[发明专利]一种基于能耗模型和数据交互的设备异常诊断方法及装置

权利要求书

1.一种基于能耗模型和数据交互的设备异常诊断方法，其特征在于，包括：

根据指定的运行参数变量为待诊断设备的一个或多个部件获取所选变量的时间历程数据；

基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；

基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；

基于所述稳态工况统计集合筛选性能系数的可达值通过神经网络模型构建待诊断设备的性能系数动态报警曲线；

将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号；

其中，筛选性能系数，包括去除低频次性能系数和低数值性能系数，所述低频次性能系数对应偶然性稳态工况，所述低数值性能系数对应设备临近故障或设备老化，通过筛选获取有效性能系数以保障所述性能系数动态报警曲线的准确。

2.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述运行参数变量包括：冷冻水入口温度、冷冻水出口温度、冷冻水流量、冷却水入口温度、冷却水出口温度、冷却水流量、所有设备功率，环境温度。

3.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述滑动窗口其内部负荷数据的标准差表征待诊断设备运行参数变量的稳定程度，其表示为：

其中，N为滑动窗口内负荷数据的个数；x_ij为所述滑动窗口内第i个参数变量第j个采样时刻的值；为第i个变量在所述滑动窗口内N个负荷数据数据的算术平均值。

4.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述基于能耗模型和数据交互的设备异常诊断方法应用于中央空调冷水机组，所述性能系数表示时间段内制冷量和耗电量的比值，其表示如下：

cop＝Q/P

其中，Q表示时间段内中央空调冷水机组的制冷量，P表示时间段内中央空调冷水机组的耗电量。

5.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述稳态工况统计变量表示内容包括：制冷量、环境温度、性能系数、运行参数变量，其表示为：

其中，Q表示中央空调冷水机组的制冷量，t_hj表示中央空所在环境温度，cop表示中央空调冷水机组的性能系数，表示中央空调冷水机组的运行参数变量。

6.根据权利要求1所述的基于能耗模型和数据交互的设备异常诊断方法，其特征在于，所述神经网络模型为L2-GA-BP神经网络模型，即将L2正则化的BP神经网络模型与遗传算法GA相结合而构成的一种混合神经网络模型。

7.一种基于能耗模型和数据交互的设备异常诊断装置，其特征在于，包括：

能耗监测部件，用于采集待诊断设备的指定运行参数变量的一个或多个部件的时间历程数据；

服务器，通过网络与所述能耗监测部件和报警平台建立连接进行信息传递，基于所述时间历程数据，通过在滑动窗口中使用概率统计的方法获取处于稳态工况的时间段集合；基于所述处于稳态工况的时间段集合计算得到稳态工况统计集合，所述稳态工况统计集合由不同的包含性能系数的稳态工况统计变量构成；基于所述稳态工况统计集合筛选性能系数的可达值构建待诊断设备的性能系数动态报警曲线；将实时采集的运行参数变量输入神经网络模型，若其输出值超过所述性能系数动态报警曲线，则判定所述待诊断设备疑似故障并发出报警信号；其中，筛选性能系数，包括去除低频次性能系数和低数值性能系数，所述低频次性能系数对应偶然性稳态工况，所述低数值性能系数对应设备临近故障或设备老化，通过筛选获取有效性能系数以保障所述性能系数动态报警曲线的准确；

报警平台，通过网络与所述能耗监测部件和服务器建立连接进行信息传递，用于显示所述待诊断设备的实时运行参数变量，并显示所述服务器发出的报警信息。