[发明专利]多联机制冷剂充注量的故障检测方法、装置及电子设备

说明书

本发明公开了一种多联机制冷剂充注量的故障检测方法、装置及电子设备，所述方法包括：获取多联机制冷剂冲注量水平的实验数据；对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵；通过主成分分析算法对所述负荷向量矩阵进行处理，得到训练数据；基于所述训练数据利用决策树算法进行模型训练，得到用于故障检测的决策树模型；将多联机制冷剂冲注量水平的待检测数据输入所述决策树模型，得到故障检测结果。可以提高后续模型的收敛性，进而提高故障检测结果的准确性，以及提高故障检测的效率。

技术领域

本发明涉及综合能源技术领域，尤其涉及一种多联机制冷剂充注量的故障检测方法、装置及电子设备。

背景技术

现如今能源资源日渐枯竭，如何提高能源效率、降低能耗成为全球性能源行业研究的课题。空调设备的能耗在建筑总能耗中占据30％以上的比例，若发生制冷剂充注量故障，将导致系统能耗增加、设备寿命缩短等一系列问题。

目前，制冷系统故障的检测与诊断方法主要有基于多联机模型的推测方法。基于模型的方法有状态估计法、参数估计法等，稳定性较差，对于非线性的系统地处理有所欠缺。决策树算法是应用得最为广泛的数据挖掘算法之一，具有计算速度快、准确率高的优点，在金融、计算机技术、医学等领域都有应用。但是直接利用决策树算法进行故障诊断具有网络权值难以理解、容易陷入局部极小值、网络稳定性差且收敛速度较慢等缺陷。因此，目前还没有较好的方法能够准确、高效、稳定地对制冷系统的故障进行检测和诊断。

发明内容

本发明提供一种多联机制冷剂充注量的故障检测方法及装置，通过能源设备的信号分析实现自动的故障监测和诊断。

第一方面，本发明提供了一种多联机制冷剂充注量的故障检测方法，所述方法包括：

获取多联机制冷剂冲注量水平的实验数据；

对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵；

通过主成分分析算法对所述负荷向量矩阵进行处理，得到训练数据；

基于所述训练数据利用决策树算法进行模型训练，得到用于故障检测的决策树模型；

将多联机制冷剂冲注量水平的待检测数据输入所述决策树模型，得到故障检测结果。

优选地，

所述对所述实验数据进行预处理，得到所述多联机制冷剂冲注量水平的负荷向量矩阵，包括：

对所述实验数据进行数据清洗，得到第一预处理数据；

对所述第一预处理数据添加数据标签，得到第二预处理数据；

基于所述第二预处理数据求取向量矩阵，得到所述负荷向量矩阵。

优选地，

所述对所述实验数据进行数据清洗，得到第一预处理数据，包括：

判断所有所述实验数据是否为常数；

从所有所述实验数据中剔除是常数的实验数据，以非常数的实验数据作为所述第一数据；

判断第一数据中任一数据是否超出预设观测值；

从所述第一数据中剔除超出所述预设预测值的数据，得到第二数据；

从所述第二数据中选取属于预设变量的数据，以作为所述第一预处理数据。

优选地，

所述对所述第一预处理数据添加数据标签，得到第二预处理数据，包括：

根据预设的所述数据标签的类型，对所述第一预处理数据进行分类处理；