[发明专利]一种基于大数据的空调机组故障类型诊断方法和系统

说明书

本发明解决了空调机组的故障类型诊断问题，提升了建筑中重要设备的维修维保精细化和智能化水平。对接空调机组的运行状态大数据；采集实时用电量数据并计算机组能耗，采集实时天气信息；对接报修系统，确定故障风险曲线；自动提取故障情形；建立人工智能故障诊断模型；对空调机组进行故障诊断。针对空调机组的特点，对接了精细的空调机组传感器物联网，并以此为基础给出了一种诊断故障发生的具体原因和故障发展阶段的智能模型，算法的准确率可以达到80％，可以支持自动化的现场工程应用。

技术领域

本发明属于建筑运维领域，是一种基于物联网监测大数据的空调机组的故障类型诊断的方法和系统。

背景技术

空调机组是建筑中常见的大型设备，尤其是在医院、航站楼、图书馆、商业办公楼等复杂公共建筑的温湿度调节中起到至关重要的作用。空调机组若发生故障，将直接造成建筑内的环境恶化，给用户带来负面体验。因此如何对空调机组设备的故障及时诊断以快速指导维修，是亟待解决的问题。

传统的机组故障诊断方法依靠现场人工巡检和师傅经验判断，一定程度上可以识别故障隐患，但存在费时费工、不客观、容易遗漏的缺点。近年来随着楼宇自动化系统(BAS，Building Automation System)的普及，对空调机组这样的重点设备已经可以自动采集实时运行状态，并反映到统一的信息化中控系统。这就为更先进的解决方案提供了物质基础，目前已有的技术及其局限性可叙述为以下三个方面：(1)基于统计规则的半自动化诊断和预测：自动抓取运行参数后输入预设的故障判断规则，在数据中心统一汇报，但仍需要人工判断具体故障类型，较依赖主观经验；(2)数据挖掘方法：采用决策树、支持向量机等数据挖掘算法建立故障与监测数据的模型，速度较快但准确度一般，且由于模型规模不够，无法拟合监测数据背后的深层关系；(3)人工智能方法：主要基于人工神经网络的各类变种，建立较智能化的诊断模型，但其输入基本上都限于单个时间点数据或一维信号序列。按可靠性理论，复杂机组故障的发生是一个随时间逐渐发展的过程，必须考虑故障时间段内各类监测数据的演化过程。

此外，现有技术处理有关设备的问题时，采用的数据往往不够丰富，无法精确还原设备运行的实际状态，导致结果准确性有疑问，实际应用的置信度不高。这主要是由于：(1)传感器尚不精细，由于技术限制了监测点位的数量和精细程度，采集的状态信息不全面；(2)仅提取机组自身的BA数据，没有纳入其它有价值的运行数据，例如大型机组的能耗曲线异常波动是很重要的异常信息，而实时的天气状况也可能影响空调运行，等等。但现有方法很少考虑这些外部变量；(3)现有的数据库技术普遍无法承受极大的监测数据的存储和操作，只能舍弃一部分数据，会一定程度上丢失信息。

为了解决以上问题，本申请提出一套新型的基于大数据的空调机组故障类型诊断的方法和系统。针对空调机组的特点，搭建了精细的空调机组传感器物联网，并采用大数据技术存储和操作海量的监测数据。核心算法引入LSTM网络解决各种监测数据间关系复杂的问题，同时可考虑监测数据的时序特性，不但可以给出故障发生的具体原因，还可在故障未发之前预测潜在故障发展到的阶段。最后给出了自动化的现场工程应用方案。

发明内容

有鉴于此，本发明提出一套新型的基于大数据的空调机组故障类型诊断与方法和系统，针对空调机组的特点，搭建了精细的空调机组传感器物联网，并采用大数据技术存储和操作海量的监测数据。本发明的核心算法解决了各种监测数据间关系复杂的问题，同时可考虑监测数据的时序特性，可以给出故障发生的具体原因。本发明解决了空调机组故障诊断方面自动化程度不高、数据不全面、结果不可信的问题，极大地提高了空调机组的运维效率，可以较为全面反映机组运行情况，提升了建筑中重要设备的维修维保精细化和智能化水平。

根据本发明的第一方面，提供一种基于大数据的空调机组故障类型诊断方法，其特征在于，包括：步骤101，对接空调机组的运行状态大数据；步骤102，采集实时用电量数据并计算能耗，采集实时天气信息；步骤103，对接报修系统，确定故障风险曲线，自动提取故障情形；步骤104，建立人工智能故障类型诊断模型；步骤105，对故障进行故障类型诊断，优选地，将结果报告至运维管理部门。