CN113188585B - 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 - Google Patents
一种基于少量冗余传感器的冷冻站传感器故障诊断方法 Download PDFInfo
- Publication number
- CN113188585B CN113188585B CN202110642869.6A CN202110642869A CN113188585B CN 113188585 B CN113188585 B CN 113188585B CN 202110642869 A CN202110642869 A CN 202110642869A CN 113188585 B CN113188585 B CN 113188585B
- Authority
- CN
- China
- Prior art keywords
- sensor
- water
- function
- correction
- station system
- 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.)
- Active
Links
- 238000007710 freezing Methods 0.000 title claims abstract description 34
- 230000008014 freezing Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000003745 diagnosis Methods 0.000 title abstract description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 62
- 238000012937 correction Methods 0.000 claims abstract description 44
- 239000000498 cooling water Substances 0.000 claims abstract description 33
- 238000005259 measurement Methods 0.000 claims abstract description 18
- 238000005057 refrigeration Methods 0.000 claims abstract description 18
- 238000001816 cooling Methods 0.000 claims description 7
- 239000008400 supply water Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000013178 mathematical model Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000001052 transient effect Effects 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 abstract description 11
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 abstract description 2
- 238000004378 air conditioning Methods 0.000 description 6
- 238000011217 control strategy Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F25/00—Testing or calibration of apparatus for measuring volume, volume flow or liquid level or for metering by volume
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L27/00—Testing or calibrating of apparatus for measuring fluid pressure
- G01L27/002—Calibrating, i.e. establishing true relation between transducer output value and value to be measured, zeroing, linearising or span error determination
- G01L27/005—Apparatus for calibrating pressure sensors
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fluid Mechanics (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本发明属于建筑能耗监测底层数据保障处理技术领域,提供了一种基于少量冗余传感器的冷冻站传感器故障诊断方法。该方法的具体步骤包括:S1、在冷冻站系统中冷冻水循环侧和冷却水循环侧分别加入一个冗余的流量传感器;S2、划分冷冻站系统中需要校准的传感器的区域;S3、建立冷冻站系统中各个传感器的多组稳态测量值;S4、建立需要校准传感器的修正函数、基准函数、目标函数;S5、对每个需要校准的区域基于贝叶斯推理和MCMC方法获得每个传感器的偏移常量;S6、利用所获得的每个传感器的偏移常量完成对传感器的修正。
Description
技术领域
本发明涉及一种传感器在线诊断的方法,具体涉及一种冷冻站系统中基于少量冗余传感器的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
随着人们对于室内环境舒适度要求的提高,越来越多的用能设备加入到了建筑系统当中,建筑能耗在社会总能耗中的占比也越来越高。根据近些年的能耗数据显示,建筑能耗大约要占到社会总能耗的三分之一。而在建筑能耗当中,暖通空调系统占了相当大的一部分比例。在一些大型公共建筑中,暖通空调系统的能耗占比甚至能够达到50%以上。随着全世界能源形势变得日益严峻,节能且舒适的空调设备系统变得至关重要,因此越来越多的节能控制策略被应用于空调系统当中。通过传感器对一些关键参数的采集,能够实现能耗监控、故障诊断、控制策略的改变等,而实现这些策略的基础是传感器采集到准确的数据。在办公建筑中最为常见的是集中式空调系统,集中式空调系统在冷冻站系统中获取冷量,通过末端设备向用户端供冷。冷冻站的能耗要占到集中式空调系统能耗的一半以上,因此为了实现冷冻站系统一些优化控制节能手段,冷冻站系统中安装有很多传感器。保证这些传感器具有较高的准确性是实现冷冻站系统节能优化的关键,因此冷冻站系统中的传感器需要定时校准。传统的传感器校准方法费时费力,且需要大量的冗余传感器并会受到一些场合的限制。本发明提出一种基于少量冗余传感器的冷冻站系统多种传感器并发故障在线校准方法。
发明内容
本发明要解决的技术问题是提供一种基于少量冗余传感器的冷冻站系统中多传感器并发故障在线诊断方法。
本发明的技术方案:
一种基于少量冗余传感器的冷冻站传感器故障诊断方法,步骤如下:
S1、在冷冻站系统中冷冻水循环侧和冷却水循环侧分别加入一个冗余的流量传感器,测量到的冷冻水流量和冷却水流量作为准确流量值,参与后续校准过程;
S2、划分冷冻站系统中需要校准的传感器的区域;
1)根据冷冻站系统中各组件的情况,确定冷冻站系统中的输入变量为T1、T2、T3、T4、Q1、Q2、S1,输出变量为M1、M2、P1、P2、P3;M1、M2采用冗余流量传感器的测量数值,在整个校准过程中作为已知的准确值;
2)将冷冻站系统划分为冷冻水循环模型和冷却水循环模型2个局部校准区域,使得每个校准区域内待校准的传感器在数学模型上构成闭环,增大冷冻站系统中传感器校准的准确性;其中,T3、T4、Q1、S1、M1、P1、P2为第一个校准区域,T1、T2、Q2、M2、P3为第二个校准区域,对这2个校准区域分别依次进行校准;
其中:T1为冷却水供水温度,T2为冷却水回水温度,T3为冷冻水回水温度,T4为冷冻水供水温度,P1为分集水器压差,P2为冷冻水泵进出口压差,P3为冷却水泵进出口压差,M1为冷冻水质量流量,M2为冷却水质量流量,S1为用户侧水系统管路瞬时总阻抗,Q1为冷冻水在冷水机组中释放热量,Q2为冷却水在冷却塔中释放的热量;
S3、建立冷冻站系统中各个传感器的多组稳态测量值;
1)对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,确定所需要的测量值T3、T4、Q1、S1、M1、M2、P1、P2、P3处于稳定状态;
2)根据冷冻站系统中传感器运行数据的范围,定义不同传感器相应的工作状态,把处于同一工作状态的数据整理为一类;
3)对于每个传感器的不同工作状态,每一个工作状态选取传感器总数3-5倍的数据,得到该校准方法所需要的多组准稳态数据;
S4、建立需要校准传感器的修正函数、基准函数、目标函数;
1)建立修正函数目的是为了消除传感器测量值与真实值之间的偏差,通过增加偏移常量x完成对传感器测量值的修正;具体公式如下:
修正函数:Ic=g(I,x1,x2,...,xk) (1)
例如对冷却水供水温度:T1c=T1+x1 (2)
(1)式中g(x)为修正函数,I为传感器的原始测量值,xk为第k个测量值的偏移常量,Ic为经过修正后的修正值;(2)式中T1c为冷却水供水温度的修正值,T1为冷却水供水温度的传感器测量值,x1为却水供水温度的传感器的偏移常量。
2)由于冷冻站系统中传感器数量较多,因此在进行校准之前,无法得知每个传感器的误差情况,因此需要建立每个参数的基准函数;通过对每个参数的基准值的计算,参与后续的校准步骤;具体公式如下:
基准函数:Ib=f(Ic,1,Ic,2,...,Ic,i) (3)
例如对分集水器压差:P1b=S1×M1 2 (4)
(3)式中f(x)为代表冷冻站系统模型的基准函数,Ic,i为传感器的修正值,i为传感器的数量,Ib为传感器的基准值;(4)式中P1b为分集水器压差的修正值,S1为用户侧水系统管路瞬时总阻抗,M1为冷冻水质量流量。
3)对每个需要校准的区域分别建立目标函数,通过使目标函数最小化,即修正值和基准值之间的差距最小,来达到校准传感器的目的,其公式如下:
式中D(x)为目标函数,Ibi为第i个传感其的基准值,Ici第i个传感器的修正值,N为在目标函数中基准输出的数量;
S5、对每个需要校准的区域基于贝叶斯推理和蒙特卡洛马尔科夫链方法获得每个传感器的偏移常量;
1)代入数据:将步骤S3中的多组稳态测量值T3、T4、Q1、S1、P1、P2、M1、M2、P1、P2、P3带入到步骤S4的目标函数中;
2)基于贝叶斯定理进行校准,通过数据先验分布和似然函数的计算得到较为准确的后验分布,对冷冻站系统中传感器采集到的数据信息进行贝叶斯定理的计算;当目标函数D(x)的值最小时,即似然函数达到最大值,同时后验分布具有最大的概率;此时即得到准确的偏移常量完成对传感器的校准;具体公式如下:
式中x为传感器的偏移常量,π(x)为传感器偏移常量的先验分布,默认先验分布均值为0,Ib为传感器的基准值;
S6、利用所获得的每个传感器的偏移常量完成对传感器的修正;
1)将通过步骤S5方法抽样得到的,能够使目标函数达到最小值的一系列偏移常量的中位数μ定为传感器偏移常量x,通过修正函数即可完成对传感器的修正;
Ic=I+xc (8)
式中Ic为传感器的修正值,I为传感器的测量值,xc为偏移常量。
本发明的有益效果:通过基于少量冗余传感器的冷冻站传感器故障诊断方法,能够成功实现对冷冻站系统中多传感器并发故障的校准。与传统传感器校准方法相比,在很大程度上节省了人力物力,具有创新性,且在实际中具有较大的应用价值。
附图说明
图1为冷冻站系统示意图。
图2为冷冻站系统传感器故障诊断流程图。
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。
1.参照附图1、2,本发明的一种冷冻站系统中不同类型传感器并发故障的在线诊断方法,其包括以下步骤:
S1、在冷冻站系统中冷冻水循环侧和冷却水循环侧分别加入一个冗余的流量传感器,测量到的冷冻水流量和冷却水流量作为准确流量值,参与后续校准过程;
S2、划分冷冻站系统中需要校准的传感器的区域;
1)根据冷冻站系统中各组件的情况,确定冷冻站系统中的输入变量为T1、T2、T3、T4、Q1、Q2、S1,输出变量为M1、M2、P1、P2、P3;M1、M2采用冗余流量传感器的测量数值,在整个校准过程中作为已知的准确值;
2)将冷冻站系统划分为冷冻水循环模型和冷却水循环模型2个局部校准区域,使得每个校准区域内待校准的传感器在数学模型上构成闭环,增大冷冻站系统中传感器校准的准确性;其中,T3、T4、Q1、S1、M1、P1、P2为第一个校准区域,T1、T2、Q2、M2、P3为第二个校准区域,对这2个校准区域分别依次进行校准;
其中:T1为冷却水供水温度,T2为冷却水回水温度,T3为冷冻水回水温度,T4为冷冻水供水温度,P1为分集水器压差,P2为冷冻水泵进出口压差,P3为冷却水泵进出口压差,M1为冷冻水质量流量,M2为冷却水质量流量,S1为用户侧水系统管路瞬时总阻抗,Q1为冷冻水在冷水机组中释放热量,Q2为冷却水在冷却塔中释放的热量;
S3、建立冷冻站系统中各个传感器的多组稳态测量值;
1)对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,确定所需要的测量值T3、T4、Q1、S1、M1、M2、P1、P2、P3处于稳定状态;
2)根据冷冻站系统中传感器运行数据的范围,定义不同传感器相应的工作状态,把处于同一工作状态的数据整理为一类;
3)对于每个传感器的不同工作状态,每一个工作状态选取传感器总数3-5倍的数据,得到该校准方法所需要的多组准稳态数据;
S4、建立需要校准传感器的修正函数、基准函数、目标函数;
1)建立修正函数目的是为了消除传感器测量值与真实值之间的偏差,通过增加偏移常量x完成对传感器测量值的修正;具体公式如下:
修正函数:Ic=g(I,x1,x2,...,xk) (1)
例如对冷却水供水温度:T1c=T1+x1 (2)
(1)式中g(x)为修正函数,I为传感器的原始测量值,xk为第k个测量值的偏移常量,Ic为经过修正后的修正值;(2)式中T1c为冷却水供水温度的修正值,T1为冷却水供水温度的传感器测量值,x1为却水供水温度的传感器的偏移常量。
2)由于冷冻站系统中传感器数量较多,因此在进行校准之前,无法得知每个传感器的误差情况,因此需要建立每个参数的基准函数;通过对每个参数的基准值的计算,参与后续的校准步骤;具体公式如下:
基准函数:Ib=f(Ic,1,Ic,2,...,Ic,i) (3)
例如对分集水器压差:P1b=S1×M1 2 (4)
(3)式中f(x)为代表冷冻站系统模型的基准函数,Ic,i为传感器的修正值,i为传感器的数量,Ib为传感器的基准值;(4)式中P1b为分集水器压差的修正值,S1为用户侧水系统管路瞬时总阻抗,M1为冷冻水质量流量。
3)对每个需要校准的区域分别建立目标函数,通过使目标函数最小化,即修正值和基准值之间的差距最小,来达到校准传感器的目的,其公式如下:
式中D(x)为目标函数,Ibi为第i个传感其的基准值,Ici第i个传感器的修正值,N为在目标函数中基准输出的数量;
S5、对每个需要校准的区域基于贝叶斯推理和蒙特卡洛马尔科夫链方法获得每个传感器的偏移常量;
1)代入数据:将步骤S3中的多组稳态测量值T3、T4、Q1、S1、P1、P2、M1、M2、P1、P2、P3带入到步骤S4的目标函数中;
2)基于贝叶斯定理进行校准,通过数据先验分布和似然函数的计算得到较为准确的后验分布,对冷冻站系统中传感器采集到的数据信息进行贝叶斯定理的计算;当目标函数D(x)的值最小时,即似然函数达到最大值,同时后验分布具有最大的概率;此时即得到准确的偏移常量完成对传感器的校准;具体公式如下:
式中x为传感器的偏移常量,π(x)为传感器偏移常量的先验分布,默认先验分布均值为0,Ib为传感器的基准值;
S6、利用所获得的每个传感器的偏移常量完成对传感器的修正;
1)将通过步骤S5方法抽样得到的,能够使目标函数达到最小值的一系列偏移常量的中位数μ定为传感器偏移常量x,通过修正函数即可完成对传感器的修正;
Ic=I+xc (8)
式中Ic为传感器的修正值,I为传感器的测量值,xc为偏移常量。
Claims (1)
1.一种基于少量冗余传感器的冷冻站传感器故障诊断方法,其特征在于,步骤如下:
S1、在冷冻站系统中冷冻水循环侧和冷却水循环侧分别加入一个冗余的流量传感器,测量到的冷冻水流量和冷却水流量作为准确流量值,参与后续校准过程;
S2、划分冷冻站系统中需要校准的传感器的区域;
1)根据冷冻站系统中各组件的情况,确定冷冻站系统中的输入变量为T1、T2、T3、T4、Q1、Q2、S1,输出变量为M1、M2、P1、P2、P3;M1、M2采用冗余流量传感器的测量数值,在整个校准过程中作为已知的准确值;
2)将冷冻站系统划分为冷冻水循环模型和冷却水循环模型2个局部校准区域,使得每个校准区域内待校准的传感器在数学模型上构成闭环,增大冷冻站系统中传感器校准的准确性;其中,T3、T4、Q1、S1、M1、P1、P2为第一个校准区域,T1、T2、Q2、M2、P3为第二个校准区域,对这2个校准区域分别依次进行校准;
其中:T1为冷却水供水温度,T2为冷却水回水温度,T3为冷冻水回水温度,T4为冷冻水供水温度,P1为分集水器压差,P2为冷冻水泵进出口压差,P3为冷却水泵进出口压差,M1为冷冻水质量流量,M2为冷却水质量流量,S1为用户侧水系统管路瞬时总阻抗,Q1为冷冻水在冷水机组中释放热量,Q2为冷却水在冷却塔中释放的热量;
S3、建立冷冻站系统中各个传感器的多组稳态测量值;
1)对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,确定所需要的测量值T3、T4、Q1、S1、M1、M2、P1、P2、P3处于稳定状态;
2)根据冷冻站系统中传感器运行数据的范围,定义不同传感器相应的工作状态,把处于同一工作状态的数据整理为一类;
3)对于每个传感器的不同工作状态,每一个工作状态选取传感器总数3-5倍的数据,得到该校准方法所需要的多组准稳态数据;
S4、建立需要校准传感器的修正函数、基准函数、目标函数;
1)建立修正函数目的是为了消除传感器测量值与真实值之间的偏差,通过增加偏移常量x完成对传感器测量值的修正;具体公式如下:
修正函数:Ic=g(I,x) (1)
对冷却水供水温度:T1c=T1+x1 (2)
式中,g(x)为修正函数,I为传感器的原始测量值,x为传感器的偏移常量,Ic为传感器的修正值;T1c为冷却水供水温度的修正值,T1为冷却水供水温度的传感器测量值,x1为冷却水供水温度的传感器的偏移常量;
2)由于冷冻站系统中传感器数量较多,因此在进行校准之前,无法得知每个传感器的误差情况,因此需要建立每个参数的基准函数;通过对每个参数的基准值的计算,参与后续的校准步骤;具体公式如下:
基准函数:Ib=f(Ic,1,Ic,2,...,Ic,i) (3)
对分集水器压差:P1b=S1×M1 2 (4)
式中,f(x)为代表冷冻站系统模型的基准函数,Ic,i为传感器的修正值,i为传感器的数量,Ib为传感器的基准值;P1b为分集水器压差的修正值,S1为用户侧水系统管路瞬时总阻抗,M1为冷冻水质量流量;
3)对每个需要校准的区域分别建立目标函数,通过使目标函数最小化,即修正值和基准值之间的差距最小,来达到校准传感器的目的,其公式如下:
式中D(x)为目标函数,Ibi为第i个传感器的基准值,Ici第i个传感器的修正值,N为在目标函数中基准输出的数量;
S5、对每个需要校准的区域基于贝叶斯推理和蒙特卡洛马尔科夫链方法获得每个传感器的偏移常量;
1)代入数据:将步骤S3中的多组稳态测量值T3、T4、Q1、S1、M1、M2、P1、P2、P3带入到步骤S4的目标函数中;
2)基于贝叶斯定理进行校准,通过数据先验分布和似然函数的计算得到较为准确的后验分布,对冷冻站系统中传感器采集到的数据信息进行贝叶斯定理的计算;当目标函数D(x)的值最小时,即似然函数达到最大值,同时后验分布具有最大的概率;此时即得到准确的偏移常量完成对传感器的校准;具体公式如下:
式中x为传感器的偏移常量,π(x)为传感器偏移常量的先验分布,默认先验分布均值为0,Ib为传感器的基准值;
S6、利用所获得的每个传感器的偏移常量完成对传感器的修正;
1)将通过步骤S5方法抽样得到的,能够使目标函数达到最小值的一系列偏移常量的中位数μ定为传感器偏移常量x,通过修正函数即可完成对传感器的修正;
Ic=I+xc (8)
式中Ic为传感器的修正值,I为传感器的测量值,xc为偏移常量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642869.6A CN113188585B (zh) | 2021-06-09 | 2021-06-09 | 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110642869.6A CN113188585B (zh) | 2021-06-09 | 2021-06-09 | 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113188585A CN113188585A (zh) | 2021-07-30 |
CN113188585B true CN113188585B (zh) | 2022-05-27 |
Family
ID=76976294
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110642869.6A Active CN113188585B (zh) | 2021-06-09 | 2021-06-09 | 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113188585B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114659547B (zh) * | 2022-05-20 | 2022-08-09 | 蘑菇物联技术(深圳)有限公司 | 用于定位异常传感器的方法、设备和介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968250A (zh) * | 2010-10-13 | 2011-02-09 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制系统及方法 |
DE102015214599B3 (de) * | 2015-07-31 | 2016-07-28 | Continental Automotive Gmbh | Verfahren zur Kompensation eines Fehlers eines Drucksensors |
CN108759991A (zh) * | 2018-06-21 | 2018-11-06 | 广东美的暖通设备有限公司 | 空调系统中传感器的测量误差诊断方法、装置和空调系统 |
CN109543743A (zh) * | 2018-11-19 | 2019-03-29 | 天津大学 | 一种基于重建预测残差的制冷机组多传感器故障诊断方法 |
CN110779249A (zh) * | 2019-11-06 | 2020-02-11 | 大连理工大学 | 太阳能热泵系统中传感器并发故障的在线诊断方法 |
CN111486552A (zh) * | 2020-04-24 | 2020-08-04 | 辽宁工程技术大学 | 基于分项计量数据的空调冷冻水供水温度策略识别方法 |
CN111652375A (zh) * | 2020-06-02 | 2020-09-11 | 中南大学 | 基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置 |
-
2021
- 2021-06-09 CN CN202110642869.6A patent/CN113188585B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968250A (zh) * | 2010-10-13 | 2011-02-09 | 日滔贸易(上海)有限公司 | 一种冷冻机房节能优化控制系统及方法 |
DE102015214599B3 (de) * | 2015-07-31 | 2016-07-28 | Continental Automotive Gmbh | Verfahren zur Kompensation eines Fehlers eines Drucksensors |
CN108759991A (zh) * | 2018-06-21 | 2018-11-06 | 广东美的暖通设备有限公司 | 空调系统中传感器的测量误差诊断方法、装置和空调系统 |
CN109543743A (zh) * | 2018-11-19 | 2019-03-29 | 天津大学 | 一种基于重建预测残差的制冷机组多传感器故障诊断方法 |
CN110779249A (zh) * | 2019-11-06 | 2020-02-11 | 大连理工大学 | 太阳能热泵系统中传感器并发故障的在线诊断方法 |
CN111486552A (zh) * | 2020-04-24 | 2020-08-04 | 辽宁工程技术大学 | 基于分项计量数据的空调冷冻水供水温度策略识别方法 |
CN111652375A (zh) * | 2020-06-02 | 2020-09-11 | 中南大学 | 基于贝叶斯推理及虚拟传感的冷却盘管故障智能检测诊断方法及装置 |
Non-Patent Citations (1)
Title |
---|
数据中心冷冻站的群控系统;张军伟 等;《智能建筑电气技术》;20201231;第14卷(第6期);第70-73页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113188585A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103912966A (zh) | 一种地源热泵制冷系统优化控制方法 | |
CN112084707A (zh) | 基于冷冻水和冷却水变流量解耦的制冷机房节能优化方法及系统 | |
CN107940679B (zh) | 一种基于数据中心冷水机组性能曲线的群控方法 | |
CN110107989A (zh) | 基于冷冻水回水温度最佳设定点的小型定频冷水机组变水温控制方法 | |
Hwang et al. | Using deep learning approaches with variable selection process to predict the energy performance of a heating and cooling system | |
CN110332647A (zh) | 地铁地下车站空调系统负荷预测方法及空调系统 | |
CN111125938B (zh) | 基于次优算法的大型中央空调冷冻水管网优化设计方法 | |
CN111780332B (zh) | 一种中央空调分户计量方法及装置 | |
CN113188585B (zh) | 一种基于少量冗余传感器的冷冻站传感器故障诊断方法 | |
CN114004374B (zh) | 一种基于玻尔兹曼机投票的空调机组传感器故障诊断方法 | |
CN113268913B (zh) | 一种基于pso-elm算法的智能建筑空调冷机系统运行优化方法 | |
CN112292013B (zh) | 基于时间序列的微模块数据中心热源预判和冷源调控方法 | |
CN106765957B (zh) | 基于负荷预测与舒适度反馈的供水变温度控制系统 | |
CN109945394A (zh) | 一种中央空调冷冻水系统小温差综合征精确诊断方法 | |
CN109163415B (zh) | 中央空调水系统调试方法、故障诊断方法、运行优化方法 | |
CN116955963B (zh) | 基于历史数据分析的暖通节能阶梯寻优控制方法 | |
Zhuang et al. | A decentralized method for energy conservation of an HVAC system | |
CN111928423A (zh) | 用于空调机组的除霜控制方法 | |
CN104949274B (zh) | 一种变风量空调冷水机组双回路控制方法 | |
Sun et al. | Building energy doctors: SPC and Kalman filter-based fault detection | |
CN115289608B (zh) | 一种基于有监督投票机制的空调机组故障诊断方法 | |
CN116484524A (zh) | 一种多排翅片管换热器性能快速仿真与设计方法 | |
CN113719929B (zh) | 一种溴化锂空调系统整体性优化控制方法和系统 | |
CN110779249B (zh) | 太阳能热泵系统中传感器并发故障的在线诊断方法 | |
CN106642586A (zh) | 一种用于风冷热泵并联机组的分级化霜方法及装置 |
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 |