当拟合优度大于或等于预设拟合优度阈值时，计算历史冷热量数据的修正系数。
其中，修正系数为第一直线的斜率与第二直线的斜率的比值。根据坐标点和拟合的直线可确定拟合优度，拟合优度是指回归直线对观测值的拟合程度。拟合优度的值越接近1，表示回归直线对观测值的拟合程度越好；反之，拟合优度的值越小，说明回归直线对观测值的拟合程度越差。
步骤260、判断修正系数是否在第一预设修正系数范围。
步骤270、若修正系数在第一预设修正系数范围，则确定历史冷热量数据合格。
其中，第一预设修正系数范围可以是0.9-1.1，如当预设拟合优度大于或等于0.6时，若修正系数在0.9-1.1，则确定历史冷热量数据合格，可继续根据获取的历史冷热量数据诊断当前冷热量数据是否异常。
步骤280、若修正系数不在第一预设修正系数范围，判断修正系数是否在第二预设修正系数范围或第三预设修正系数范围。
步骤290、若修正系数在第二预设修正系数范围或第三预设修正系数范围，则确定历史冷热量数据不合格，并将历史冷热量数据与修正系数的乘积作为修正后的历史冷热量数据。
具体的，若修正系数不在第一预设修正系数范围如0.9-1.1，在第二预设修正系数范围如0.5-0.9或第三预设修正系数范围如1.1-2，则确定历史冷热量数据不合格，并将历史冷热量数据与修正系数的乘积作为修正后的历史冷热量数据，以使修正后的历史冷热量数据合格。并且，在历史冷热量数据不合格时对历史冷热量数据进行修正，可根据修正后的历史冷热量数据对当前冷热量数据进行诊断，以进一步提高故障诊断的准确性。
步骤291、若修正系数不在第一预设修正系数范围，也不在第二预设修正系数范围以及第三预设修正系数范围，或拟合优度小于预设拟合优度阈值，则确定历史冷热量数据不合格且无法修正。
具体的，在确定历史冷热量数据无法修正时可发出相应的提示信息，以便于提醒运维管理人员故障诊断的结果。
需要说明的是，第一预设修正系数范围、第二预设修正系数范围和第三预设修正系数范围可根据实际情况具体设定，在此不做限定。
本实施例提供的历史冷热量数据校验方法，对历史冷热量数据进行校验，确定历史冷热量数据是否合格，并在历史冷热量数据不合格时，对历史冷热量数据进行修正，得到修正后的历史冷热量数据，以使冷热量表在线故障诊断装置根据修正后的历史冷热量数据对冷热量表在线故障进行诊断，进一步提高故障诊断的准确性。
实施例三
图3是本发明实施例三提供的一种历史流量数据校验方法的流程图，本实施例可适用于中央空调中的冷热量表在线故障诊断等情况，该方法可以由冷热量表在线故障诊断装置在执行如实施例一所述的获取历史流量数据后执行，冷热量表在线故障诊断装置可以由软件和/或硬件的方式实现，该装置可以集成在具有冷热量表在线故障诊断功能的电子设备如计算机中，该方法具体包括如下步骤：
步骤310、获取预设时间段内每隔预设时间间隔的多个历史流量数据和水泵额定流量数据。
其中，预设时间段可以是几个月或一年，预设时间间隔可以是十几分钟或几十分钟，如获取冷热量表中在当前时刻之前的一年内每隔15分钟的历史流量数据，并获取水泵额定流量数据，预设时间段和预设时间间隔均可根据实际情况具体设定，在此不做限定。
步骤320、根据水泵额定流量数据，绘制水泵开启台数与总额定流量的第三直线，确定第三直线的斜率。
具体的，每个历史流量数据均对应有水泵开启台数与总额定流量，总额定流量即为水泵开启台数和水泵额定流量的乘积，如将水泵开启台数为横坐标，总额定流量为纵坐标建立平面直角坐标系，则水泵开启台数对应的总额定流量在平面直角坐标系中均对应有各自的坐标点，由于水泵开启台数和总额定流量是正比例关系，则坐标系中的各坐标点在一条直线上，根据这些坐标点可绘制水泵开启台数与总额定流量的第三直线，绘制出第三直线后第三直线的斜率也可确定。
步骤330、根据多个历史流量数据，拟合水泵开启台数与历史流量数据中的最大历史瞬时流量的第四直线，确定第四直线的斜率和拟合优度。
具体的，每个历史流量数据均对应有水泵开启台数和瞬时流量，如将水泵开启台数为横坐标，瞬时流量为纵坐标建立平面直角坐标系，则获取的各个历史流量数据在平面直角坐标系中均对应有各自的坐标点，由于可能受水泵变频的影响，相同水泵开启台数下流量数据有一定波动区间，取不同水泵开启台数下瞬时流量数据的最大值(可取95％分位)应与额定流量之和接近，此时需要根据这些坐标点拟合水泵开启台数与历史流量数据中的最大历史瞬时流量的第四直线，拟合出第四直线后第四直线的斜率也可确定。
步骤340、判断拟合优度是否大于或等于预设拟合优度阈值。
其中，预设拟合优度阈值可以是0.6，具体可根据实际情况设定，在此不做限定。
步骤350、当拟合优度大于或等于预设拟合优度阈值时，计算历史流量数据的修正系数。
其中，修正系数为第三直线的斜率与第四直线的斜率的比值。根据坐标点和拟合的直线可确定拟合优度，拟合优度是指回归直线对观测值的拟合程度。拟合优度的值越接近1，表示回归直线对观测值的拟合程度越好；反之，拟合优度的值越小，说明回归直线对观测值的拟合程度越差。
步骤360、判断修正系数是否在第四预设修正系数范围。
步骤370、若修正系数在第四预设修正系数范围，则确定历史流量数据合格。
其中，第四预设修正系数范围可以是0.8-1.2，如当预设拟合优度大于或等于0.6时，若修正系数在0.8-1.2，则确定历史流量数据合格，可继续根据获取的历史流量数据诊断当前流量数据是否异常。
步骤380、若修正系数不在第四预设修正系数范围，判断修正系数是否在第五预设修正系数范围或第六预设修正系数范围。
步骤390、若修正系数在第五预设修正系数范围或第六预设修正系数范围，则确定历史流量数据不合格，并将历史流量数据与修正系数的乘积作为修正后的历史流量数据。
具体的，若修正系数不在第四预设修正系数范围如0.8-1.2，在第五预设修正系数范围如0.5-0.9或第六预设修正系数范围如1.1-2，则确定历史流量数据不合格，并将历史流量数据与修正系数的乘积作为修正后的历史流量数据，以使修正后的历史流量数据合格。并且，在历史流量数据不合格时对历史流量数据进行修正，可根据修正后的历史流量数据对当前流量数据进行诊断，以进一步提高故障诊断的准确性。
步骤391、若修正系数不在第四预设修正系数范围，也不在第五预设修正系数范围以及第六预设修正系数范围，或拟合优度小于预设拟合优度阈值，则确定历史流量数据不合格且无法修正，并可发出相应的提示信息。
具体的，在确定历史流量数据无法修正时可发出相应的提示信息，以便于提醒运维管理人员故障诊断的结果。
需要说明的是，第四预设修正系数范围、第五预设修正系数范围和第六预设修正系数范围可根据实际情况具体设定，在此不做限定。
本实施例提供的历史流量数据校验方法，对历史流量数据进行校验，确定历史流量数据是否合格，并在历史流量数据不合格时，对历史流量数据进行修正，得到修正后的历史流量数据，以使冷热量表在线故障诊断装置根据修正后的历史流量数据对冷热量表在线故障进行诊断，进一步提高故障诊断的准确性。
实施例四
图4是本发明实施例四提供的一种当前冷热量数据诊断方法的流程图，该方法是对实施例一中步骤120的细化，该方法具体包括如下步骤：
步骤410、获取处于开启状态的冷机的额定功率和压缩机电流百分比，并设定冷机能效比的最小值和最大值。
其中，处于开启状态的冷机的额定功率和压缩机电流百分比可以在冷机和压缩机的控制系统中获得，可设定冷机能效比COP的最小值和最大值分别为2和8，即COP的范围为2-8，冷机能效比的具体设定值可根据实际情况确定，在此不做限定。
步骤420、根据额定功率、压缩机电流百分比以及冷机能效比的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围。
具体的，可将各个开启状态的冷机的额定功率P、压缩机电流百分比IPLR以及冷机能效比COP的乘积求和，得到处于开启状态的冷机的理论制冷热量Q，Q＝sum[P*IPLR*COP]，则处于开启状态的冷机的理论制冷热量范围的上下限分别为COP取最大值和最小值时对应的Q值。
步骤430、若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
具体的，若距离当前预设时刻内如距离当前8小时内80％以上时刻的冷热量数据低于理论制冷热量范围的下限或高于理论制冷热量范围的上限，则确定当前冷热量数据异常。
本实施例提供的当前冷热量数据诊断方法，通过处于开启状态的冷机的额定功率、压缩机电流百分比以及冷机能效比的最小值和最大值，确定理论制冷热量范围，以达到通过理论制冷热量范围即可确定当前冷热量数据是否异常的目的。
实施例五
图5是本发明实施例五提供的一种当前冷热量数据诊断方法的流程图，该方法是对实施例一中步骤120的细化，该方法具体包括如下步骤：
步骤510、获取处于开启状态的冷机的额定制冷热量，并设定冷机负荷率的最小值和最大值。
其中，处于开启状态的冷机的额定制冷热量可以在冷机的控制系统中获得，可设定冷机能负荷率PLR的最小值和最大值分别为50％和120％，即PLR的范围为50％-120％，冷机负荷率的具体设定值可根据实际情况确定，在此不做限定。
步骤520、根据额定制冷热量以及冷机负荷率的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围。
具体的，可将各个开启状态的冷机的额定制冷热量Q额定以及冷机负荷率的乘积求和，得到处于开启状态的冷机的理论制冷热量Q，Q＝sum[Q额定*PLR]，则处于开启状态的冷机的理论制冷热量范围的上下限分别为PLR取最大值和最小值时对应的Q值。
步骤530、若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
具体的，若距离当前预设时刻内如距离当前8小时内80％以上时刻的冷热量数据低于理论制冷热量范围的下限或高于理论制冷热量范围的上限，则确定当前冷热量数据异常。
本实施例提供的当前冷热量数据诊断方法，通过处于开启状态的冷机的额定制冷热量以及冷机负荷率的最小值和最大值，确定理论制冷热量范围，以达到通过理论制冷热量范围即可确定当前冷热量数据是否异常的目的。
实施例六
图6是本发明实施例六提供的一种当前冷热量数据诊断方法的流程图，该方法可建立在上述各实施例的基础上，该方法具体包括如下步骤：
步骤610、判断历史冷热量数据是否合格。
其中，历史冷热量数据是否合格的具体判断过程可参考实施例二，在此不再赘述。
步骤620、若历史冷热量数据不合格，则判断历史冷热量数据是否可修正。
具体的，可参考实施例二确定历史冷热量数据是否可修正的过程，在此不再赘述。
步骤630、若历史冷热量数据可修正，则对历史冷热量数据进行修正。
具体的，如将历史冷热量数据与修正系数的乘积作为修正后的历史冷热量数据。
步骤640、若历史冷热量数据合格，或，对历史冷热量数据进行修正，则基于历史冷热量数据确定第一冷热量数据范围。
具体的，可根据历史冷热量数据确定不同冷机开启台数下的冷热量表瞬时冷热量范围，确定的冷热量表瞬时冷热量范围可作为第一冷热量数据范围。若历史冷热量数据合格则根据获取的历史冷热量数据确定第一冷热量数据范围，若历史冷热量数据可修正则根据修正后的历史冷热量数据确定第一冷热量数据范围。
步骤650、判断距离当前预设时刻内的冷热量数据是否超出第一冷热量数据范围。
其中，预设时刻可以是8小时，具体可根据实际情况设定，在此不做限定。
步骤660、基于第一理论冷热量数据确定处于开启状态的冷机的第一理论制冷热量范围。
具体的，可参考实施例四对确定处于开启状态的冷机的理论制冷热量范围的过程，在此不再赘述。
步骤670、判断距离当前预设时刻内的冷热量数据是否超出第一理论制冷热量范围。
步骤680、基于第二理论冷热量数据确定处于开启状态的冷机的第二理论制冷热量范围。
具体的，可参考实施例五对确定处于开启状态的冷机的理论制冷热量范围的过程，在此不再赘述。
步骤690、判断距离当前预设时刻内的冷热量数据是否超出第二理论制冷热量范围。
步骤691、若距离当前预设时刻内的冷热量数据超出第一冷热量数据范围，或超出第一理论制冷热量范围，或超出第二理论制冷热量范围，则确定当前冷热量数据异常。
步骤692、若历史冷热量数据不可修正，则发出历史冷热量数据不合格且无法对当前冷热量数据进行诊断的提示信息。
本实施例提供的当前冷热量数据诊断方法，可基于历史冷热量数据、第一理论冷热量数据和第二理论冷热量数据中的任一种数据即可确定当前冷热量数据是否异常，避免仅基于冷热量表的传统参数如信号强度进行诊断带来的诊断准确性较低的问题，从而提高故障诊断的准确性。
图7是本发明实施例六提供的一种当前流量数据诊断方法的流程图，该方法可建立在上述各实施例的基础上，该方法具体包括如下步骤：
步骤710、判断历史流量数据是否合格。
步骤720、若历史流量数据不合格，则判断历史流量数据是否可修正。
具体的，可参考实施例三确定历史流量数据是否可修正的过程，在此不再赘述。
步骤730、若历史流量数据可修正，则对历史流量数据进行修正。
具体的，如将历史流量数据与修正系数的乘积作为修正后的历史流量数据。
步骤740、若历史流量数据合格，或，对历史流量数据进行修正，则基于历史流量数据确定第一流量数据范围。
具体的，可根据历史流量数据确定不同水泵开启台数和运行频率组合下的冷热量表瞬时流量范围，确定的冷热量表瞬时流量范围可作为第一流量数据范围。若历史流量数据合格则根据获取的历史流量数据确定第一流量数据范围，若历史流量数据可修正则根据修正后的历史流量数据确定第一流量数据范围。
步骤750、判断距离当前预设时刻内的流量数据是否超出第一流量数据范围。
其中，预设时刻可以是8小时，具体可根据实际情况设定，在此不做限定。
步骤760、基于理论流量数据确定理论瞬时流量的波动范围。
具体的，可基于理论流量数据确定不同水泵开启台数和运行频率下的理论瞬时流量，并设定理论瞬时流量的波动程度，根据理论瞬时流量和理论瞬时流量的波动程度确定理论瞬时流量的波动范围。
步骤770、若距离当前预设时刻内的流量数据超出理论瞬时流量的波动范围，则确定当前流量异常。
步骤780、判断质量表征参数中的至少一个参数是否超出相应的预设参数范围。
其中，质量表征参数可包括上下游信号强度、信号质量值和传输时间比，如质量表征参数中的至少一个参数超出对应的预设参数范围，则确定当前流量数据异常。
步骤790、若距离当前预设时刻内的流量数据超出第一流量数据范围或超出理论瞬时流量的波动范围，或质量表征参数中的数据超出相应的预设范围，则确定当前流量数据异常。
步骤791、若历史流量数据不可修正，则发出历史流量数据不合格且无法对当前流量数据进行诊断的提示信息。
本实施例提供的当前流量数据诊断方法，可基于历史流量数据、理论流量数据和质量表征参数中的任一种数据即可确定当前流量数据是否异常，避免仅基于冷热量表的传统参数如信号强度进行诊断带来的诊断准确性较低的问题，从而提高故障诊断的准确性。
实施例七
图8是本发明实施例六提供的一种冷热量表在线故障诊断装置的结构框图，该装置包括冷热量数据获取模块810、冷热量数据诊断模块820、流量数据获取模块830和流量数据诊断模块840；其中，冷热量数据获取模块810用于获取冷热量表的当前冷热量数据和历史冷热量数据；冷热量数据诊断模块820用于基于第一理论冷热量数据、第二理论冷热量数据和历史冷热量数据对当前冷热量数据进行诊断，确定当前冷热量数据是否异常；其中，第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到；流量数据获取模块830用于获取冷热量表的当前流量数据和历史流量数据；流量数据诊断模块840用于在当前冷热量数据异常时，基于理论流量数据、质量表征参数和历史流量数据对当前流量数据进行诊断，确定当前流量数据是否异常；其中，理论流量数据根据水泵的理论瞬时流量和瞬时流量的预设波动范围得到。
在上述实施例的基础上，冷热量表在线故障诊断装置还包括历史冷热量数据校验模块，用于对历史冷热量数据进行校验，确定历史冷热量数据是否合格，并在历史冷热量数据不合格时，对历史冷热量数据进行修正，得到修正后的历史冷热量数据。
优选的，历史冷热量数据校验模块包括历史冷热量数据获取单元、第一直线绘制单元、第二直线拟合单元、修正系数确定单元、历史冷热量数据校验单元；其中，历史冷热量数据获取单元用于获取预设时间段内每隔预设时间间隔的多个历史冷热量数据和冷机额定制冷热量数据；第一直线绘制单元用于根据冷机额定制冷热量数据，绘制冷机开启台数与总额定制冷热量的第一直线，确定第一直线的斜率；第二直线拟合单元用于根据多个历史冷热量数据，拟合冷机开启台数与历史冷热量数据中的最大历史瞬时冷热量的第二直线，确定第二直线的斜率和拟合优度；修正系数确定单元用于当拟合优度大于或等于预设拟合优度阈值时，计算历史冷热量数据的修正系数；其中，修正系数为第一直线的斜率与第二直线的斜率的比值；历史冷热量数据校验单元用于若修正系数在第一预设修正系数范围，则确定历史冷热量数据合格；若修正系数不在第一预设修正系数范围，在第二预设修正系数范围或第三预设修正系数范围，则确定历史冷热量数据不合格，并将历史冷热量数据与修正系数的乘积作为修正后的历史冷热量数据。
在一种实施方式中，冷热量表在线故障诊断装置还包括历史流量数据校验模块，用于对历史流量数据进行校验，确定历史流量数据是否合格，并在历史流量数据不合格时，对历史流量数据进行修正，得到修正后的历史流量数据。
优选的，历史流量数据校验模块包括历史流量数据获取单元、第三直线绘制单元、第四直线拟合单元、修正系数确定单元、历史流量数据校验单元；其中，历史流量数据获取单元用于获取预设时间段内每隔预设时间间隔的多个历史流量数据和水泵额定流量数据；第三直线绘制单元用于根据水泵额定流量数据，绘制水泵开启台数与总额定流量的第三直线，确定第三直线的斜率；第四直线拟合单元用于根据多个历史流量数据，拟合水泵开启台数与历史流量数据中的最大历史瞬时流量的第四直线，确定第四直线的斜率和拟合优度；修正系数确定单元用于当拟合优度大于或等于预设拟合优度阈值时，计算历史流量数据的修正系数；其中，修正系数为第三直线的斜率与第四直线的斜率的比值；历史流量数据校验单元用于若修正系数在第四预设修正系数范围，则确定历史流量数据合格；若修正系数不在第四预设修正系数范围，在第五预设修正系数范围或第六预设修正系数范围，则确定历史流量数据不合格，并将历史流量数据与修正系数的乘积作为修正后的历史流量数据。
在一种实施方式中，冷热量数据诊断模块820包括额定功率获取单元、范围确定单元和数据异常确定单元；其中，额定功率获取单元用于获取处于开启状态的冷机的额定功率和压缩机电流百分比，并设定冷机能效比的最小值和最大值；范围确定单元用于根据额定功率、压缩机电流百分比以及冷机能效比的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；数据异常确定单元用于若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
在一种实施方式中，冷热量数据诊断模块820包括额定制冷热量获取单元、范围确定单元和数据异常确定单元；其中，额定制冷热量获取单元用于获取处于开启状态的冷机的额定制冷热量，并设定冷机负荷率的最小值和最大值；范围确定单元用于根据额定制冷热量以及冷机负荷率的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；数据异常确定单元用于若距离当前预设时刻内的冷热量数据超出理论制冷热量范围，则确定当前冷热量数据异常。
在一种实施方式中，冷热量数据诊断模块820包括范围确定单元和数据异常确定单元；其中，范围确定单元用于根据历史冷热量数据，确定第一冷热量数据范围；数据异常确定单元用于若距离当前预设时刻内的冷热量数据超出第一冷热量数据范围，则确定当前冷热量数据异常。
本实施例提供的冷热量表在线故障诊断装置与本发明任意实施例提供的冷热量表在线故障诊断方法属于相同的发明构思，具备相应的有益效果，未在本实施例详尽的技术细节详见本发明任意实施例提供的冷热量表在线故障诊断方法。
注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整、结合和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种冷热量表在线故障诊断方法，其特征在于，包括：
获取冷热量表的当前冷热量数据和历史冷热量数据；
基于第一理论冷热量数据、第二理论冷热量数据和所述历史冷热量数据对所述当前冷热量数据进行诊断，确定所述当前冷热量数据是否异常；其中，所述第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，所述第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到；
获取冷热量表的当前流量数据和历史流量数据；
在所述当前冷热量数据异常时，基于理论流量数据、质量表征参数和所述历史流量数据对所述当前流量数据进行诊断，确定所述当前流量数据是否异常；其中，所述理论流量数据根据水泵的理论瞬时流量和所述瞬时流量的预设波动范围得到。
2.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，还包括：
对所述历史冷热量数据进行校验，确定所述历史冷热量数据是否合格，并在所述历史冷热量数据不合格时，对所述历史冷热量数据进行修正，得到修正后的历史冷热量数据。
3.根据权利要求2所述的冷热量表在线故障诊断方法，其特征在于，所述对所述历史冷热量数据进行校验，确定所述历史冷热量数据是否合格，并在所述历史冷热量数据不合格时，对所述历史冷热量数据进行修正，包括：
获取预设时间段内每隔预设时间间隔的多个历史冷热量数据和冷机额定制冷热量数据；
根据所述冷机额定制冷热量数据，绘制冷机开启台数与总额定制冷热量的第一直线，确定所述第一直线的斜率；
根据多个所述历史冷热量数据，拟合冷机开启台数与所述历史冷热量数据中的最大历史瞬时冷热量的第二直线，确定所述第二直线的斜率和拟合优度；
当所述拟合优度大于或等于预设拟合优度阈值时，计算所述历史冷热量数据的修正系数；其中，所述修正系数为所述第一直线的斜率与所述第二直线的斜率的比值；
若所述修正系数在第一预设修正系数范围，则确定所述历史冷热量数据合格；
若所述修正系数不在第一预设修正系数范围，在第二预设修正系数范围或第三预设修正系数范围，则确定所述历史冷热量数据不合格，并将所述历史冷热量数据与所述修正系数的乘积作为修正后的历史冷热量数据。
4.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，还包括：
对所述历史流量数据进行校验，确定所述历史流量数据是否合格，并在所述历史流量数据不合格时，对所述历史流量数据进行修正，得到修正后的历史流量数据。
5.根据权利要求4所述的冷热量表在线故障诊断方法，其特征在于，所述对所述历史流量数据进行校验，确定所述历史流量数据是否合格，并在所述历史流量数据不合格时，对所述历史流量数据进行修正，包括：
获取预设时间段内每隔预设时间间隔的多个历史流量数据和水泵额定流量数据；
根据所述水泵额定流量数据，绘制水泵开启台数与总额定流量的第三直线，确定所述第三直线的斜率；
根据多个所述历史流量数据，拟合水泵开启台数与所述历史流量数据中的最大历史瞬时流量的第四直线，确定所述第四直线的斜率和拟合优度；
当所述拟合优度大于或等于预设拟合优度阈值时，计算所述历史流量数据的修正系数；其中，所述修正系数为所述第三直线的斜率与所述第四直线的斜率的比值；
若所述修正系数在第四预设修正系数范围，则确定所述历史流量数据合格；
若所述修正系数不在第四预设修正系数范围，在第五预设修正系数范围或第六预设修正系数范围，则确定所述历史流量数据不合格，并将所述历史流量数据与所述修正系数的乘积作为修正后的历史流量数据。
6.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，所述基于第一理论冷热量数据对所述当前冷热量数据进行诊断，确定所述当前冷热量数据是否异常，包括：
获取处于开启状态的冷机的额定功率和压缩机电流百分比，并设定冷机能效比的最小值和最大值；
根据所述额定功率、所述压缩机电流百分比以及所述冷机能效比的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；
若距离当前预设时刻内的冷热量数据超出所述理论制冷热量范围，则确定所述当前冷热量数据异常。
7.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，所述基于第二理论冷热量数据对所述当前冷热量数据进行诊断，确定所述当前冷热量数据是否异常，包括：
获取处于开启状态的冷机的额定制冷热量，并设定冷机负荷率的最小值和最大值；
根据所述额定制冷热量以及所述冷机负荷率的最小值和最大值，确定处于开启状态的冷机的理论制冷热量范围；
若距离当前预设时刻内的冷热量数据超出所述理论制冷热量范围，则确定所述当前冷热量数据异常。
8.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，所述基于所述历史冷热量数据对所述当前冷热量数据进行诊断，确定所述当前冷热量数据是否异常，包括：
根据所述历史冷热量数据，确定第一冷热量数据范围；
若距离当前预设时刻内的冷热量数据超出所述第一冷热量数据范围，则确定所述当前冷热量数据异常。
9.根据权利要求1所述的冷热量表在线故障诊断方法，其特征在于，基于所述第一理论冷热量数据、所述第二理论冷热量数据和所述历史冷热量数据中的任一种数据诊断所述当前冷热量数据异常时，则确定所述当前冷热量数据异常；
基于所述理论流量数据、所述质量表征参数和所述历史流量数据中的任一种数据诊断所述当前流量数据异常时，则确定所述当前流量数据异常。
10.一种冷热量表在线故障诊断装置，其特征在于，包括：
冷热量数据获取模块，用于获取冷热量表的当前冷热量数据和历史冷热量数据；
冷热量数据诊断模块，用于基于第一理论冷热量数据、第二理论冷热量数据和所述历史冷热量数据对所述当前冷热量数据进行诊断，确定所述当前冷热量数据是否异常；其中，所述第一理论冷热量数据根据冷机的额定功率、压缩机电流百分比和冷机能效比计算得到，所述第二理论冷热量数据根据冷机的额定制冷热量和冷机负荷率计算得到；
流量数据获取模块，用于获取冷热量表的当前流量数据和历史流量数据；
流量数据诊断模块，用于在所述当前冷热量数据异常时，基于理论流量数据、质量表征参数和所述历史流量数据对所述当前流量数据进行诊断，确定所述当前流量数据是否异常；其中，所述理论流量数据根据水泵的理论瞬时流量和所述瞬时流量的预设波动范围得到。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010866315.XA CN112033581B (zh) | 2020-08-25 | 2020-08-25 | 一种冷热量表在线故障诊断方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010866315.XA CN112033581B (zh) | 2020-08-25 | 2020-08-25 | 一种冷热量表在线故障诊断方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112033581A true CN112033581A (zh) | 2020-12-04 |
| CN112033581B CN112033581B (zh) | 2022-07-22 |
Family
ID=73580852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010866315.XA Active CN112033581B (zh) | 2020-08-25 | 2020-08-25 | 一种冷热量表在线故障诊断方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112033581B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113983729A (zh) * | 2021-12-02 | 2022-01-28 | 博锐尚格科技股份有限公司 | 一种冷水机组旁通运行的判断方法及装置 |
| CN114741377A (zh) * | 2022-04-01 | 2022-07-12 | 深圳市爱路恩济能源技术有限公司 | 识别天然气异常数据并对其处理的方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110077467A (ko) * | 2009-12-30 | 2011-07-07 | 민영모 | 온도센서 이상 진단기능을 구비한 적산열량계 및 이상 진단방법 |
| CN102508064A (zh) * | 2011-10-28 | 2012-06-20 | 中联重科股份有限公司 | 电气设备故障诊断方法、设备、系统和工程机械 |
| CN203870787U (zh) * | 2014-03-24 | 2014-10-08 | 河北农业大学 | 无线网络热量表数据传输系统 |
| CN204359466U (zh) * | 2014-12-17 | 2015-05-27 | 山东力创科技有限公司 | 具有故障预警功能的超声波热量表 |
| CN106643987A (zh) * | 2016-11-10 | 2017-05-10 | 浙江大学 | 一种多声道超声波气体流量计故障诊断及补偿方法 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
-
2020
- 2020-08-25 CN CN202010866315.XA patent/CN112033581B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110077467A (ko) * | 2009-12-30 | 2011-07-07 | 민영모 | 온도센서 이상 진단기능을 구비한 적산열량계 및 이상 진단방법 |
| CN102508064A (zh) * | 2011-10-28 | 2012-06-20 | 中联重科股份有限公司 | 电气设备故障诊断方法、设备、系统和工程机械 |
| CN203870787U (zh) * | 2014-03-24 | 2014-10-08 | 河北农业大学 | 无线网络热量表数据传输系统 |
| CN204359466U (zh) * | 2014-12-17 | 2015-05-27 | 山东力创科技有限公司 | 具有故障预警功能的超声波热量表 |
| CN106643987A (zh) * | 2016-11-10 | 2017-05-10 | 浙江大学 | 一种多声道超声波气体流量计故障诊断及补偿方法 |
| CN110687896A (zh) * | 2019-10-24 | 2020-01-14 | 利维智能（深圳）有限公司 | 故障诊断方法、装置、设备及可读介质 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113983729A (zh) * | 2021-12-02 | 2022-01-28 | 博锐尚格科技股份有限公司 | 一种冷水机组旁通运行的判断方法及装置 |
| CN114741377A (zh) * | 2022-04-01 | 2022-07-12 | 深圳市爱路恩济能源技术有限公司 | 识别天然气异常数据并对其处理的方法和装置 |
| CN114741377B (zh) * | 2022-04-01 | 2023-07-21 | 深圳市爱路恩济能源技术有限公司 | 识别天然气异常数据并对其处理的方法和装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112033581B (zh) | 2022-07-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112033581B (zh) | 一种冷热量表在线故障诊断方法及装置 | |
| US7729882B2 (en) | Method and system for assessing performance of control systems | |
| CN108361915B (zh) | 故障检测方法、装置、空调器和计算机可读存储介质 | |
| US20060009881A1 (en) | Pipeline flow control optimization software and methods | |
| CN112343810A (zh) | 一种用于循环水冷却系统的水泵健康监测诊断方法 | |
| KR20140127915A (ko) | 실시간 가스 터빈 성능 경고를 위한 방법 및 시스템 | |
| CN112665306B (zh) | 一种冰箱远程故障诊断系统及其诊断方法 | |
| GB2571119A (en) | System and method for monitoring an operating condition of an electrical device when in operation | |
| US11561019B2 (en) | Performance diagnosis device and performance diagnosis method for air conditioner | |
| US20230185297A1 (en) | Time varying performance indication system for connected equipment | |
| CN114593776A (zh) | 空调室外机全息参数商检方法及系统 | |
| JP2004169989A (ja) | 異常診断システム | |
| CN115493248A (zh) | 一种中央空调系统全生命周期的智能诊断方法和系统 | |
| CN112836396B (zh) | 一种建筑实时能耗异常诊断系统 | |
| JP2016009352A (ja) | プラントの異常予兆診断装置及び方法 | |
| CN115111703B (zh) | 用于水冷空调脏堵检测的方法、终端及存储介质 | |
| KR102393602B1 (ko) | 공기조화기 시스템 및 그 제어방법 | |
| Haves et al. | Model-based performance monitoring: Review of diagnostic methods and chiller case study | |
| CN115307380A (zh) | 一种工业制冷设备运行在线监测调控管理系统 | |
| CN115455358A (zh) | 基于非线性回归模型的电气参数趋势预警及故障诊断方法 | |
| CN107045339B (zh) | 基于服务端的制氧装备远程故障诊断专家系统的诊断方法 | |
| EP3821176B1 (en) | Method and system for detecting a failure in hvac system | |
| CN113847704B (zh) | 空调机组的故障判断方法 | |
| JPH02136713A (ja) | プラント設備診断システム | |
| CN113892549B (zh) | 一种冰淇淋机智能控制和管理方法及系统 |
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 |