[发明专利]冷水机组的故障检测方法、系统及冷水机组

说明书

本申请提出一种冷水机组的故障检测方法、系统及冷水机组。其中，冷水机组的故障检测方法，包括：获取冷水机组的故障运行数据；对所述故障运行数据进行过采样，以得到故障缺失数据；根据所述故障运行数据和故障缺失数据建立故障特性参数预测模型；根据所述故障特性参数预测模型判断所述冷水机组的运行数据是否异常。本申请的冷水机组的故障检测方法，具有检测准确、可靠的优点，另外，可以有效降低检测对于资源的占用，从而，有利于在冷水机组中实施，提升冷水机组的可靠性。

技术领域

本申请涉及制冷设备技术领域，特别涉及一种冷水机组的故障检测方法、系统及冷水机组。

背景技术

相关技术中，冷水机组的故障检测手段包括基于专家知识设定规则进行故障判定方法、基于监督式学习的分类方法以及基于正常运行数据建立模型，对实时运行数据进行残差分析的方法。

其中，基于专家知识设定规则进行故障判定，例如根据热物理知识分析故障产生时传热温差、压力、温度、电流等参数的变化趋势，并设定相应阈值，从而可以根据变化趋势判定故障。基于监督式学习的分类方法，通过故障模拟试验获取各种工况条件下不同故障发生时的运行数据，与正常数据组成数据库，分别对数据分类并贴标签，然后利用神经网络或支持向量机等算法建立黑箱模型，通过训练使模型对运行数据能够正确分类，从而实现故障检测和诊断的目的。基于正常运行数据建立模型，对实时运行数据进行残差分析的方法，该方法对正常运行数据进行特性参数回归，建立特性参数预测模型，对实时运行数据与预测值进行对比，对残差超出阈值的运行数据作为故障处理。

存在以下缺点：基于专家知识设定规则故障判定方法识别明显的故障比较有效，但由于参数的变化通常受到多个因素的影响，对于故障发展初期的检测效果不理想，易造成漏检测或误检测；基于监督式学习的分类方法对于故障的检测和诊断效果较好，但需要基于大量的故障测试数据来实现，投入资源过高，模型泛化能力不强，对于非稳态数据识别困难；基于正常运行数据建立模型，对实时运行数据进行残差分析的方法不具备故障分类效果，另外由于建立初始模型的正常运行数据毕竟有限，因此，在遇到建模工况数据外的正常运行数据将可能出现误检测。

发明内容

本申请旨在至少解决上述技术问题之一。

为此，本申请的一个目的在于提出一种冷水机组的故障检测方法。该方法具有检测准确、可靠的优点，另外，可以有效降低检测对于资源的占用，从而，有利于在冷水机组中实施，提升冷水机组的可靠性。

本申请的第二个目的在于提出一种冷水机组的故障检测系统。

本申请的第三个目的在于提出一种计算机可读存储介质。

本申请的第四个目的在于提出一种冷水机组。

为了实现上述目的，本申请的第一方面公开了一种冷水机组的故障检测方法，包括：获取冷水机组的故障运行数据；对所述故障运行数据进行过采样，以得到故障缺失数据；根据所述故障运行数据和故障缺失数据建立故障特性参数预测模型；根据所述故障特性参数预测模型判断所述冷水机组的运行数据是否异常。

本申请的冷水机组的故障检测方法，具有检测准确、可靠的优点，另外，可以有效降低检测对于资源的占用，从而，有利于在冷水机组中实施，提升冷水机组的可靠性。

在一些示例中，所述对所述故障运行数据进行过采样，以得到故障缺失数据，包括：对所述故障运行数据进行分类，以建立多个故障数据库，其中，每个故障数据库存储一类故障运行数据；根据每个故障数据库中的相邻故障运行数据创建新的数据，并将所述新的数据作为所述故障缺失数据。

在一些示例中，在对所述故障运行数据进行过采样之前，还包括：对所述故障运行数据进行去燥。