CN115728545A - 连续学习压缩机输入功率预测器 - Google Patents

Abstract

一种用于在基于VCC的HVAC&R系统中监控和早期检测潜在问题的系统和方法，其采用监控应用或代理，当HVAC&R系统是新的或处于“新维护”状况时，基于对温度和输入功率参数的观测结果，该监控应用或代理使用连续的机器学习和温度图来导出或“学习”一个或多个系统压缩机的测量输入功率参数与冷凝器和蒸发器进入口流体温度之间的关系。然后，监控代理可以使用所学习的关系，基于冷凝器和蒸发器进入口流体温度的后续观测结果，确定如果HVAC&R系统在“新维护”状况下运行时应当预期的输入功率参数值。此后，代理可以将预期的压缩机输入功率参数值与观测到的输入功率参数值进行比较，以较早地确定系统是否正在经历性能退化。

Description

连续学习压缩机输入功率预测器

技术领域

所公开的实施例总体上涉及供暖、通风、空调和制冷(HVAC&R)系统，并且更具体地，涉及使用压缩机输入功率预测器(CIPP)关系来早期检测这种HVAC&R系统中的潜在问题的系统和方法。

背景技术

HVAC&R系统，可包括住宅和商业热泵、空调和制冷系统，采用蒸汽压缩循环(VCC)在低温流体和高温流体之间传递热量。在许多被称为直接交换系统的基于VCC的系统中，“流体”是受调节空间或外部周围环境中的空气。在其他基于VCC的系统中，包括间接交换系统，例如冷却器、地热泵等，去往和来自其的进行热交换的流体可以是液体，例如水或防冻剂。

基于VCC的系统在本领域中是众所周知的，并且采用制冷剂作为促进热传递的介质。这些系统是机械“封闭”的，因为制冷剂被包含在系统的机械范围内，并且存在机械缓冲器，制冷剂和外部流体在该机械缓冲器中将进行热交换。在这些系统中，制冷剂在系统内循环，经过压缩机、冷凝器和蒸发器。在蒸发器处，在空调或冰箱的情况下，热量被来自待冷却空间的制冷剂吸收，而在热泵的情况下，热量被来自外部环境或其他热源的制冷剂吸收。在冷凝器处，在空调或冰箱的情况下，热量被排到外部环境，或者在热泵的情况下，热量被排到待调节的空间。

然而，现有的基于VCC的系统没有足够的能力来较早地监控和检测潜在的问题和性能退化。早期问题检测的缺乏部分是由于现有的基于VCC的系统不能快速和可靠地这样做。典型地，在基于VCC的系统中检测性能退化需要在延长的时间段内获取和处理大量的数据，以便提供足够的可靠性水平。多年来已经证明，所需的大量数据和处理过于复杂，因此对于大多数基于VCC的系统来说实现是不切实际的。

因此，需要一种方法，以有效的方式早期监控和检测基于VCC的系统中的潜在问题和性能退化，同时还提供足够的可靠性和准确性水平。

发明内容

本文公开的实施例涉及用于在基于VCC的HVAC&R系统中早期监控和检测潜在问题的改进的系统和方法。本文所述的一个实施例提供了一种改进的HVAC&R监控系统和方法，其采用监控应用或代理，当HVAC&R系统是新的或处于“新维护”状态时，基于对温度和输入功率参数的观测，该监控应用或代理使用连续的机器学习和温度图来导出或“学习”一个或多个系统压缩机的测量输入功率参数与冷凝器和蒸发器进入口流体温度之间的关系。然后，监控代理可以使用所学习的关系，基于冷凝器和蒸发器进入口流体温度的后续观测，确定如果HVAC&R系统在“新维护”条件下运行时应当预期的输入功率参数值。此后，代理可以将预期的压缩机输入功率参数值与观测到的输入功率参数值进行比较，以较早确定系统是否正在经历性能下降。不像传统的机器学习系统需要长时间获取大量数据集来学习测量的输入功率参数与冷凝器和蒸发器进入口流体温度之间的关系，本文的实施例可以几乎立即开始预测功率参数值，并且即使在系统性能下降时也可以继续学习系统的“新维护”的特性。此外，本文的实施例可以在代理确定预测可能不可靠的某些条件下避免做出预测，从而限制该过程中的假阳性和假阴性检测。结果是一种HVAC&R监控系统和方法，该系统和方法适合于单独的系统，需要最少的试运行来开始学习，可以在学习系统在较长时间内的特性的同时几乎立即开始评估系统的状况，并且可以以很少的误差进行退化的准确评估。

总的来说，在一个方面，所公开的实施例针对用于HVAC&R系统的监控和早期问题检测系统。该系统尤其包括数据采集处理器，该数据采集处理器可操作以获取关于HVAC&R系统的观测结果，观测结果包括冷凝器的流体温度测量值和蒸发器的流体温度测量值，观测结果还包括对应于流体温度测量值的压缩机输入功率参数测量值。该系统还包括压缩机输入功率参数处理器，其可操作以学习流体温度测量值和压缩机输入功率参数测量值之间的关系，压缩机输入功率参数处理器配置为使用该关系计算压缩机输入功率参数的预测值。该系统还包括退化检测处理器，其可操作来将压缩机输入功率参数的预测值与获取的压缩机输入功率参数测量值进行比较。

总的来说，在另一方面，所公开的实施例涉及一种在HVAC&R系统中早期监控和检测问题的方法。该方法尤其包括通过数据采集处理器获取关于HVAC&R系统的观测结果，观测结果包括冷凝器的流体温度测量值和蒸发器的流体温度测量值，观测结果还包括对应于流体温度测量值的压缩机输入功率参数测量值。该方法还包括由压缩机输入功率参数处理器学习流体温度测量值和压缩机输入功率参数测量值之间的关系，并且由压缩机输入功率参数处理器使用该关系计算压缩机输入功率参数的预测值。该方法还包括由退化检测处理器将压缩机输入功率参数的预测值与获取的压缩机输入功率参数测量值进行比较，以确定HVAC&R系统中是否发生了性能退化。

总的来说，在另一方面，所公开的实施例涉及一种监控和早期问题检测系统。该系统尤其包括数据采集处理器，该数据采集处理器可操作以获取关于该系统的观测结果，观测结果包括对该系统的一个或多个索引参数的测量值以及对与该一个或多个索引参数相对应的该系统的感兴趣参数的测量值。该系统还包括参数预测处理器，该参数预测处理器可操作来学习一个或多个索引参数的测量值和感兴趣参数的测量值之间的关系，该参数预测处理器被配置为使用该关系来计算感兴趣参数的预测值。该系统还包括退化检测处理器，其可操作来将感兴趣参数的预测值与感兴趣参数的获取测量值进行比较，并基于该比较来确定系统中是否发生了性能退化。响应于在系统中检测到性能退化，参数预测处理器还可操作以调整感兴趣参数的测量值，以补偿性能退化。

总的来说，在另一方面，所公开的实施例涉及一种监控和早期问题检测的方法。该方法尤其包括通过数据采集处理器获取关于该方法的观测结果，观测结果包括该方法的一个或多个索引参数的测量值和对应于该一个或多个索引参数的该方法的感兴趣参数的测量值。该方法还包括由参数预测处理器学习一个或多个索引参数的测量值和感兴趣参数的测量值之间的关系，以及由参数预测处理器使用该关系计算感兴趣参数的预测值。该方法还包括由退化检测处理器将感兴趣参数的预测值与感兴趣参数的获取测量值进行比较，并且由退化检测处理器基于该比较来确定该方法中是否发生了性能退化。该方法还包括响应于在系统中检测到性能退化，由参数预测处理器调整感兴趣参数的测量值，以补偿性能退化。

总的来说，在又一方面，所公开的实施例针对包含程序逻辑的非暂时性计算机可读介质，当由一个或多个计算机处理器的操作执行该程序逻辑时，该程序逻辑使得一个或多个处理器执行根据本文描述的任何实施例的方法。

附图说明

通过阅读以下详细描述并参考附图，所公开的实施例的前述和其他优点将变得显而易见，在附图中：

图1示出了采用蒸汽压缩循环(VCC)的已知HVAC&R系统；

图2示出了根据所公开的实施例的方面的作为“黑盒”的示例性HVAC&R系统的简化视图；

图3示出了根据所公开的实施例的方面的配备有监控和早期问题检测系统的示例性HVAC&R系统；

图4示出了示出根据所公开的实施例的方面的监控代理的示例性运行的框图；

图5示出了根据所公开的实施例的方面的监控代理的示例性实施方式；

图6示出了显示根据所公开的实施例的方面的HVAC&R系统的稳态运行的曲线图；

图7示出了根据所公开的实施例的方面的用于构建温度图的时序图；

图8示出了根据所公开的实施例的方面的用于确定是否补偿观测结果的流程图；

图9示出了根据所公开的实施例的方面的用于更新残差序列估计器的功能框图；

图10示出了根据所公开的实施例的方面的用于确定是否进行CIPP预测的流程图；

图11示出了根据所公开的实施例的方面的用于检测退化的功能框图；

图12示出了根据所公开的实施例的方面的具有配备有监控代理的多个压缩机的HVAC&R系统；

图13A-13C示出了根据所公开的实施例的方面的用于确定是否呈现CIPP预测的示例性凸包；和

图14示出了根据所公开的实施例的方面的系统参数监控代理的示例性实施方式。

具体实施方式

首先，应当理解，结合所公开的实施例的各方面的实际的、真实的商业应用的开发将需要许多特定于实现的决定，以实现开发者对于商业实施例的最终目标。这种特定于实现的决定可以包括，并且可能不限于，符合与系统相关的、与商业相关的、与政府相关的以及其他约束，这些约束可以随特定的实现、位置和随时间而变化。虽然开发者的努力在绝对意义上可能是复杂和耗时的，但是对于受益于本公开的本领域技术人员来说，这种努力仍然是例行的任务。

还应当理解的是，本文公开和教导的实施例可以有许多不同的修改和替代形式。因此，单数术语的使用，例如但不限于“一个”等，并不旨在限制物品的数量。类似地，在书面描述中使用的任何相关术语，例如但不限于“顶”、“底”、“左”、“右”、“上部”、“下部”、“上”、“侧”等，是为了在具体参考附图时清楚起见，而不是为了限制本发明的范围。

本文公开的各种实施例涉及用于在基于VCC的HVAC&R系统中早期监控和检测潜在问题的系统和方法。如上所述，HVAC&R监控系统和方法采用监控应用或代理，其使用连续机器学习和温度图来学习一个或多个系统压缩机的测量输入功率参数与冷凝器和蒸发器进入口流体温度之间的关系。当HVAC&R系统是新的或处于“新维护”状态时，基于进入口流体温度和压缩机输入功率参数的观测结果(即，测量值)来学习该关系。然后，监控代理可以基于对HVAC&R系统的后续观测结果，使用学习到的关系来预测表示处于“新维护”状态的HVAC&R系统的预期压缩机输入功率参数值。此后，代理可以将预测的压缩机输入功率参数值与观测到的压缩机输入功率参数值进行比较，以早期检测性能退化。

所公开的系统和方法进行早期检测问题的能力源于本发明人基于观测的某些直觉，即给定一组可测量的冷凝器风扇速度、蒸发器和温度的外部条件，以及压缩机状态的已知组合(即，在多压缩机系统中哪些压缩机当时是开和关的)，在蒸汽压缩循环中采用的制冷剂压缩机所消耗的功率是时不变的，并且在稳态下是可重复的，只要系统的物理条件不改变。更具体地，一旦HVAC&R系统已经运行了足够长的时间，使得内部制冷剂状态已经稳定，在压缩机功率参数(例如实际功率、电流、伏安等)和某些观测到的温度之间存在并且应当存在可知的关系，假设系统的其他方面保持不变。压缩机输入功率参数与冷凝器和蒸发器进入口温度之间的这种时不变的、学习到的关系表示HVAC&R系统在新维护的条件下的行为，该关系被称为压缩机输入功率预测器(CIPP)关系，或在本文中简称为“关系”，并且可以用于检测许多不同应用中的系统退化，例如空调、热泵、冰箱和其他相关系统。

现在参考图1，示出了采用蒸汽压缩循环的基本HVAC&R系统100的流程图。上面提到的CIPP关系可以通过检查图1中基于VCC的系统100来说明。该系统100代表当今部署的大多数HVAC&R系统，因此本文的讨论主要集中在该系统中的早期的监控和检测问题。本领域普通技术人员将会理解，本文的原理和教导同样适用于商业和工业用户可用的其他类型的HVAC&R系统和设备。实际上，所讨论的原理和教导通常适用于任何确定性系统或设备，其中对于给定的感兴趣参数，一个参数结果或值将可靠地产生，并且因此在给定另一个参数或一组参数(及其值)的情况下，可以使用本文描述的技术快速地学习和预测。这种确定性的系统和设备是多种多样的，并且涉及许多类型的参数，例如，流动控制参数(例如，流速、粘度等)、功率控制参数(例如，电压、电流等)、运动控制参数(例如，速度、高度等)以及类似物。

HVAC&R系统100的运行在本领域中是众所周知的，并且在此仅进行一般性描述。从图中的点“A”开始，低压蒸汽形式的制冷剂经由抽吸从蒸发器102中抽出，蒸发器102实质上是热交换器，其从蒸发器周围环境103的流体(即空气)中吸收热量并将其传递给在蒸发器内流动到压缩机104的制冷剂。压缩机104接收低压蒸汽，将其压缩成高压蒸汽，并将其送向冷凝器106，在该过程中，将制冷剂的温度升高到高于冷凝器周围环境107的流体(例如，在直接交换系统的情况下为空气)的温度。

在冷凝器106处，冷凝器盘管(未明确示出)允许较高温度蒸汽制冷剂中的热量传递给较低温度的冷凝器周围流体，如箭头Qc所示。这种热传递导致冷凝器盘管中的高压蒸汽制冷剂冷凝成液体。液态制冷剂(仍处于高压下)从冷凝器106进入膨胀阀110，膨胀阀110使制冷剂雾化，并将其作为气溶胶释放(即喷射)到蒸发器102中。液态制冷剂的温度随着其从膨胀阀110的入口侧(在此处处于高压下)移动到膨胀阀110的出口侧(在此处处于相对低压下)而显著下降。

在蒸发器102处，温度降低的制冷剂将蒸发器盘管(未明确示出)冷却到远低于正常运行系统中的蒸发器周围流体的温度，在该过程中吸收热量并使制冷剂蒸发成蒸汽。来自蒸发器周围流体流的热量随后在该过程中被蒸发器盘管(未明确示出)吸收，如箭头Qe所示。蒸发器中的低压蒸汽然后在A处经由抽吸被吸入压缩机104，并且该循环重复。

在图1中，压缩机104由压缩机马达104a驱动，压缩机马达104a的电力由AC电源提供，例如电源AC电力线路112。电源AC电力线路112提供来自AC电源的电力，该AC电源通常通过分支馈电电路114馈电。分支馈电电路114用于隔离HVAC&R系统100并为其提供短路和过电流保护。许多分支馈电电路具有电流或功率测量能力，该能力内置于它们的断路器中或者以其他方式嵌入，可以提供指示负载正在使用的输入功率的信号。示例包括来自施耐德电气美国公司的NQ和NF系列配电盘，具有集成式电能表。在一些设施中，HVAC&R系统100还可以包括辅助设备(以虚线示出)，例如风扇和其他辅助电气负载、电气断路盒等，总体上以116指示，它们也从馈电电路114接收电力。辅助设备116通常位于也容纳系统100的压缩机的物理壳体内，并且可以与马达104a串联或并联。

如将在下面的描述中解释的，检测系统退化的一种方式是通过监控由压缩机马达104a通过馈电电路114和AC电力线路112实际消耗的输入功率，并将该压缩机输入功率与由上述CIPP关系预测的压缩机输入功率进行比较。通常，如果比较表明观测到的压缩机输入功率不同于(即，大于或小于)由CIPP关系预测的压缩机输入功率超过预定的阈值量(例如，5％、10％、15％等)，那么这可以是性能退化的指示。

本文使用的术语“蒸发器周围”和“冷凝器周围”分别指蒸发器和冷凝器功能的周围的周围环境。当系统100在空调模式下运行或作为冰箱运行时，蒸发器周围是待冷却或“空调”的空间，通常是建筑物或房间，但也可以是冰箱或冷冻机的内部空间或食物储存区域。在这种模式下，在空调和一些制冷系统的情况下，冷凝器周围通常是室外环境，在制冷的情况下，冷凝器周围可以是设备外部的室内周围环境。换句话说，直接交换空调或冰箱从被调节空间的空气中吸收热量，并将热量排放到室外或外部环境中。当系统100在加热模式下作为热泵运行时，物理冷凝器106和物理蒸发器104的角色颠倒，使得物理冷凝器106用于从名义上较冷的室外环境吸收热量，而物理蒸发器102用于将热量传递到被加热的建筑物或房间。

图1的HVAC&R系统100被认为是一种“直接交换”系统，其中热量通过蒸发器102和冷凝器106直接传递到蒸发器和冷凝器周围环境的空气中和从其中传递过来。然而，本文公开的实施例也适用于非直接交换系统，包括“间接交换”系统，例如作为空调运行的冷却器或地热热泵。在冷却器中，蒸发器冷却流体，例如冷却水，流体然后通过远离冷却器的热交换器输送到整个建筑物以独立地冷却其中的空间。在一些系统中，热量从冷凝器排出，进入液态流体，例如水或防冻溶液，水或防冻溶液然后经由例如冷却塔传递到较冷的周围环境中。因此，所公开的实施例可以与如在传统的直接交换系统中那样直接向预期空间的空气传递热量和从预期空间的空气传递热量的系统一起使用，或者与间接交换系统一起使用，该间接交换系统向诸如水的液态流体传递热量或从该液态流体传递热量，然后该液态流体用于冷却或加热预期空间。

在下面的描述中，术语“流体温度”，当用于描述蒸发器或冷凝器(或其功能)的进入口或排出口温度时，将被理解为在直接交换系统的情况下是空气，在间接交换系统如冷却器的情况下是液体或流体。混合模式系统，例如使用水或防冻剂与地面和空气进行热交换以在建筑物内进行热交换的地热热泵，也在所公开的实施例的范围内。

图2以具有特定输入和输出的所谓“黑盒”200的形式示出了HVAC&R系统100的简化视图。以这种方式处理HVAC&R系统100允许系统根据其输入和输出(即，其传递特性)被分析。当被视为黑盒200时，系统100的输入包括具有比热C_pc、质量流率

并在温度T_ci下运行的冷凝器进入口流体、具有比热C_pe、质量流率

并在温度T_ei下运行的蒸发器进入口流体，以及压缩机输入功率P。来自黑盒200的输出包括具有比热C_pc、质量流率

并在温度T_cd下运行的冷凝器排出口流体，以及具有比热C_pe、质量流率

并在温度T_ed下运行的蒸发器排出口流体。

作为附加的简化，可以假设分别流过冷凝器和蒸发器的流体的比热C_pc和C_pe不随时间变化。这通常适用于一阶近似。此外，对于在稳态下运行的系统100，穿过冷凝器和蒸发器的质量流率

和

是恒定的。这是在最简单的系统中的情况，在该系统中，一个或多个单速风扇在正常运行中被用于移动流体经过冷凝器和蒸发器组件(单速风扇连续运行，并且不随着温度或压力循环开启和关闭以保持压头(head pressure))。

冷凝器进入口和排出口流体具有相同的比热和质量流率，这是因为：1)它们是相同的流体，以及2)以这种方式观测的物理系统没有流体储存能力，因此净质量流量必须为零。蒸发器流体也是如此。

上述假设是在稳态下运行的大多数HVAC&R系统的设计基础，在稳态下，通过根据需要循环开启和关闭压缩机来调节温度，以将温度保持在选定的范围内。这代表了目前使用的大多数HVAC&R系统，包括大多数住宅分体式系统和组合式系统，以及简单的冰箱。对于这种HVAC&R系统，已经发现冷凝器进入口流体温度T_ci、蒸发器进入口流体温度T_ei和功率参数P足以建立时不变的关系，该关系可用于在蒸汽压缩循环以稳态运行时检测系统退化。

同样，冷凝器或蒸发器功能中的制冷剂温度升高通常会导致制冷剂回路中的制冷剂压力升高，并且需要更大的压缩机功率来保持压力并使制冷剂通过系统。使制冷剂流过系统所需的功率也取决于回路中制冷剂的量。

参考图2中讨论的作为黑盒200的HVAC&R系统100的简化视图，考虑系统经历处于特定的一对冷凝器和蒸发器进入口流体温度(T_ei,T_ci)的流体的情况，称为温度元组(即，元素的有序列表)。还要考虑系统处于“新维护”状态，并且冷凝器和蒸发器盘管的质量流率也是固定的和标称的。本文使用的术语“新维护”状态是指HVAC&R系统紧接在正确维修后的状态，其中维修的目的是使系统处于最佳可能状态(即，对于该系统的年龄，尽可能接近工厂规范)。如上所述，对于在这种状态下运行的系统100，消耗的压缩机功率应当是可重复的，这意味着任何时候系统100经历这一组相同的条件，压缩机消耗的功率应当是相同的。在相同的温度元组(T_ei,T_ci)下，任何导致从冷凝器盘管中提取热量的速率降低的情况都会增加冷凝器中制冷剂的温度，从而导致冷凝器中的压力增加，并导致压缩机消耗比其他情况下更多的功率。这些情况包括可能会降低质量流率的情况，例如冷凝器风扇故障、冷凝器堵塞(包括严重的冷凝器结垢)以及表面效应(例如冷凝器结垢)，即使最终质量流率没有降低。因此，如果对于给定的一组进入口温度(T_ei,T_ci)，压缩机功率高于预期，则：1)系统有问题，并且其效率可能退化；2)问题的可能原因是冷凝器子系统中的一些因素。

以类似的方式，对于进入口流体温度元组(T_ei,T_ci)，任何导致蒸发器中的热吸收率降低的条件都将导致蒸发器中流体的平均内部温度降低，导致压力降低，并导致压缩机功率降低。这包括这样的现象，例如蒸发器结垢，这或者经由灰尘或霜的积聚而造成，其降低了从蒸发器盘管到蒸发器流体的热传递速率，或者任何导致蒸发器流体质量流量减少的现象，其可以包括上述情况，但也包括过滤器变脏、蒸发器风扇皮带断裂和其他现象。因此，同样，如果对于给定的一组进入口温度(T_ei,T_ci)，压缩机功率低于预期，则：1)系统有问题，并且其效率可能退化；2)问题的可能原因是蒸发器子系统中的一些因素。

对于固定的一对相等的冷凝器和蒸发器进入口质量流率和温度，使制冷剂流过系统所需的功率是流过系统的制冷剂总量的正定函数。重要的是，在HVAC&R系统中很常见、并经由臭氧消耗影响系统效率和环境的制冷剂泄漏表现为压缩机功率的降低。

因此，对于上述基本HVAC&R系统100，关于系统整体健康的信息可以从简单的黑盒模型中获得，在该黑盒模型中，当系统处于“新维护”状态时，基于进入口流体温度(T_ei,T_ci)和压缩机输入功率参数P学习CIPP关系。一旦建立了这种学习的CIPP关系，它可以用于基于对某些压缩机输入功率参数的观测结果(即测量值)来预测潜在的性能退化和问题。观测到的压缩机输入功率参数可以包括，例如，实际功率、电流(例如，两相电流中的一相)、伏安等。

接下来参考图3，根据本公开的实施例，HVAC&R监控和早期问题检测系统300现在已经安装在HVAC&R系统100上。监控和早期问题检测系统300被设计成使用上述CIPP关系来监控HVAC&R系统100中的性能退化。为此，系统100配备有多个温度传感器，例如传感器302、304、306和308，其安装在系统上的选定点处。这些温度传感器302、304、306和308获取可由监控和早期问题检测系统300使用的选定温度测量值：(i)冷凝器进入口流体温度T_ci；(ii)冷凝器排出口流体温度T_cd；(iii)蒸发器进入口流体温度T_ei，在商业和住宅直接交换空调中通常称为“返回”温度；以及(iv)蒸发器排出口流体温度T_ed，在商业和住宅直接交换空调系统中通常称为“供应”温度。

尽管提到了四个温度测量值，但是监控和早期问题检测系统300可以仅使用四个温度测量值中的两个来运行：蒸发器的进入口或排出口流体温度(T_ei或T_ed)，以及冷凝器的进入口或排出口流体温度(T_ci或T_cd)，这取决于特定的实施方式。例如，在一个实施例中，监控和早期问题检测系统300可以使用蒸发器102进入口处的流体温度T_ei和冷凝器106进入口处的流体温度T_ci。因此，在一个实施例中，温度传感器302安装在蒸发器102的进入口处或附近，以测量蒸发器进入口流体温度T_ei，第二温度传感器304安装在冷凝器106的进入口处或附近，以测量冷凝器进入口流体温度T_ci。替代地，在一些实施例中，冷凝器排出口流体温度T_cd可以替代T_ci，或者蒸发器排出口流体温度T_ed可以替代T_ei。在这样的实施例中，第三温度传感器306也可以可选地安装在蒸发器102的排出口处，以测量蒸发器排出口流体温度T_ed，或者第四温度传感器308也可以可选地安装在冷凝器106的排出口处，以测量冷凝器排出口流体温度T_cd。这些温度传感器302、304、306和308可以是本领域技术人员已知的任何合适的温度传感器，包括采用热电偶或热敏电阻器件的基于电压的温度传感器。

除了进入口流体温度测量值之外，还为监控和早期问题检测系统300获得压缩机输入功率参数的测量值。可以获得的压缩机输入功率参数测量值的示例包括电流、电压、实际功率、无功功率和视在功率的测量。如下面进一步讨论的，通常测量的压缩机输入功率参数是电流，因为与功率计等相比，电流测量装置的成本相对较低。实际上，为了测量实际功率，大多数功率计和其他功率测量装置已经需要获取电流测量值。因此，压缩机输入电流几乎总是被测量的压缩机输入功率参数之一。

在典型的住宅设施中，压缩机104(和马达104a)经由分支馈电电路114由电源AC电力线路112馈电，电源AC电力线路112可以是具有中点中性点的三线单相电力线路。其他配置也是可能的，包括双线AC系统和三相AC配置。此后，一个或多个电流检测装置310，例如一个或多个环形电流互感器，可以安装在压缩机电力线路112的电线上。一个或多个电流互感器310的输出然后被提供给功率参数计312，功率参数计312可以是任何商业上可获得的功率计或能够测量流过电力线路112的电流(例如RMS电流)的仪表。功率参数计312的一些模型也可以结合线路电压的测量，例如测量单相或多相形式的实际功率和视在功率(伏特-安培)的模型。可以用作功率参数计312的商用功率计的一个示例是由施耐德电气制造的任何PM8xx系列功率计，其具有测量实际功率的相关电路。在线路电压相对于系统中的压缩机104的配置保持恒定或至少可重复的系统中，能够测量压缩机104的一个支路的电流的简单的钳式电流互感器也可能是足够的。

对于使用CIPP关系来估计压缩机输入电流的实施例，该设备可以包括一个或多个电流互感器和其他电流测量装置。电流测量装置是可用的，其可以提供在指定电流范围内流过电力线路112的RMS电流的指示。在这些实施例中，单独输送到压缩机104的RMS电流可能足以作为压缩机输入功率参数测量值。适合某些HVAC&R应用的电流测量装置的一个示例是Veris Industries的Veris H923分芯电流传感器，它可以响应于0-10安培RMS电流提供0-10伏的信号。可以采用其他类似的电流测量装置或系统，适合于系统中预期的电流水平。

在一些实施例中，作为压缩机输入功率参数测量值的替代(或添加)，本文描述的学习CIPP关系的过程可以使用HVAC&R系统100经由分支馈电电路114、作为整体消耗的功率的指示来执行。如前所述，许多分支馈电电路在其断路器中内置或嵌入了电流或功率测量功能，可以提供指示系统正在使用的输入功率的信号。一些辅助设备116，例如电断路盒等，包括类似的电流或功率测量能力。因此，尽管本公开主要针对压缩机输入功率参数测量值描述了CIPP关系学习过程，但是本领域普通技术人员将会理解，也可以使用上述替代的(或附加的)输入功率指示器以类似的方式学习该关系。

然后，测量的电流或其它压缩机输入功率参数测量值可以与蒸发器的进入口或排出口流体温度(T_ei或T_ed)以及冷凝器的进入口或排出口流体温度(T_ci或T_cd)一起使用，以建立CIPP关系。在一些实施例中，仅作为示例，所使用的特定流体温度测量值可以是蒸发器进入口流体温度T_ei和冷凝器进入口流体温度T_ci的测量值。这是图3中描绘的布置。在其他实施方式中，所使用的流体温度测量值可以是蒸发器排出口流体温度T_ed和冷凝器排出口流体温度T_cd的测量值。在其他实施方式中，可以使用冷凝器进入口温度和蒸发器排出口温度的组合，或者可以使用冷凝器排出口温度和蒸发器进入口温度的组合。

流体温度测量值(来自传感器302、304、306和/或308)连同压缩机输入功率参数测量值(来自功率参数计312)可以随后被提供给HVAC&R监控应用或代理314，用于基于CIPP关系确定预期的压缩机输入功率。HVAC&R监控代理314然后可以将预期的压缩机输入功率与观测到的(即，测量到的)压缩机输入功率进行比较，以检测潜在的系统退化和问题。流体温度和压缩机输入功率测量值可以通过任何合适的信号连接提供给监控代理314，包括有线的(例如，以太网等)、无线的(例如，Wi-Fi、蓝牙等)以及其他连接。例如，来自传感器302、304、306和/或308的测量值可以作为物联网(IoT)的一部分提供给监控代理314。

在一些实施例中，监控代理314可以被实现为基于云的解决方案或基于雾的解决方案，其中监控代理314的一部分或全部驻留或托管在网络316上。网络316可以是诸如云网络的远程网络，或者它可以是诸如雾网络的本地网络316。这种监控代理314(或其部分)也可以集成到空调系统的所谓“智能”恒温器或HVAC&R控制器中。“智能”恒温器或HVAC&R控制器可以包括能够被配置为输入多个数据信号(例如，模拟、数字等)的任何可编程设备，基于那些数据信号执行算法或软件例程，并输出一个或多个数据信号(例如，模拟、数字等)。适于与监控代理314一起使用的市场上可买到的设备的其他示例包括商业上可获得的可编程逻辑控制器(PLC)和建筑物管理系统(BMS)，二者都由施耐德电气公司制造。

图4示出了说明代理如何使用学习到的CIPP关系来产生归一化残差的时间序列、以在系统100中早期检测潜在的性能退化和问题的概念框图。在图中，P(k)是对于给定的观测结果k，观测到的系统100的压缩机输入功率参数。在一些实施方式中，还同时对蒸发器进入口流体温度T_ei(k)和冷凝器进入口流体温度T_ci(k)进行观测。术语“同时”意味着在时间上相对于系统100的热时间常数快速进行测量。优选地，对于给定观测的温度和压缩机输入功率参数测量值在几秒钟的时间窗口内获得，并且优选地通过基于PLC(可编程逻辑控制器)的过程获得。这种自动测量过程通常可以以高于对于本文的监控目的来说足够高的速率获得测量值。当获得测量值时，系统100也应当处于稳态，这意味着系统已经运行了足够长的时间，使得系统中的制冷剂在整个系统中处于适当的物理状态(即，液体或蒸汽)，并且在冷凝器和蒸发器中热传递以基本恒定的速率(例如，在1％-2％内)进行。

在图4中，对于每个观测结果k，蒸发器进入口流体温度和冷凝器进入口流体温度元组(T_ei(k),T_ci(k))被应用于预测块400，在该预测块400中，代理使用观测结果和学习到的CIPP关系来预测代表处于新维护状态的系统的功率参数值。从预测块400，代理产生压缩机输入功率参数的预测值

作为学习到的CIPP关系的函数，如等式(1)所示：

压缩机输入功率参数

的预测值和包括在观测结果中的压缩机输入功率参数的观测结果P(k)然后在求和节点402组合。求和节点402根据等式(2)产生差值压缩机输入功率参数值ΔP(k)，等式(2)为：

此后，该代理在归一化块404处对差值压缩机输入功率参数值ΔP(k)进行归一化，以产生归一化的残差压缩机输入功率参数R(k)，如等式(3)所示：

如等式(3)所示，归一化残差R(k)是压缩机输入功率参数的测量值和预测值之差ΔP(k)与功率参数的预测值

之比。然后，归一化残差R(k)可以通过乘以100来表示为百分比，以显示压缩机输入功率参数的预期值和压缩机输入功率参数的观测值之间的百分比差值，根据等式(4)：

％R(k)＝100*R(k) (4)

经过正确分析，归一化残差或归一化残差的时间序列可以用作系统退化的指示器。如果系统处于新维护的条件下并且没有测量误差，则归一化残差应当为零，并且可以从非零归一化残差中推断出与新维护的条件的偏差。此外，根据经验观测到，归一化残差具有有益于促进CIPP关系的连续学习的属性，即使系统正在经历性能退化。具体而言，虽然压缩机消耗的功率是温度元组(T_ei,T_ci)的敏感函数，但归一化残差近似或准与温度无关。这意味着在系统的物理条件保持不变时，观测到在一个温度元组处计算的归一化残差在系统的运行温度范围内的任何其他温度元组处具有近似相同的值。这种观测允许代理为了学习CIPP关系的目的，以随后描述的方式针对退化“校正”功率参数测量值。

图5示出了来自图3的HVAC&R监控应用或代理314的示例性实施方式。HVAC&R监控应用或代理314，或简称为“代理”，可以由几个功能部件组成，包括数据采集处理器500、压缩机输入功率参数处理器506和退化检测处理器514，以及下面将更详细讨论的多个子部件。这些功能部件500、506和514(以及子部件)中的每一个可以是基于硬件的部件(例如，由ASIC、FPGA等运行)、基于软件的部件(例如，在网络上运行等)，或者硬件和软件的组合(例如，由微控制器运行等)。此外，虽然功能部件500、506和514(以及子部件)被示为分立的块，但是在所公开的实施例的范围内，这些块中的任何一个都可以被分成几个组成块，或者这些块中的两个或更多个可以被组合成单个块。以下是对各种功能部件500、506和514(以及子部件)的运行的描述。

数据采集处理器500连续获取和存储流体温度和功率参数值，并根据这些值对它们进行预处理和汇编成可由压缩机输入功率参数处理器506使用的观测结果的时间序列。压缩机输入功率参数处理器从观测结果的时间序列中导出某些运行信息，并选择性地使用观测结果来学习温度和功率参数之间的关系。然后，它使用学习到的关系以及观测结果来生成归一化残差的时间序列，该时间序列包含关于被监控的HVAC&R设备的物理状况的信息。该归一化残差序列被传递到退化检测处理器514，退化检测处理器514解释归一化残差的时间序列，并且可以发出警告信号或听觉视觉显示或经由新闻馈送516发送指示HVAC&R系统的潜在问题的信息。

数据采集处理器500连续获取和存储流体温度和功率参数值，并根据这些值和可选的其它输入，将它们汇编和预处理成可由压缩机输入功率参数处理器506使用的观测结果。如前所述，虽然有许多方法可以完成上述任务，但可编程逻辑控制器，如施耐德电气制造的M251型，理想地适用于这一任务。在所示的示例中，数据采集处理器500包括系统温度采集处理器502，该系统温度采集处理器502连续或定期地为代理314获取和存储流体温度测量值。数据采集处理器500还包括功率参数采集处理器504，其获取并存储由功率参数计312(见图3)连续或定期测量的一个或多个压缩机输入功率参数的测量值。这些一个或多个压缩机输入功率参数可以包括压缩机104消耗的实际功率、无功功率、视在功率、电压和电流。替代地，如上所述，在代理314被用于预测压缩机输入电流的情况下，传送到压缩机104的RMS电流的测量值本身就足够了。

温度测量值和功率参数测量值在本文通常被称为“观测到的”温度和功率。在一些实施例中，数据采集处理器500收集流体温度和功率参数的成组的测量值并将其汇编成“观测结果”。观测结果中的温度和功率参数由单个数字表示，该数字代表某一时刻或一段时间间隔内的对应温度或功率参数。表示对应温度或功率参数的数字可以是单个测量值，或者可以作为多个测量值的函数导出，例如在时间间隔内进行的多个测量值的平均值以由观测结果表示。当然，使用众所周知的数字信号处理技术，其他功能也是可能的。

下面的表1示出了可以由数据采集处理器500提供给压缩机输入功率参数处理器506的示例性观测结果。

表1：示例性观测结果

在表1中，示例性观测结果包含T_ci数据和T_ei数据，每个数据分别包括冷凝器或蒸发器进入口温度测量值，或这种温度测量值的信号处理批量，代表在某个时间点或在一段时间间隔内的系统的外部温度。这些流体温度测量值是从位于蒸发器和冷凝器进入口处或附近的温度传感器302、304(如图3所示)获得的。在其他实施例中，蒸发器排出口温度T_ed和冷凝器排出口温度T_cd可以替代地是由系统温度处理器502获取并预处理的流体温度测量值。替代地，室温测量值(例如，来自恒温器)可以用作蒸发器进入口流体温度T_ei的测量值的替代值，而不是在直接交换空调应用中直接测量蒸发器进入口流体温度，或者用作热泵应用和许多制冷系统中冷凝器进入口流体温度T_ci的替代值。在制冷应用中(包括冷冻机)，由蒸发器直接冷却的内部隔室的温度可以用作蒸发器进入口温度的替代值。在所公开的实施例的范围内，也可以使用跟踪或适当响应于本文所讨论的各种进入口和排出口温度的其他温度替代值。这些包括测量的室外温度或从气象服务或预报中获得的温度估计值。

此外，在一些实施例中，观测结果还可以包含功率参数数据，包括由功率参数计312在与温度测量相同或接近的时间测量的一个或多个功率参数的测量值或上述测量值的函数。于是，可以作为功率参数数据包括在观测结果中的功率参数的一个示例是压缩机输入电流。

表1中还示出了可选的时间戳或标签，其指示由包括在观测结果中的测量温度和功率参数值表示的日期和时刻或时间间隔。在一些实施方式中，在观测结果或数据帧中包括时间戳或标签，从中可以推断出观测结果中的每个测量值将要表示的日期和时间，这对于实施方式是有益的。当单个观测结果被存储在数据库中以备将来检索时，或者当一组或一批几个观测结果被组合成数据帧，该数据帧然后可以通过网络通信链路传输时，时间戳或标签是特别有用的。例如，观测结果的数据帧可以通过互联网发送到网络服务，其中代理314(或其一部分)读取数据帧，处理数据帧内的观测结果(根据需要使用时间标签以维持顺序)，并提供结果用于HVAC&R监控和早期问题检测系统300的适当行动。在其他实施例中，例如在建筑物管理系统、PLC和专用控制器中，观测结果将直接地连续行进通过系统，而不需要超过延迟线的确定稳态运行所需的中间存储。在这些系统中，观测结果通常不需要与时间标签相关联。

观测结果的时间序列从数据采集处理器500传送到压缩机输入功率处理器506，如上所述，一次一个或者以批量数据帧的形式。根据所公开的实施例，压缩机输入功率参数处理器506可操作来导出或学习CIPP关系，并使用该关系根据数据采集处理器500提供的观测结果来监控系统的性能退化。为此，压缩机输入功率参数处理器506可包括VCC状态生成器508，用于从数据采集处理器500提供的观测结果序列中导出某些时机信息，并用该信息增强观测结果，从而产生稳态观测结果的序列，以及CIPP关系处理器510，用于从VCC状态生成器508提供的稳态观测结果的增强时间序列中学习CIPP关系。还包括退化残差序列生成器512，其使用学习到的CIPP关系和稳态观测结果的时间序列来计算归一化残差的时间序列，其标记为退化残差序列，指示HVAC&R系统的状况。如上所述，退化检测处理器514分析由退化残差序列生成器512产生的退化残差序列，以检测和报告退化。

在系统已经运行了足够长的时间使得制冷剂状态在系统中已经稳定之后，使用本文描述的实施例的压缩机输入功率参数的预测是最准确的。虽然稳定制冷剂状态所需的实际时间可能因设备而异，但稳定通常发生在运行的大约3至5分钟内。为此，VCC状态生成器508可以使用适当的逻辑或电路来检测压缩机是处于开启还是关闭状态，以及系统是处于稳态且可能稳定，还是处于瞬态且可能不稳定。作为一个示例，可以实施逻辑以通过将功率参数与该参数的最小阈值进行比较来宣告压缩机处于开启状态或关闭状态，当观测结果的功率参数大于阈值时宣告压缩机处于开启状态，当观测结果的功率参数小于阈值时宣告压缩机处于关闭状态。因为测量值可能有噪声，所以VCC状态生成器508可以实施逻辑，以通过在将内部管理的压缩机状态变量分别从关闭改变为开启或从开启改变为关闭之前，要求功率参数值大于或小于对于多个连续观测结果的阈值，来对压缩机开启或关闭状态进行去抖动。当检测到压缩机处于开启状态的时间长于连续的时间间隔(例如5分钟)时，VCC状态生成器可以宣布系统对于CIPP关系是稳定的。否则，可以宣布系统不稳定。

图6示出了VCC循环的“稳态”运行的含义，将单个VCC循环分成三个运行区间。在图6中，示出了类似于上述系统100的单个压缩机系统的典型“开启”循环的实际功率(瓦特)对时间(秒)的曲线图600。在该时间间隔内的压缩机电流图看起来将是类似的。曲线图600还示出了在该特定压缩机循环中使用为该系统学习的CIPP关系而预测的压缩机输入功率。从图中，可以在压缩机循环中识别出三个不同的运行区间，包括前导消隐区间602、动态预测区间604和滞后消隐区间606，在动态预测区间604中，功率可以从上述学习到的关系中预测。实际上，只有动态预测区间604中的观测结果对训练代理学习CIPP关系和使用该关系预测设备状况是有用的。在这个动态预测区间内的观测结果就是前面提到的“稳态观测结果”。

前导消隐区间602指的是压缩机刚开启后的区间。当压缩机已经关闭并随后开启时，有一个暂态时期，在该暂态时期中，由线608表示的消耗的功率不仅是温度和质量流率的函数，而且是自压缩机开启以来经过的时间的函数。这个暂态时期在很大程度上取决于系统。虽然该暂态行为可能是可重复的，但是它不能使用时不变的CIPP关系来预测。最需要前导消隐区间602来确保在该区间进行的观测结果被丢弃。通常，前导消隐区间602应当设置得足够长，以允许制冷剂回路达到“稳态”运行，这可以根据系统的大小和类型而不同。例如，在家用冰箱中，前导消隐区间可以被设置为小至20-30秒，并且整个压缩机循环可能仅持续一两分钟，而在大型屋顶单元中，可能需要数量级在5-10分钟的前导消隐区间602，并且压缩机可能运行几个小时或者甚至一天。在一些大型冷却器中，长达30分钟或更长的消隐区间是合适的，并且冷却器可能不间断地运行几天。

动态预测区间604指的是HVAC&R系统达到热稳态的区间。在该区间604期间进行的观测可用于告知CIPP关系，并且随后学习到的CIPP关系可以用于预测由线610表示的功率，该功率应当被消耗以支持冷凝器和蒸发器流体的温度和质量流率。在最简单的HVAC&R系统中，如果系统中没有发生物理变化，则冷凝器和蒸发器进入口温度足以准确预测压缩机输入功率。从图6中可以看出，当系统正常运行时，预测功率610非常准确地跟踪测量功率608，瞬时归一化残差通常在0.01-0.02的量级，并且归一化残差在时间上的平均值非常接近零。动态预测区间604持续到压缩机再次变为关闭状态之前。

在图6中非常夸张地示出的滞后消隐区间606指的是当压缩机再次改变到关闭状态时的区间，并且其被包括主要是为了便于采样数据系统的需要。如上所述，一旦HVAC&R系统达到热稳态，CIPP关系就可以用于精确预测压缩机功率。然而，在采样数据系统中，尤其是在采样周期相对于驱动压缩机的马达的瞬时响应而言较长的系统中，对于压缩机何时实际关闭存在相当大的不确定性。在一些采样数据系统中，观测结果中呈现的值是以比由数据采集处理器500呈现给压缩机输入功率参数处理器506的观测周期高得多的采样率在内部获取的多个样本的平均值。因此，如果压缩机在观测结果之间的某处关闭，则观测结果可以包含在观测结果的压缩机实际开启的一部分上平均的功率参数实际值的随机估计，其大致均匀地分布在零(在观测区间开始时压缩机已经关闭)和实际合乎逻辑的平均值(压缩机在观测区间结束时关闭)之间。

此外，如在大多数采样数据系统中常见的，施加“去抖动”周期，在该周期中，一旦代理识别出压缩机处于开启状态，代理需要在识别出压缩机已经改变到关闭状态之前观测到消耗功率参数已经下降到某个阈值功率水平以下。在这个持续时间根据系统而不同的“去抖动”区间内，测量的功率可能与使用CIPP关系预测的功率不一致。因此，滞后消隐区间606定义了一个时间段，在该时间段内，代理观测压缩机从开启和稳定状态变化到关闭状态，并且还忽略该区间内的那些观测结果。作为实际考虑，滞后消隐区间606可以相对于前导消隐区间较短。

代理需要检测压缩机的状态转换，以避免产生或使用无效的归一化残差值，因此在进行观测和计算或呈现对应的归一化残差之间需要时间滞后，以确保计算代表动态预测区间604中的操作。这可以通过推迟计算归一化残差、直到可以确认观测结果位于动态预测区间内来完成。实现这一点的一种方法是明确规定假定的前导消隐延迟时间和滞后消隐延迟时间，作为设计的一部分，将这些值选择为系统级常量。

在一些实施例中，VCC状态生成器508可以用布尔变量形式的系统状态信息来增强从数据采集处理器500获得的观测结果。布尔变量可以取集合{真，假}中的值来表示系统状态。VCC状态生成器508可以将布尔变量设置为真，以指示系统是稳定的(处于根据图6的动态预测区间内)并且处于开启状态，分别如上所述，以及设置为假以指示另外状态。在一些实施方式中，代理可以将诸如上述的导出的系统状态信息与每个观测结果相关联，从而产生增强的观测结果。下面的表2示出了这种增强的观测结果的示例。

表2：增强的观测结果

VCC状态生成器已经声明系统运行是稳定的观测结果被称为“稳态”观测结果，并且在一些实施方式中，VCC状态生成器可以仅选择稳态观测结果用于进一步处理，从而产生一系列稳态观测结果，一次产生一个，或者根据实施方式的具体细节以批量或数据帧的形式产生。在其他实施方式中，使用由VCC状态生成器508增强的状态信息，压缩机输入功率预测管理器506中的其他部件可以根据需要确定哪些增强的观测结果与它们各自的功能相关。

CIPP关系处理器510负责从上述稳态观测结果中学习进入口温度和与这些温度相关的压缩机输入功率参数值之间的关系。该CIPP关系处理器510包括三个主要功能，其提供了构建表示处于新维护状态的HVAC&R系统的CIPP关系所需的能力。在一些实施例中，CIPP关系处理器510编译并保持新的温度图，该新的温度图涉及进入口温度和压缩机输入功率参数值，这些参数值可能代表HVAC&R系统处于新维护状态并且与这些温度相关联。在一些实施例中，代理使用与参考退化估计器函数相结合的2阶段自举学习策略，以在使用修改后的观测结果来填充温度图之前，在一些情况下修改稳态观测结果的功率参数值。这种途径提供了对用于检测HVAC&R系统中性能退化的现有解决方案的若干改进。现有的解决方案使用所谓的集总回归方法，在该方法中，系统在相对较长的时间段内以稳态运行，从而获得大的观测结果集合。大型数据集旨在在系统处于“新维护”状态时获得，并被汇编成训练数据集和测试数据集，机器学习用于从训练集创建系统模型。机器学习采用线性回归算法来建立功率参数和某些测量的温度输入之间的关系。然后将测试数据集应用于模型，以确认模型确实能够代表实际系统的特征。然后，可以使用该模型和随后的温度输入来计算在系统仍然处于新维护的状况下功率参数“应当”是什么的估计值。此后，可以将估计的功率参数与观测到的功率参数进行比较，以提供系统健康的指示。

现有解决方案的一个局限是需要大的数据集，这通常需要很长时间来汇编，尤其是在针对单个HVAC&R系统定制训练的情况下。预期功率参数值的准确预测被推迟，直到训练完成。例如，对于在温和气候下运行的空调系统，可能需要整个制冷季节的数据来确保观测到所有预期的外部条件，例如，因为在美国的大多数地方，五月的平均和峰值室外温度通常比八月的平均和峰值室外温度低得多。

现有解决方案的另一个限制是HVAC&R系统需要在整个训练区间期间保持在“新维护”状态，以建立精确的模型。当训练区间需要几周或几个月才能完成时，由于需要大的训练数据集，这是不实际的。另一个实际限制是，除了在具有大存储容量的基于云的解决方案中，收集和存储用于训练数据的大量观测结果可能是不可行的，因为更靠近HVAC&R系统的解决方案通常具有小得多的存储容量。

使用温度图优于现有技术解决方案的另一个好处是，代理可以检测何时稳态观测结果的温度元组位于可以确信地做出预测的范围之外，并且因此可以选择不预测，而不是冒着预测相应功率参数的错误值的风险。这可以极大地减少产生“假阳性”状况或“假阴性”状况的机会，在“假阳性”状况中，当不存在问题时宣布退化，在“假阴性”状况中，当系统实际上退化时，宣布系统处于良好状态。现有技术的系统，包括那些使用大数据集和回归的系统，固有地受到该问题的负面影响。

在一些实施方式中，代理使用由上述VCC状态生成器508提供的稳态观测结果来构建温度图，每个稳态观测结果包括至少一个温度元组(T_ei,T_ci)和对应的压缩机功率参数。每个量化的温度元组(T_ei,T_ci)形成温度图的索引。对于每个索引温度元组，代理通过从对应于该元组的稳态观测结果的功率参数值序列更新单元格的汇总数据来“学习”。代理以这种方式更新对于给定单元格的汇总数据，直到应用了足够数量的观测结果，如本文稍后所述。此时，代理停止更新该对于单元格的汇总数据，并且该单元格的汇总数据可用于预测代表新维护状况下的系统的功率参数值。在某些情况下，一旦对单个单元格作出了要求数量的观测结果，功率参数预测可以直接从该单元格的汇总数据中导出，该汇总数据由稳态观测结果的元组索引。在其他情况下，代理可以根据本文描述的规则，通过使用来自附近元组的汇总数据执行局部回归，来导出对于稳态观测结果的元组的功率参数预测。

使用上述方法，代理可以快速收集数据，并几乎立即开始进行功率参数预测。在某些情况下，代理可以在HVAC&R系统启用的同一天内开始进行功率参数预测，只要系统正在运行并且处于新维护的状态。使用本文描述的温度图，代理可以评估对应于给定温度元组的功率参数的预测是否可能代表新维护的状况下的系统的特性，并且决定是否发布预测。评估预测可靠性的能力大大降低了代理提供假阳性和假阴性的可能性。此外，因为CIPP关系可以被假设为准温度无关的(如本文进一步讨论的)，所以代理可以在系统退化的同时继续学习HVAC&R系统在新维护的状况下的特性，从而补偿退化，使得预测更好地表示在新维护状况下的系统。

当额外的温度和功率参数数据变得可用时，可以通过更新温度图来实现代理对CIPP关系的继续学习。在一些实施例中，分批更新温度图，由此将一组观测结果组合成稳态观测结果的一个或多个数据帧，并由数据采集处理器500作为一批观测结果呈现给代理的压缩机输入功率参数处理器506。可以在每小时、每天或其他时间基础上获取成批的观测结果，并作为时间序列呈现给代理。在一些实施例中，也可以以单个观测结果的方式提供观测结果，在接收观测结果时一次接收一个。

在一些实施例中，温度图是通过在感兴趣的特定温度范围内使用蒸发器进入口温度T_ei和冷凝器进入口温度T_ci来构建的。假设量化为0.1℃(当然也可以使用其他量化级别)和从10℃到40℃的温度范围，得到的温度图将是300x300的表格(有90,000个单元格)。示例性温度图的部分示例在下面的表3中示出，其中图的单元格包含对于每个温度元组(T_ei,T_ci)观测到的压缩机输入功率参数的汇总值。虽然该表显示为大部分已填充，但一般而言，只有那些已观测到T_ei和T_ci的值的单元格才会包含汇总值。

表3：示例性温度图

如上所述，温度图中的每个单元格(例如C00、C01、C02等)包含对应于用作单元格索引的温度元组(T_ei,T_ci)的观测结果的汇总值。这些汇总值在某些情况下也称为汇总统计数据或样本统计数据，提供了关于单元格所代表的稳态观测结果的汇总信息。例如，汇总值可以提供关于数据集中的数据的信息，诸如总和、均值、中值、平均值、方差、偏差、分布等。

如前所述，稳态观测结果的功率参数值是由专门为此目的设计的功率计或电流计的测量值计算出来的。然而，由于操作和/或环境的可变性，真实世界的测量值仍然可能有噪声。因此，温度图固有地结合了实际状况，由此单元格中的一些功率参数值可能被噪声破坏。这些真实世界状况可以描述为平稳的零均值加性随机噪声过程Noise(0,σ²)，其中σ²是方差。稳态功率参数的每个值于是可以表示为等式(5)所示：

P＝P_o(T_ei，T_ci)+Noise(0，σ²) (5)

其中P_o(T_ei,T_ci)是观测结果的基础功率参数值。

在一个实施例中，代理应用来自稳态观测结果的功率参数值的两个函数之一来填充和更新表3的温度图中的单元格的汇总值。所应用的函数之一是恒等函数，其中功率参数本身的值是该函数的结果。当针对系统退化补偿学习过程时，代理可以应用作为第二个函数的时变补偿函数，其细节将在随后描述。在下文中，术语fp(P,n)将用于描述将适当的函数应用于第n个稳态观测结果的功率参数值P的结果，该功率参数值P用于更新特定的单元格。为了减少真实系统中存在的测量噪声，代理为每个单元格建立并维护汇总数据，该汇总数据可以存储在单元格中，并用于计算对应于索引温度元组的功率参数的样本统计数据。在一些实施例中，每个单元格的汇总数据包括以下汇总值：

观测到的值的总和，

观测到的平方的总和，

其中N是存储在总和中的观测结果的总数，该值也作为汇总数据的一个元素存储在单元格中。换句话说，每次代理更新单元格中的汇总数据时，它都会执行以下操作：

a.将适当的函数应用于由等式(5)表示的稳态运行中的值，得到值fp(P,n)；

b.将值fp(P,n)加到观测到的值的总和上，如等式(6)所描述的；

c.计算fp(P,n)的平方，得到值

d.将值

与观测到的平方的总和相加，如等式(7)所描述的；和

e.递增N的值以反映更新。

然后，代理可以根据需要使用这些汇总值来计算对应于单元格的功率参数值的均值和方差。

附加地，对于温度图的每个单元格，在一些实施方式中，代理维护两个元数据：(1)在由该单元格表示的特定温度元组处是否进行了足够的观测、使得由该单元格表示的汇总统计可以被指定为对于预测目的有效的指示；(2)用于形成单元格的汇总统计的一个或多个观测结果是否被修改以补偿系统退化的指示。

第一元数据可以被存储为布尔变量，例如“已观测”，该变量被设置为真以指示进行了足够的观测，被设置为假以指示其他情况。尽可能快地用足够的观测结果填充温度图中的条目，使得所存储的观测结果的均值可以用于可靠地预测功率参数，同时当观测结果的数量足够时，停止填充图中的条目，使得在正常的噪声情况下，附加的观测结果不太可能显著地改变单元格的样本均值。因此，在一些实施例中，温度元组(T_ei，T_ci)被定义为被已观测，并且当已经进行了最少四次观测并且代理在此时停止向单元格添加信息时，“已观测”元数据变量被设置为真。这种方法的效果是将存储在单元格中的数据限制在最有可能反映系统的新维护状况的数据，并且还有助于允许代理开始快速预测系统状况。

“已观测”元数据变量在某种意义上是可选的，因为它是从已经存储的汇总数据值N中导出的。然而，维护该变量以便它仅被“设置”一次，可以减少处理时间，并且有助于理解本文的原理和教导。

第二元数据也可以被存储为布尔变量，例如“已补偿”，其中，真表示时变补偿函数已经被应用于在形成单元格的汇总数据中使用的至少一个稳态观测结果，假表示在形成单元格的汇总中使用的稳态观测结果都没有使用补偿函数针对系统退化进行补偿。关于下面图10的讨论提供了进一步的细节。

因此，温度图中的每个单元格至少存储以下示例性变量及其对应的数据：“SV”{汇总数据}、“已补偿”{真/假}和可选的“已观测”{真/假}。

温度图的单元格中的条目的均值功率参数值的估计值可以使用等式(8)从汇总量计算：

其中，

是均值功率参数值，而累积的功率参数值的方差σ²的估计值可以使用等式(9)来计算：

当应用本文随后教导的方法时，等式(8)可用于预测最有可能代表HVAC&R系统在新维护状况下、在对应稳态观测结果的温度元组值下的功率参数值。等式(9)可以用作预测“保真度”的指示，低方差指示形成总和的值几乎都相同，而高方差指示相反。

如果物理HVAC&R系统可以在新维护的状况下保持足够长的时间，以获取系统在一个或多个天气季节的运行中可能遇到的温度元组的整个范围的观测结果，则仅使用识别功能如此构建的温度图将足以完全表征系统。不幸的是，如前所述，这通常是不太可能的，因此现在描述一种方法，以允许在系统性能退化时学习“新维护的”系统的系统特性。

这里应当回顾的是，在一些实施例中，每个观测结果包括指示获得观测结果时的日期和时间的时间戳，而在其他实施例中，代理可以隐式地跟踪给定观测结果的日期和时间，或者简单地跟踪从参考时间经过的时间。学习包括代理使用压缩机功率参数以及冷凝器和蒸发器进入口温度来为温度图的单元格建立样本统计数据，该样本统计数据可用于预测如上所述的“新维护”状况下的设备的功率参数值，并且可以借助于图7的示例性时序图来最佳地示出。时序图700通常在代理已经被启用或以其他方式被部署时开始，并且假设当学习开始时，HVAC&R设备处于“新维护”状况。一旦满足这些条件并且学习被启用，在702，对功率参数特性的学习从接收初始有效观测结果(即，在稳态运行期间获得的观测结果)开始。稳态观测结果被呈现给代理，并且优选地是在满足上述考虑之后接收的第一个稳态观测结果。学习继续，在由学习区间系统常数定义的学习区间704中接收额外的稳态观测结果。在学习区间704完成之后，代理被认为已经充分学习了HVAC&R系统的特性，一旦学习了这些特性，在没有系统退化的情况下，这些特性不应当随时间变化。如果系统已经退化并随后恢复到新维护的状态，则该关系应当再次反映系统的新维护的特征，而无需进一步训练。

如图7所示，学习区间704包括两个组成区间，“自举”区间706和补偿学习区间708。顾名思义，“自举”区间706启动代理的学习过程。假设物理HVAC&R系统在自举区间期间开始并保持在新维护的状况下，并且在该区间期间，代理将上述恒等函数应用于稳态观测结果的功率参数值，以更新对应单元格的样本统计数据。换句话说，在自举区间期间，当稳态观测结果在自举区间内时(即fp(P,n)＝P)，代理使用稳态观测结果的功率参数条目的未修改值来更新上述对应单元格的SV部分的总和。

自举区间706从在702接收初始稳态观测结果开始，并在由自举区间系统常数指示的预定义持续时间之后在710结束。自举区间706可以短至几天，但实践中可能需要设置为高至系统运行的前30天，这取决于特定的HVAC&R系统。

自举区间之后是补偿学习区间708，在该补偿学习区间708期间放松了系统保持在新维护的状况的假设，并且在该补偿学习区间期间，代理可以使用上述时变补偿函数来修改稳态观测结果中的功率参数值，以在更新单元格的样本统计数据之前补偿估计的退化。当代理在补偿学习区间708期间更新单元格时，它将该单元格的“已补偿”元数据变量设置为真，以指示使用补偿函数修改了用于更新单元格的样本统计数据的至少一个功率参数值。补偿学习区间708在自举区间结束时的710处开始，并且持续到学习区间结束时的712处，从而完成学习区间704。在一些实施例中，学习区间704的典型值大约为120天，尽管当然可以使用更少或更多的天数。

一旦学习区间704完成，代理的学习被认为对于本文的目的是足够的，并且温度图被认为完全代表HVAC&R系统的预期操作，因此代理不需要进一步学习。

在补偿学习区间708期间，在更新样本统计数据之前补偿功率参数值由时变的参考退化生成器函数辅助，接下来将描述。在自举区间706期间被声明为“已观测”(即，已观侧＝真)的图的单元格很可能最能代表处于新维护状态的系统，因为：a)它们代表在时间上最接近系统被置于新维护状况的时间的观测结果，以及b)已经进行了足够的观测，使得单元格的样本统计数据很可能代表该元组处的系统的实际特征。由于这些单元格已经在上面的自举学习区间706期间被声明为真，因此与该单元格相关联的“已补偿”元数据变量为假。具有这种特殊性质的单元格，已观测＝真，已补偿＝假，在本文中称为“参考单元格”。对于这些单元格，等式(8)给出的功率参数的均值是设备在对应温度元组的新维护状况下的功率参数值的估计值。因为已观测＝真的元数据变量指示代理将不再更新该单元格的汇总统计数据，所以这样生成的该单元格的功率参数估计值现在是常数。

在上面的自举区间706中，代理假设HVAC&R系统保持在新维护的状况，如果自举区间持续时间短，这是合理的假设。已经观测到，在实践中，温度和任何归一化残差R(见等式(4))之间的关系是准温度无关的，至少对于通常不被认为极端的退化水平是如此。本文使用的术语“准温度无关”是指只要设备的物理状况不变，上面定义的归一化残差R在HVAC&R系统的工作温度范围内近似独立于观测到的温度元组(T_ei,T_ci)。经验表明，这在实践中是正确的，至少对于在被认为“正常”的温度范围内相对较小量级的归一化残差是正确的，并且当系统退化到建议进行维护的维修呼叫的水平时，这种情况开始被违反。

考虑一个HVAC&R系统，其中上述假设成立，并且已经学习了该系统的特性，并且温度图已经在自举区间704期间获取了多个参考单元格，但是温度图中并非所有单元格都满足参考单元格的条件。此外，假设已经获取了足够数量的参考单元格，使得代理可以在随后的稳态观测中遇到这些单元格时使用这些单元格，以使用根据上述等式(8)计算的索引参考单元格的功率参数的均值作为预测，来预测至少某些时候观测的功率参数的“新维护”值，

对于代理为其索引参考单元格的稳态观测结果，代理可以随后根据等式(2)和(3)计算归一化残差Rs，其中P作为观测结果的功率参数值，并且

如上面计算的。由于准温度独立性假设，在这些条件下计算的归一化残差Rs值应当独立于如上所述的温度元组，因此独立于用于进行预测的温度图中的单元格。换句话说，只要HVAC&R系统的物理状况没有改变，引用这些单元格之一的任何稳态观测结果应当产生(大约)相同的Rs值。

在没有系统退化和测量噪声的情况下，残差Rs应当为零或接近零，因为预测的功率参数应当等于观测结果的功率参数值。如本领域所理解的，系统退化在Rs中表现为偏差，并且该偏差已经被证明有利于检测到系统退化。得到的个体残差Rs的序列，指定为Rs(m)，其中指数m表示由代理以这种方式计算的这种残差的第m个，可以用于推断系统退化的演化。

理想地，归一化残差Rs(m)将表示测量的功率参数值和设备在新维护状况下的功率参数值之间的真实归一化差异，但是在计算参考残差Rs(m)中使用的稳态观测结果的功率参数被假定为被如上所述的加性噪声破坏(见等式(5))。因此，参考归一化残差的序列可能有些嘈杂。通过适当的信号处理(例如，滤波)，可以对归一化残差序列进行估计，使得观测结果中的噪声影响相对不明显。

在一些实施方式中，代理使用简单的滤波器，例如EWMA(指数加权移动平均)滤波器，来减少参考残差序列中的噪声。这种滤波器的一种一般形式如等式(13)和(14)所示：

x(m+1)＝βx(m)+(1-β)u(m) (10)

y(m)＝x(m+1) (11)

其中x(m)是滤波器第m次更新的内部状态变量，u(m)是到滤波器的输入序列的第m个值；归一化残差y(m)是滤波器的第m个输出，β是EWMA滤波器时间常数，其决定滤波器对输入残差变化的响应速度。在上述对系统残差估计值的计算中，输入序列u(m)是由上述代理的残差估计器函数计算的残差序列Rs(m)，并且输出序列y(m)被表示为R_sys(m)。在一些实施例中，用于β的示例值是0.98。

作为下一个发明步骤，假设Rsys以归一化残差的形式表示系统退化水平的最近估计值。还假设在补偿学习区间708内作出具有功率参数P的稳态观测结果，对于该补偿学习区间708，由温度元组表示的温度图中的单元格不满足对已观测单元格的要求，即，对于该第二单元格的已观测元数据变量被设置为假。由于Rsys代表整个系统，因此从上面的等式(3)中，可以使用等式(3)从Rsys和P中定义观测到的功率参数fp(P,n)的调整值，其更接近地代表在没有系统退化的情况下观测到的情况，如下所示：

然后，等式(12)可以求解功率参数的调整值：

来自上述等式(13)的调整后的观测结果fp(P,n)表示代理对在没有系统退化的情况下观测结果P应当是什么的最佳估计，并且基于稳态观测时的Rsys值。用“校正的”值fp(P,n)而不是原始功率参数P来更新对应于该观测结果的单元格的汇总统计数据应当更好地表示设备在新维护状况下的运行。代理使用该值来更新补偿学习区间期间单元格的样本统计数据。

上述讨论提供了一种将温度图扩展到可以在自举区间706期间完全学习的单元格之外的方式。在图8中更详细地描述了对于单个观测维护温度图的过程。

参考图8，示出了流程图800，该流程图800示出了可以由代理使用或与代理一起使用来对于单个观测维护温度图的方法。该方法通常开始于802，此时代理接收给定温度元组(T_ei,T_ci)的新的稳态观测结果。在804，代理检查观测结果的时间是否处于学习区间(704)内。如果不是，则该观测结果不用于维持温度图，并且代理前进到822，在822不会关于该观测结果对温度图采取进一步的行动。如果在804确定该观测结果是在学习区间(704)内获得的，则代理在806确定是否已经获得足够数量的观测结果(例如，对应于温度元组(T_ei,T_ci)的单元格的已观测元数据变量为真)。

如果806处的确定为是，则在808处，代理确定对于正被处理的观测结果是否更新残差序列估计器(例如，已补偿元数据变量是否被设置为真？)。如果否，则正在处理的观测结果不是用于更新残差序列估计器R_sys的候选，并且代理前进到822，在822不会关于该观测结果对于温度图采取进一步的行动。如果808处的确定为是(例如，已补偿元数据变量为真)，则代理前进到810以更新上面提到的残差序列估计值R_sys。该估计器更新函数将在下面参考图9进一步描述，其提供了两个细节，这两个细节对于在补偿学习区间(708)期间维护温度图是有用的。首先，该函数更新残差序列估计器R_sys的值。第二，它向代理提供指示，在被用于更新温度图之前，在补偿学习区间(708)内进行的后续观测是否应当针对系统退化进行补偿。在一些实施例中，该指示可以是布尔系统状态变量的形式，例如“补偿已启用”，其生成将随后在图9的呈现中定义。在R_sys估计值的更新之后，代理前进到822，在822处，不使用该观测结果采取进一步的行动来更新温度图。

返回参考806，如果没有为该单元格获得足够数量的观测结果(例如，已观测元数据变量为假)，则代理通过在812确定该观测结果是否是在自举区间(706)期间获得的，从而继续将该观测结果作为更新温度图的候选来处理。如果观测结果的时间位于自举区间(706)内，则在820，代理使用该观测结果、通过使用上面的恒等函数更新单元格的汇总数据来更新对应于观测结果的温度元组的单元格(并且还在该过程中更新已观测元数据变量)。

如果在812的确定为否，意味着该观测不在自举区间(706)内，而是在补偿区间(708)内，则代理在814确定该观测是否应当对于该单元格针对退化进行补偿(例如，“补偿已启用”状态变量为真)。如果不是(例如，“补偿已启用”状态变量为假)，则在822，代理不对温度图采取进一步的行动。如果对该单元格启用了观测补偿(例如，“补偿已启用”状态变量为真)，则在816，代理通过使用上面的等式(13)计算fp(P,n)来针对退化补偿包括在该观测中的功率参数，并在818指示该观测已经被补偿(例如，通过将已补偿元数据变量设置为真)。此后，在820，代理使用观测到的功率参数fp(P,n)的调整值来更新单元格的汇总数据(并且还在该过程中更新“已观测”元数据变量)。此时，不关于该观测结果对温度图采取进一步的行动。

图9是示出图8中引用的R_sys估计器更新过程900的附加细节的功能图900。该估计器更新过程900提供系统退化水平的最近更新值，残差序列估计器R_sys，并更新“补偿已启用”状态变量的值。该过程通常开始于902，其中代理使用从温度图中学习的CIPP关系来计算当前观测结果的归一化残差。根据之前讨论的图8的逻辑，对应于该观测结果的温度元组(T_ei,T_ci)的单元格具有被设置为真的“已观测”元数据变量，并且该单元格的“已补偿”元数据变量被设置为假。根据该单元格的汇总数据，代理将预测值

计算为功率参数

的均值，如上面的等式(8)所示。根据该预测值

和观测结果中的功率参数的观测值，可以通过上面的等式(2)和(3)来计算归一化残差R_s。然后，在904，代理将该归一化残差馈送到R_sys估计器，该R_sys估计器可以是简单的滤波器，例如上述的EWMA滤波器，其计算并输出R_sys估计值。

系统残差序列R_sys(m)代表温度图中任何元组的系统行为的概念取决于残差是准温度无关的假设。当残差序列的幅度很小时，这种假设已被观测到是合理的。随着设备状况退化到需要维修才能使设备恢复正常功能的程度，这种假设开始失效。实践已经表明，当归一化残差的幅度始终超过约4％至5％时，通常需要进行维护，并且早在达到这些限制之前，准温度独立性假设就开始失效。一旦设备恢复到新维护状态，试图针对这些条件下的退化进行补偿可能会具有不确定的影响。

因此，在一些实施例中，代理维护布尔系统状态变量“补偿已启用”，以基于由R_sys估计器904计算的R_sys的当前值来限制退化补偿过程。在一个实施方式中，R_sys估计器904刚刚计算的R_sys值是绝对值函数906的输入，绝对值函数906的输出被示为|R_sys|。绝对值|R_sys|然后被馈送到补偿阈值函数908，该函数基于预设的补偿极限和成分滞后进行操作。这些参数输入是系统相关的，并且在一些实施例中可以由变量“补偿极限”和“补偿滞后”来表示。这些参数的典型值分别为.02和.002。这两个参数共同产生两个阈值，标记为T_low和T_high，这根据：

T_low＝CompensationLimit-CompensationHysteresis (14)

T_high＝CompensationLimit+CompensationHysteresis (15)

该补偿阈值函数908的输出是上面提到的布尔系统状态变量“补偿已启用”，它用于向代理指示系统残差R_sys是否在假设对应用退化补偿有效的范围内。在一些实施例中，在系统初始化时，状态变量“补偿已启用”被设置为真。如果在更新R_sys和随后的|R_sys|之后，|R_sys|的第m个值小于T_lo_w，则“补偿已启用”状态变量的第m个值总是被设置为真。类似地，如果|R_sys|的第m个值大于T_high，则“补偿已启用”状态变量总是被设置为假。对于T_lo_w≤|R_sys|≤T_high范围内的|R_sys|值，“补偿已启用”状态变量的值保持不变。

到目前为止，前述讨论主要集中在定义温度图以及如何使用在稳定状态(“稳态”)期间获得的观测结果来填充该图，在必要和适当时提供退化补偿。下面讨论图5中的退化残差序列生成器512，其使用温度图来计算由数据采集处理器500提供给压缩机输入功率参数处理器506的稳态观测结果的归一化残差序列。退化残差序列生成器512为稳态观测的温度元组确定由代理做出的预测值是否可能代表HVAC&R系统的新维护的状况，并且如果确定是这样，则继续计算该预测值并为该稳态观测结果生成归一化残差。如果确定所做的预测值不太可能代表设备的新维护状况，则不作出预测值，并且计算具有“空”值的归一化残差。

参考图10可以更好地理解该方法，图10示出了流程图1000，该流程图1000示出了用于预测如果HVAC&R系统出于退化检测的目的处于“新维护”状况时压缩机输入功率参数的值应当是多少、并计算得到的归一化残差的过程。流程图通常开始于1002，其中代理接收或被呈现由VCC状态生成器506提供的具有温度元组(T_ei,T_ci)的稳态观测结果序列的第n个稳态观测结果。代理在1004采取的下一个动作是确定是否已经为温度图的由温度元组(Tei,Tci)索引的位置处的单元格的已观测元数据值被设置为真而获得了足够的观测结果。如果是，则在1006，代理从单元格提取样本统计数据，并使用上面的等式(8)计算均值功率参数。该均值功率参数值被作为预测功率参数发布，并且流程转到计算块1018，在计算块1018中，根据上述等式(2)和(3)从预测功率参数值和观测结果的功率参数值计算归一化残差，得到退化残差序列Rd(n)的第n个元素。计算了归一化残差后，代理返回到1002以接收下一个稳态观测结果。

如果在1004的确定为否(例如，“已观测”元数据变量为假)，则代理从1008开始尝试使用温度图中靠近给定温度元组(Tei,Tci)的可能观测结果来预测功率参数。为此，在1008，代理定义温度元组的“邻域”，其在T_ei和T_ci方面都在给定温度元组的+/-δ度内，典型δ为0.5℃。因此，例如，如果系统的第n次稳态观测产生温度元组(T_ei(n),T_ci(n))，则代理搜索满足等式(16)和(17)的所有温度图单元格(点)：

T_ei(n)-δ≤T_ei≤T_ei(n)+δ (16)

T_ci(n)-δ≤T_ci≤T_ci(n)+δ (17)

对于上面的搜索，在一些实施例中，代理仅考虑在“已观测”元数据变量已经被设置为真的温度图单元格，如上面讨论的或者针对条件测试的。当且仅当满足以下两个标准时，代理才会生成预测值。首先，搜索会产生最小数量的温度图单元格，这些单元格的“已观测”元数据变量已被设置为真。该标准在1010处示出，其中N_pts表示满足搜索的温度图单元格(点)的数量，N_min表示温度图单元格的预设最小数量。该最小单元格数量由系统相关的常数确定，并且在一些实施例中可以设置为五个单元格。第二，与用于观测的温度元组(T_ei,T_ci)相关联的观测必须位于由上述已观测元组的集合形成的凸包内。该标准在1012处示出，并且基本上意味着所讨论的温度元组被如上所述的已观测单元格(点)“包围”。这允许代理在已观测的那些元组之间执行局部插值，而不是在已观测的元组之外进行外推，其可能导致不精确的预测值。确定一个点是否位于一组点的凸包内是线性规划领域中的一个常见问题，并且有许多“打包”解决方案可用于做出该确定。例如，Python scipy.optimize库中包含的打包函数“linprog”可用于该确定，Python和其他编程语言中存在有许多其他打包函数能够进行确定。与现有技术的解决方案相比，这种确定可以大大提高退化检测的可靠性。

如果违反了1010和1012处的任一标准，则代理不预测压缩机输入功率参数。在一些实施方式中，代理在1016中输入归一化残差序列R_d(n)的值“空”，并简单地返回到1002以接收新的观测结果。如果在1010和1012的两个标准都满足，则在1014，代理从在上面的搜索中找到的单元格集合中的每个单元格提取汇总数据，计算每个单元格的均值功率参数值，并使用约束优化方法计算期望的功率参数值

在一些实施例中，这种约束优化方法包括根据等式(18)在三个维度确定平面的温度灵敏度常数K_c0、K_cei和K_cci：

这最小化了通过代入在邻域中发现的每个单元格的温度元组计算的值和使用等式(8)计算的对应单元格的对应均值功率参数值之间的平方和误差，并且其中K_cei和K_cci被约束为大于或等于零。该约束反映了蒸发器或冷凝器进入口温度的增加将分别导致系统中制冷剂压力在蒸发器或冷凝器中增加，因此需要更多的压缩机功率来移动制冷剂通过系统。因此K_cei和K_cci都应当是非负数。在一些实施例中，可以使用Python编程例程“scipy.optimize.lsq_linear”来执行上述计算。当然，将功率参数建模为T_ei和T_ci的函数的其他形式也是可能的，包括高阶多项式形式，但是等式(18)的形式易于理解，计算相对较快，并且对于本文讨论的目的来说足够精确。一旦建立了平面，代理在观测结果的元组(T_ei,T_ci)处评估该平面，以计算语段的稳态观测结果的功率参数的预测值。从那里，代理在1018中计算观测结果的归一化残差R_d(n)，并返回到1002以等待另一个稳态观测结果。

根据预测值，根据图10的教导，退化残差序列生成器创建归一化残差的序列R_d(n)，称为每个稳态观测结果的退化残差序列。该归一化残差序列用作退化检测处理器514的输入，代理通过该退化检测处理器514分析退化检测序列。退化检测处理器的目的是监控归一化残差序列，并在经由退化残差序列R_d(n)检测到潜在问题时根据需要发出警报和警告。退化检测处理器可以采取多种形式。图11示出了退化检测的示例性框图描述，其说明了退化序列R_d(n)的用于指示系统中可能发生退化的使用。

参考图11，序列R_d(n)的非空元素可以用作低通数字滤波器1102的输入，例如由等式(12)和(13)描述的EWMA型滤波器是该低通数字滤波器的示例。在一些实施方式中，0.9996作为β的值已经被用作滤波器常数。该滤波器1102的输出是图11中标记为R_df(n)的序列。对于R_d(n)的由退化检测处理器514标记为空的那些元素，代理可以可选地在输出序列R_df(n)中插入类似的空值，以便维持滤波器的输入和输出序列之间的同步。

低通滤波器1102的输出向两个阈值检测器，即正阈值检测器1104和负阈值检测器1106提供输入。正阈值检测器1104可以将过滤的R_df(n)序列的非空序列元素与预设阈值T_p进行比较，并且当元素R_df(n)的值超过正阈值T_p时，声明逻辑变量NR_Positive_Alert具有布尔值真，而当元素R_df(n)的值不超过正阈值T_p时，声明逻辑变量NR_Positive_Alert为假。在一些实施方式中，0.05的值被用作正阈值。逻辑值NR_Positive_Alert可用于在为真时触发警报条件，指示稳态观测结果的功率参数值始终大于约0.05或5％，作为HVAC&R系统对于运行条件正在使用过量的功率的指示，并且如上所述，通常指示冷凝器子系统中有问题。

类似地，经滤波的退化残差序列R_df(n)可被应用于负阈值检测器1106，负阈值检测器1106产生逻辑NR_Negative_Alert作为输出，当R_df(n)小于负阈值T_n时，该逻辑NR_Negative_Alert被赋予真值，而当R_df(n)不小于负阈值T_n时，该逻辑NR_Negative_Alert被赋予假值。在一些实施方式中，T_n使用-0.05的值。在这些条件下，输出NR_Negative_Alert的真值指示最近的稳态观测结果的功率参数值始终比新维护的系统的功率参数值小0.05％或5％。如前所述，这可能表明需要维修，并且通常表明蒸发器子系统有问题或制冷剂损失。

以上是退化检测处理器从退化残差序列中检测系统问题的示例性使用。退化检测处理器可以执行退化残差序列的其他处理，包括例如趋势分析，其中退化检测处理器预测退化残差序列平均将超过阈值的日期和时间。这对于在HVAC&R系统退化到其性能被损害到超出简单的过度能量消耗的程度之前安排检修是有价值的。

退化检测处理器514可以呈现分析结果，例如以多种方式示出的示例性分析，以本领域公知的方式通知系统所有者或服务机构需要维护。例如，警告信号和/或听觉/视觉警报可以由退化检测处理器直接生成，或者警报的事实可以经由新闻馈送传达给指定的人，该新闻馈送可以包括文本消息或电子邮件。

比迄今讨论的基本HVAC&R系统更复杂的基于VCC的系统也可以受益于本文的原理和教导。例如，许多商业和工业HVAC&R系统具有多个压缩机，而不是单个压缩机。多个压缩机容纳在单个机械组件中，并且并行运行以调节热负荷状况。

图12示出了具有多个压缩机的HVAC&R系统1200的示例，该系统配备有本文讨论的早期问题检测系统300。早期问题检测系统300在其他方面使用类似的部件以类似于上面关于图1的HVAC&R系统100描述的方式运行，除了早期问题检测系统300预测两个压缩机1202和1204的压缩机输入功率参数，而不是单个压缩机。可以看出，每个压缩机1202、1204由对应的马达1202a和1204a驱动，每个马达1202a、1204a的输入功率由相应的电流检测装置310a和310b以及功率参数计312a和312b测量。在这种布置中，已经观测到，当两个马达都运行时，每个马达1202a、1204a单独消耗的功率低于任一马达单独运行时消耗的功率。于是，来自每个功率参数计312a、312b的输入功率测量值被提供给代理314，代理314处理测量值，以分别使用每个压缩机的单独温度图来导出每个压缩机1202、1204的CIPP关系。

在其他HVAC&R系统中，可能存在多个制冷剂回路，每个制冷剂回路由一个或多个压缩机支持。在这些系统中的许多系统中，每个制冷剂回路具有其自己的冷凝器盘管(以及在直接交换的情况下的风扇组件)，并且冷凝器盘管可以在空间上物理分离，使得它们可能经历显著不同的进入口温度。这种情况经常发生，例如，对于屋顶单元，在一天中的某些时段，一个冷凝器盘管和附近的屋顶直接在阳光下，而另一侧被遮蔽。因此，可以有多于一个冷凝器进入口温度传感器。许多这样的多制冷剂回路系统共享交错的蒸发器盘管，其中各个回路的制冷剂保持彼此分离，但是所有的回路都冷却流过交错的蒸发器的相同流体。在这种情况下，即使存在多个冷凝器进入口温度传感器，也可以采用单个蒸发器进入口温度传感器。

在一些冷冻水系统中，每个制冷剂回路都有自己的冷凝器盘管(可能在空间上物理分离)和自己的蒸发器盘管。在这些系统中，每个制冷剂回路冷却其自己的流体，并且流体在上游混合。在这种类型的系统中，可以有多于一个的蒸发器进入口温度传感器。从实际设计的角度来看，优选的是构造系统，使得每个压缩机被允许具有其自己的虚拟冷凝器和蒸发器进入口温度传感器。

考虑直接交换系统中交错蒸发器盘管的情况。对于给定的穿过蒸发器功能的进入口气流温度和速率(质量流率)，多压缩机系统中一个压缩机所需的功率将取决于其他压缩机的状态。因此，如果采用两个压缩机来冷却空气，则预期任一个串联运行的压缩机所消耗的功率将小于相同条件下只有单个压缩机运行时相同系统所消耗的功率。从CIPP的角度来看，重要的一点是系统中给定压缩机的运行特性可能取决于系统中其他压缩机的状态。因此，对于所述压缩机正在运行的每个压缩机组合，优选地为每个压缩机维护CIPP关系。

应当注意，在前述实施例中，代理对冷凝器进入口温度几乎没有控制，因为进入口温度可能取决于许多因素，包括天气、一天中的时间、冷凝器的取向等。在运行中，简单地向代理呈现进入口温度作为待监控的HVAC&R系统的观测结果，每个观测结果包括一个或多个冷凝器进入口温度T_ci、一个或多个蒸发器进入口温度T_ei以及系统中每个压缩机的压缩机输入功率参数P。压缩机输入功率参数P可以是压缩机电流、实际功率、伏安等。

作为学习或启用配置的问题，给每个压缩机分配适当的冷凝器进入口温度测量值，或压缩机进入口温度测量值的组合，蒸发器进入口温度测量值或蒸发器进入口温度测量值的组合，以及该压缩机的测量功率参数。在一些系统中，单个冷凝器进入口温度可以满足所有压缩机，但是在一些系统中，具有不同的冷凝器进入口值可能是有利的，特别是当存在取向可能彼此不同的多于一个的冷凝器时。类似地，在制冷系统中，每个制冷压缩机单元都有其自己的蒸发器功能，并且为每个进入口分配单独的温度可能是有利的。在其他系统中，可以采用交错式蒸发器组件，在这种情况下，对于包括交错式蒸发器的所有制冷剂回路中的所有压缩机，单个温度测量就足够了。

在一些系统中，可以在单个制冷剂回路中采用多个压缩机，而在其他包含交错或冷凝器和蒸发器单元彼此非常接近的系统中，代理为给定压缩机学习的特性可以是系统的“压缩机状态”的函数(即，在给定时间哪些压缩机开启或关闭)。由于这种潜在的相互作用，代理对于每个其中给定压缩机处于运行或开启状态的压缩机状态，为系统中每个给定压缩机维护学习到的行为模型。

此外，上述进入口处的流体不必是空气。水或化学混合物(例如乙二醇和水或盐溶液)可以用作蒸发器周围流体或冷凝器周围流体。在所谓的冷冻水系统中，液态蒸发器周围流体作为液体通过系统循环。这种冷却的液态流体可以通过建筑物循环到不同的散热器，在那里它可以用于远程冷却。这对冷却大面积区域是有用的，如学校、医院和商业建筑，以及更普通的空间，如超市冰箱和冰柜，其中化学混合物可被冷却至远低于水的冰点。冷凝器周围同样可以是液体。这在大型冷冻水系统中是有用的，其中冷凝器流体可以在位于建筑物内部的系统的冷凝器盘管上循环，并且热量被传递到位于室外的热交换器。这种系统相对于直接交换系统这样的程度具有优势，因为不需要高压下运行的制冷剂管线较长地延伸到室外热交换器和从其延伸。一种非常常见的冷冻水系统称为风冷式冷却器，它通过作为冷凝器周围的空气进行直接热交换，同时冷却作为蒸发器周围流体的液体。这允许包括压缩机和冷凝器风扇在内的整个机械系统可以位于室外或建筑物外。

在以加热模式运行的热泵系统中，如图1所示，换向阀颠倒冷凝器和蒸发器的角色，冷凝器功能位于受调节空间内，而蒸发器功能从室外环境吸取热量。物理热交换器并不移动，但是它们的角色颠倒了。蒸发器功能(现在在室外)从室外环境空气中吸收热量，并经由冷凝器功能(现在在室内)将这些热量排放到受调节空间的空气中。在这种情况下，霜凝结在蒸发器盘管功能(室外)上是正常的，作为正常运行的一部分，必须偶尔除霜。

因此，将所公开的监控和早期问题检测系统扩展到更复杂的HVAC&R系统提供了许多好处。然而，应当注意的是，当在单个组件中采用多个压缩机并且交错的蒸发器被结合到系统中时，在系统的每个单独的压缩机“状态”中，为每个压缩机采用单独的温度图。例如，在三压缩机系统中，其中压缩机开/关状态的总共8种单独的组合是可能的，总共需要12个温度图来预测系统的新维护的特性。并且，本文中关于观测结果何时能够代表蒸汽压缩循环的“稳态”的讨论不仅适用于所讨论的特定压缩机开启或关闭的时候，还适用于系统中任何压缩机改变状态的时候。

虽然对压缩机功率参数进行直接的、隔离的测量可以产生如本文所述的压缩机功率参数的最准确的预测，并且已经以这些术语描述了该方法，但是简单地响应压缩机功率参数的信号可以类似地提供有用的信息，并且如此装备的系统在检测HVAC&R系统退化方面是有价值的。特别地，在许多HVAC&R系统中，监控馈送到整个装置单元或部分装置单元的功率的功率参数比直接测量压缩机更简单。许多(如果不是大多数的话)HVAC&R装置单元由隔离的分支馈电电路驱动，这些分支馈电电路可以具有内置于断路器中的电流或功率测量能力，并且许多住宅分体式系统、成套装置单元和商用屋顶装置单元具有物理地位于装置单元附近的断开装置，以允许HVAC&R技术人员出于维修目的对装置单元进行电气隔离。馈送到整个装置单元的功率通常包括提供给冷凝器风扇和多个压缩机的功率，这增加了压缩机消耗的功率。

上面的整个或部分装置单元的功率馈送实施例在图5中通过虚线示出为替代实施方式。如图5所示，在一些实施例中，作为诸如功率参数计312之类的功率参数计的替代(或添加)，功率参数处理器504的输入可以由嵌入在分支馈电电路114中或包括在电断开箱或其他辅助设备116中的能量计来提供。能量计可以是形成分支馈电电路114的一部分的分立仪表，或者它可以集成在馈电电路114中，例如，在馈电电路114的断路器中。在任一情况下，由能量计测量的功率反映了输入到HVAC&R系统100的全部或部分装置单元功率。该馈电电路功率输入然后可以被提供给代理的功率参数处理器504，用于以与针对功率参数计312描述的方式类似的方式检测HVAC&R系统退化。

本领域普通技术人员将会理解，在本公开的范围内，其他实施方式是可用的。从实际考虑，用于监控HVAC&R系统的正在发展的问题的学习系统的期望特征是快速地变得起作用，并且不需要长的训练区间，在该训练区间期间设备的退化没有被监控。也就是说，在可行的范围内，代理应当即时地学习时不变的CIPP关系。

现在转到图13A-13C，从上文回忆，在一些实施例中，仅当感兴趣的观测结果的温度元组(T_ei,T_ci)位于观测到的元组集合的凸包内时，代理才生成预测值。在这些实施例中，新观测到的温度元组必须位于由先前观测到的元组(点)形成的凸包内，这些元组在代理用来学习CIPP关系的原始集合中。这确保了代理在代理已经“看到”的元组(点)之间进行插值，而不是从看不见的点进行外推。在一些实施例中，凸包可以定义如下。给定欧氏空间中的训练点集{X}，该集合{X}的凸包H(X)是包含H(X)中任意两点间任意直线上的每个点都完全位于H(X)中的{X}中的点的最小集合。

图13A-13C图示了根据一些实施例的包凸性的示例。首先参考图13A，示例性凸包1300由包含分别标记为P1toP5的五个二维元组的集合{X}创建。线段P1→P2、P2→P3、P3→P4和P4→P1形成由集合{X}定义的凸包1300的边缘。在这个示例中，定义凸包1300的边缘的元组P1toP5被包括在凸包中。包是“凸的”，因为包中的任何线段，包括由包的边缘上的元组形成的那些线段，都完全位于包内。元组P5也位于包内。可见，凸包1300是包含集合{X}中所有元组的最小的元组集合，并且是凸的。

图13B示出了位于凸包1300内的元组P的示例。如果由元组集合{P1...P5}构成的内插模型被应用于元组P，则该模型在该集合内的元组的值之间进行内插。

图13C示出了位于凸包1300外部的元组P的示例。在这个示例中，在P和P5之间画的线包含位于凸包1300内的点以及位于凸包外的点。如果由集合{P1...P5}构成的内插模型被应用于元组P，则该模型从该集合内的元组的值外推。一般来说，外推法的精确度通常不如内插法精确。因此，代理要求要确定预测的压缩机输入功率参数值的任何元组需要位于已观测的元组的凸包内。

接下来参考图14，示出了更一般的系统参数监控代理1402，除了在本文中描述的HVAC&R系统之外，其可以与在1400指示的其他类型的系统一起使用。如开头所述，本文讨论的原理和教导适用于任何确定性系统或设备，其中对于给定的感兴趣参数，将一致地产生某个参数性结果或值，并且因此在给定一个索引参数或一组索引参数(及其值)的情况下，可以如本文所描述的那样被快速学习和预测。可以用作感兴趣参数和索引参数的参数的示例包括流动控制参数(例如，流速、粘度等)、功率控制参数(例如，电压、电流等)、运动控制参数(例如，速度、高度等)等，以及它们的组合。

从图14可以看出，代理1402具有与先前讨论的代理类似的功能部件，包括数据采集处理器1404、参数预测处理器1414和退化检测处理器1422(以及它们各自的子部件)。数据采集处理器1404运行以连续获取和存储将被用作索引参数的参数的观测结果，如1410所示，以及感兴趣参数，如1412所示。这些观测结果1410、1412可以使用测量这些参数的适当传感器实时获取，或者它们可以从这些观测结果的数据库获得，或者两者的组合。基于这些观测结果1410、1412，数据采集处理器1404汇编可由参数预测处理器1414使用的观测结果的时间序列。参数预测处理器1414运行以从观测结果的时间序列中导出某些运行信息，并选择性地使用观测结果来学习索引参数1410和感兴趣参数1412之间的关系。此后，参数预测处理器1414使用学习到的关系以及观测结果来生成包含关于系统1400的物理状况的信息的归一化残差的时间序列。该归一化残差序列被传递到退化检测处理器1422，退化检测处理器1422解释归一化残差的时间序列，并且可以发出警告信号或视听显示或经由新闻馈送516发送指示系统1400的潜在问题的信息。

下面的表4示出了可以由数据采集处理器1404提供给参数预测处理器1414的示例性观测结果。在该表中，对于感兴趣参数1412，示例性观测结果包含可以用作指标1410的几个参数，包括索引参数1、索引参数2等等，直到索引参数i。考虑HVAC&R背景的一个示例，其中压缩机输入功率是冷凝器进入口温度、蒸发器进入口温度和蒸发器排出口温度的函数。这种HVAC&R系统将具有温度图，该温度图具有三个索引参数，即所提到的三个温度，而不是上面讨论的两个索引参数。这些索引参数和感兴趣参数，或者更确切地说，它们的值，可以从适当的传感器获得，这些传感器被战略性地定位以测量这些值。替代地，替代值可以用于这些参数中的一个或多个，而不是直接测量这些参数。在一些实施方式中，指示由测量的参数表示的日期和时间瞬间或区间的可选时间戳或标签可以包括在观测结果中。

表4：示例性观测结果

观测结果的时间序列从数据采集处理器1404一次一个地或如上所述地在批量数据帧中被转发到参数预测处理器1414。根据所公开的实施例，参数预测处理器1414可操作来导出或学习索引参数和感兴趣参数之间的关系，并使用该关系根据数据采集处理器1404提供的观测结果来监控系统1400的性能退化。在一些实施例中，参数预测处理器1414包括系统状态生成器1416，系统状态生成器1416运行以从数据采集处理器1404提供的观测结果序列中导出某些时机信息，并用该信息增强观测结果，从而产生稳态观测结果序列。提供参数关系处理器1418以从由系统状态生成器1416提供的稳态观测结果的增强时间序列中学习该关系。

还包括退化残差序列生成器1420，其使用学习到的关系和稳态观测结果的时间序列来计算归一化残差的时间序列，其标记为退化残差序列，其指示系统1400的状况。应当理解，上面关于HVAC&R系统(见图5)讨论的退化残差序列生成器的版本仅仅是一个实施例。该实施例假设，如果可以确定Rsys(Tci，Tei)形式的时变参考残差函数，并且可以提供用于保持Rsys最新的手段，则给定温度元组(Tci，Tei)处的观测结果，可以使用等式(13)来预测输入功率参数的补偿值。然而，退化残差序列生成器1420不仅限于该实施例。一般而言，退化残差序列生成器1420或其基本原理和教导可以与任何系统1400一起使用，其中在残差和一组索引参数之间存在固定的、已知的或可学习的关系“形式”。

退化残差序列生成器1420产生的退化残差序列然后可以被提供给退化检测处理器1422。退化检测处理器1422此后运行以分析由退化残差序列生成器1420产生的退化残差序列，以检测和报告退化。

如所讨论的，在系统已经运行了足够长的时间使得系统相对于感兴趣参数已经稳定之后，使用本文描述的实施例对感兴趣参数的预测是最准确的，所述时间可能根据设备而变化。为此，系统状态生成器1416可以使用适当的逻辑或电路来检测系统是否已经相对于感兴趣参数稳定，并且处于稳态并因此可能稳定，或者处于瞬态并可能不稳定。然后，系统状态生成器可以声明系统对于该关系是稳定的还是不稳定的。在一些实施例中，系统状态生成器1416可以用布尔变量形式的系统状态信息来增强从数据采集处理器1404获得的观测结果。布尔变量可以取集合{真，假}中的值来表示系统状态。VCC状态生成器508可以将布尔变量设置为真，以指示系统是稳定的并且处于开启状态，分别如上所述，并且设置为假以指示其他情况。在一些实施方式中，代理1402可以将诸如上面提到的系统状态信息与每个观测结果相关联，从而产生增强的观测结果。

参数关系处理器1418负责从上述稳态观测结果中学习索引参数1410和感兴趣参数1412的值之间的关系。该参数关系处理器1418包括三个主要功能，其提供了构建表示处于新维护状况的系统1400的关系所需的能力。在一些实施例中，参数关系处理器1418编译并维护类似于上述温度图的参数图，该参数图将索引参数1410与感兴趣参数1412相关联。在一些实施例中，可以使用类似于本文讨论的自举学习策略，结合参考退化估计器函数，以在一些情况下，在使用修改的观测结果来填充参数图之前，修改稳态观测结果的感兴趣参数值。

在一些实施方式中，代理1402使用由系统状态生成器1416提供的稳态观测结果来构建参数图，每个稳态观测结果包括至少一个索引参数或一组索引参数以及相应的感兴趣参数。每个索引参数或索引参数组形成参数图中对于感兴趣参数的索引，并且代理1402通过从稳态观测结果的对应于索引参数值的感兴趣参数值更新单元格的汇总数据来“学习”。代理1402以这种方式更新给定单元格的汇总数据，直到应用了足够数量的观测数据，如上所述。此时，代理停止更新该单元格的汇总数据，该单元格的汇总数据可用于预测代表新维护条件下的系统的感兴趣参数值。在某些情况下，一旦对单个单元格作出了必要数量的观测数据，参数值预测可以直接从该单元格的汇总数据中导出，该单元格由一组用于索引参数的稳态观测结果来索引。在其他情况下，如本文所述，代理可以通过使用来自附近值的汇总数据执行局部回归，来为索引参数的一组稳态观测结果导出功率参数预测。

使用上述方法，代理可以快速收集数据，并几乎立即开始进行参数值预测，前提是系统正在运行并处于新维护的状态。使用本文描述的参数图，代理可以评估对应于给定索引参数或一组索引参数的参数值的预测值是否可能代表新维护状况下的系统的特性，并决定是否发布该预测值。评估预测值可靠性的能力有益地降低了代理发布假阳性和假阴性的可能性。此外，因为在一些系统中，该关系可以被假设为准独立于索引参数，所以当系统正在退化时，代理可以继续学习新维护状况下的系统的特性，从而补偿退化，使得预测值更好地表示新维护状况下的系统。

此外，当索引参数和相应的感兴趣参数数据的附加观测结果变得可用时，通过更新参数图，可以实现代理对关系的继续学习。如所讨论的，在一些实施例中，参数图可以成批更新，由此一组观测结果被组合到稳态观测结果的一个或多个数据帧中，并由数据采集处理器1404作为一批观测结果呈现给代理的参数预测处理器1414。当然，在一些实施例中，也可以单个观测结果的形式提供观测结果，在接收到观测结果时一次接收一个。

示例性参数图的部分示例在下面的表5中示出，其中图的单元格包含对于每个温度参数索引观测到的感兴趣参数的汇总值。虽然该表显示为大部分已填充，但一般而言，只有那些已观测到T_ei和T_ci的值的单元格才会包含汇总值。

表5：示例性参数图

如前所述，参数图中的每个单元格(例如C00、C01、C02等)包含对应于索引值(例如，IV0，IV1，IV2等)的观测结果的汇总值，索引值作为到单元格的索引。这些汇总值或汇总统计数据(或样本统计数据)提供了有关该单元格所代表的稳态观测结果的汇总信息。作为示例，汇总值可以提供关于数据集中的数据的信息，诸如总和、均值、中值、平均值、方差、偏差、分布等。代理然后可以使用这些汇总值来生成感兴趣参数的预测值，如上所述。

然后，将预测值提供给代理的退化残差序列生成器1420，以创建每个稳态观测结果的退化残差序列。该退化残差序列用作退化检测处理器1422的输入，该退化检测处理器1422被配置为以类似于上述方式的方式分析退化检测序列。退化检测处理器1422监控退化残差序列，并且响应于经由退化残差序列检测到潜在问题，发出警告信号和/或听觉/视觉显示或新闻馈送，通常在1424处指示。

虽然已经示出和描述了本公开的特定方面、实施方式和应用，但是应当理解，本公开不限于本文公开的精确构造和组成，并且在不脱离所附权利要求中限定的本发明的范围的情况下，各种修改、改变和变化从前述描述中是显而易见的。

Claims (46)

1.一种用于HVAC&R系统的监控和早期问题检测系统，包括：

数据采集处理器，能够被操作以获取关于所述HVAC&R系统的观测结果，所述观测结果包括冷凝器的流体温度测量值和蒸发器的流体温度测量值，所述观测结果还包括对应于流体温度测量值的压缩机输入功率参数测量值；和

压缩机输入功率参数处理器，能够被操作以学习流体温度测量值和所述压缩机输入功率参数测量值之间的关系，所述压缩机输入功率参数处理器配置为使用所述关系计算压缩机输入功率参数的预测值；和

退化检测处理器，能够被操作以基于所述压缩机输入功率参数的预测值与获取的压缩机输入功率参数测量值的比较来确定所述HVAC&R系统中是否发生了性能退化。

2.根据权利要求1所述的系统，其中，所述压缩机输入功率参数处理器经由包含多个单元格的二维温度图来存储由所述数据采集处理器获取的压缩机输入功率参数测量值，并且其中，对于每个单元格，所述压缩机输入功率参数处理器存储对应于该单元格的压缩机输入功率参数测量值作为汇总统计数据。

3.根据权利要求2所述的系统，其中，所述压缩机输入功率参数处理器使用对应于所述单元格的冷凝器的流体温度测量值和蒸发器的流体温度测量值来索引所述二维温度图中的每个单元格。

4.根据权利要求3所述的系统，其中，对于给定的单元格，在已经为该单元格存储了预定最大数量的压缩机输入功率参数测量值之后，所述压缩机输入功率参数处理器停止为了存储在该单元格中而对对应于该单元格的压缩机输入功率参数测量值进行的处理。

5.根据权利要求1所述的系统，其中，所述压缩机输入功率参数处理器仅使用由所述数据采集处理器在所述HVAC&R系统的稳态运行期间获取的压缩机输入功率参数测量值来学习流体温度测量值和所述压缩机输入功率参数测量值之间的关系。

6.根据权利要求1所述的系统，其中，当所述HVAC&R系统处于新维护的状况时，所述压缩机输入功率参数处理器仅使用由所述数据采集处理器获取的压缩机输入功率参数测量值来学习流体温度测量值和所述压缩机输入功率参数测量值之间的关系。

7.根据权利要求1所述的系统，其中，响应于在所述HVAC&R系统中检测到的性能退化，所述压缩机输入功率参数处理器调整所述压缩机输入功率参数测量值以补偿所述性能退化，使得压缩机输入功率参数测量值反映处于新维护的状况的HVAC&R系统。

8.根据权利要求1所述的系统，其中，对于给定的观测结果，如果该观测结果中包括的流体温度测量值位于由所述数据采集处理器采集的流体温度测量值集合的凸包内，则所述压缩机输入功率参数处理器计算压缩机输入功率参数的预测值。

9.根据权利要求1所述的系统，其中，对于给定的观测结果，如果该观测结果中包括的流体温度测量值不位于由所述数据采集处理器获取的流体温度测量值集合的凸包内，则所述压缩机输入功率参数处理器不计算压缩机输入功率参数的预测值。

10.根据权利要求1所述的系统，其中，对于给定的观测结果，如果在对应于该观测结果的流体温度测量值处先前已经获得最小数量的观测结果，则所述压缩机输入功率参数处理器计算压缩机输入功率参数的预测值。

11.根据权利要求1所述的系统，其中，所述数据采集处理器和所述压缩机输入功率参数处理器位于所述监控和早期问题检测系统的代理内，所述代理在以下一个或多个上执行：基于云的网络、基于雾的网络，以及HVAC&R系统的本地。

12.根据权利要求1所述的系统，其中，所述流体温度测量值分别从位于所述冷凝器和所述蒸发器附近的温度传感器获取，并且所述压缩机输入功率参数测量值从电流检测装置获取。

13.根据权利要求1所述的系统，其中，所述压缩机输入功率参数处理器被配置为在预选的最小数量的流体温度测量值和压缩机输入功率参数测量值已经被用于学习所述关系之后，使用所述关系来计算压缩机输入功率参数的预测值。

14.根据权利要求1所述的系统，其中，所述退化检测处理器被配置为提供听觉或视觉警报、警告信号或新闻馈送，以通知操作者在所述HVAC&R系统中检测到性能退化。

15.根据权利要求14所述的系统，其中，所述退化检测处理器被配置为，如果所述压缩机输入功率参数的预测值和所获取的压缩机输入功率参数测量值之间的差大于预定阈值，则提供所述听觉或视觉警报、警告信号或新闻馈送。

16.一种在HVAC&R系统中监控和早期检测问题的方法，所述方法包括：

由数据采集处理器获取关于所述HVAC&R系统的观测结果，所述观测结果包括冷凝器的流体温度测量值和蒸发器的流体温度测量值，所述观测结果还包括对应于流体温度测量值的压缩机输入功率参数测量值；和

由压缩机输入功率参数处理器学习流体温度测量值和所述压缩机输入功率参数测量值之间的关系；

由所述压缩机输入功率参数处理器使用所述关系计算压缩机输入功率参数的预测值；和

由退化检测处理器将压缩机输入功率参数的预测值与获取的压缩机输入功率参数测量值进行比较，以确定所述HVAC&R系统中是否发生了性能退化。

17.根据权利要求16所述的方法，还包括由所述压缩机输入功率参数处理器经由包含多个单元格的二维温度图来存储由所述数据采集处理器获取的压缩机输入功率参数测量值，其中对于每个单元格，所述压缩机输入功率参数处理器存储对应于该单元格的压缩机输入功率参数测量值作为汇总统计数据。

18.根据权利要求17所述的方法，还包括由所述压缩机输入功率参数处理器索引二维温度图中的每个单元格，所述索引使用对应于该单元格的所述冷凝器的流体温度测量值和所述蒸发器的流体温度测量值。

19.根据权利要求18所述的方法，其中，对于给定的单元格，在已经为单元格存储了预定最大数量的压缩机输入功率参数测量值之后，所述压缩机输入功率参数处理器停止为了存储在该单元格中而对对应于该单元格的压缩机输入功率参数测量值进行的处理。

20.根据权利要求16所述的方法，其中，所述压缩机输入功率参数处理器利用所述数据采集处理器在所述HVAC&R系统的稳态运行期间获取的压缩机输入功率参数测量值来学习流体温度测量值和压缩机输入功率参数测量值之间的关系。

21.根据权利要求16所述的方法，其中，当所述HVAC&R系统处于新维护的状况时，所述压缩机输入功率参数处理器使用由所述数据采集处理器获取的压缩机输入功率参数测量值来学习流体温度测量值和压缩机输入功率参数测量值之间的关系。

22.根据权利要求16所述的方法，其中，响应于在所述HVAC&R系统中检测到的性能退化，还包括由所述压缩机输入功率参数处理器调整压缩机输入功率参数测量值以补偿所述性能退化，使得压缩机输入功率参数测量值反映处于新维护的状况的所述HVAC&R系统。

23.根据权利要求16所述的方法，其中，对于给定的观测结果，仅当包括在该观测结果中的流体温度测量值位于由所述数据采集处理器获取的流体温度测量值集合的凸包内时，所述压缩机输入功率参数处理器才计算压缩机输入功率参数的预测值。

24.根据权利要求16所述的方法，其中，对于给定的观测结果，如果该观测结果中包括的流体温度测量值不位于由所述数据采集处理器获取的流体温度测量值集合的凸包内，则所述压缩机输入功率参数处理器不计算压缩机输入功率参数的预测值。

25.根据权利要求16所述的方法，其中，对于给定的观测结果，如果在对应于该观测结果的流体温度测量值处在之前已经获得了最小数量的观测结果，则所述压缩机输入功率参数处理器计算压缩机输入功率参数的预测值。

26.根据权利要求16所述的方法，其中，所述数据采集处理器和所述压缩机输入功率参数处理器位于所述监控和早期问题检测系统的代理内，还包括在以下一个或多个上执行所述代理：基于云的网络、基于雾的网络，以及HVAC&R系统的本地。

27.根据权利要求16所述的方法，其中，所述流体温度测量值分别从位于所述冷凝器和所述蒸发器附近的温度传感器获得，并且所述压缩机输入功率参数测量值从电流检测装置获得。

28.根据权利要求16所述的方法，其中，在预选的最小数量的流体温度测量值和压缩机输入功率参数测量值已经用于学习所述关系之后，所述压缩机输入功率参数处理器使用所述关系计算压缩机输入功率参数的预测值。

29.根据权利要求16所述的方法，其中，所述退化检测处理器提供听觉或视觉警报、警告信号或新闻馈送，以通知操作者在所述HVAC&R系统中检测到性能退化。

30.根据权利要求29所述的方法，其中，如果压缩机输入功率参数的预测值和获取的压缩机输入功率参数测量值之间的差值大于预定阈值，则所述退化检测处理器提供听觉或视觉警报、警告信号或新闻馈送。

31.一种包含程序逻辑的非暂时性计算机可读介质，当通过一个或多个计算机处理器的操作来执行所述程序逻辑时，使得所述一个或多个处理器执行根据权利要求16所述的方法。

32.一种监控和早期问题检测系统，包括：

数据采集处理器，能够被操作以获取关于系统的观测结果，所述观测结果包括所述系统的一个或多个索引参数的测量值和所述系统的对应于所述一个或多个索引参数的感兴趣参数的测量值；

参数预测处理器，能够被操作以学习所述一个或多个索引参数的测量值和感兴趣参数的测量值之间的关系，所述参数预测处理器被配置为使用所述关系来计算感兴趣参数的预测值；和

退化检测处理器，能够被操作以将感兴趣参数的预测值与获取的感兴趣参数的测量值进行比较，并基于所述比较来确定所述系统中是否发生了性能退化；

其中，响应于在所述系统中检测到性能退化，所述参数预测处理器还能够被操作以调整感兴趣参数的测量值以补偿所述性能退化。

33.根据权利要求32所述的系统，其中，所述参数预测处理器经由包含多个单元格的多维参数图存储由所述数据采集处理器获取的感兴趣参数的测量值，并且其中对于每个单元格，所述参数预测处理器存储对应于该单元格的感兴趣参数的测量值作为汇总统计数据。

34.根据权利要求33所述的系统，其中，所述参数预测处理器索引所述多维参数图中的每个单元格，所述索引所用对应于该单元格的所述冷凝器的一个或多个索引参数的测量值和所述蒸发器的一个或多个索引参数的测量值。

35.根据权利要求34所述的系统，其中，对于给定的单元格，在已经为该单元格存储了预定最大数量的感兴趣参数的测量值之后，所述参数预测处理器停止为了存储在该单元格中而对对应于该单元格的感兴趣参数的测量值进行的处理。

36.根据权利要求32所述的系统，其中，所述参数预测处理器仅使用由所述数据采集处理器在所述系统的稳态运行期间获取的感兴趣参数的测量值来学习所述一个或多个索引参数的测量值与所述感兴趣参数的测量值之间的关系。

37.根据权利要求32所述的系统，其中，所述参数预测处理器仅使用当所述系统处于新维护状况时由所述数据采集处理器获取的感兴趣参数的测量值，来学习所述一个或多个索引参数的测量值与所述感兴趣参数的测量值之间的关系。

38.根据权利要求32所述的系统，其中所述参数预测处理器调整感兴趣参数的测量值，使得感兴趣参数的测量值反映处于新维护的状况的所述系统。

39.根据权利要求32所述的系统，其中，对于给定的观测结果，如果该观测结果中包括的一个或多个索引参数的测量值位于由所述数据采集处理器获取的一个或多个索引参数的测量值集合的凸包内，则所述参数预测处理器计算感兴趣参数的预测值。

40.根据权利要求32所述的系统，其中，对于给定的观测结果，如果该观测结果中包含的一个或多个索引参数的测量值不在所述数据采集处理器获取的一个或多个索引参数的测量值集合的凸包内，则所述参数预测处理器不计算感兴趣参数的预测值。

41.根据权利要求32所述的系统，其中，对于给定的观测结果，如果在对应于该观测结果的一个或多个索引参数的测量值处已经在之前获得了最小数量的观测结果，则所述参数预测处理器计算感兴趣参数的预测值。

42.根据权利要求32所述的系统，其中，所述数据采集处理器和所述参数预测处理器位于所述监控和早期问题检测系统的代理内，所述代理在以下一个或多个上执行：基于云的网络、基于雾的网络以及系统本地。

43.根据权利要求32所述的系统，其中，所述一个或多个索引参数的测量值和所述感兴趣参数的测量值是从位于所述系统附近的传感器获取的。

44.根据权利要求32所述的系统，其中，所述参数预测处理器被配置为在一个或多个索引参数的预选最小数量的测量值和感兴趣参数的测量值已被用于学习所述关系之后，使用所述关系来计算感兴趣参数的预测值。

45.根据权利要求32所述的系统，其中，所述退化检测处理器被配置为提供听觉或视觉警报、警告信号或新闻馈送，以通知操作员在所述系统中检测到性能退化。

46.根据权利要求45所述的系统，其中，所述退化检测处理器被配置为如果感兴趣参数的预测值和获取的感兴趣参数测量值之间的差大于预定阈值，则提供所述听觉或视觉警报、警告信号或新闻馈送。

Images