一种基于大数据的空调滤网堵塞的评估方法技术

本发明专利技术涉及空调滤网技术领域，具体是一种基于大数据的空调滤网堵塞的评估方法，包括以下步骤：S1、采集数据：通过若干温度传感器采集外部温度、客室温度、辅助A1车逆变模块温度(当前)和辅助A1车逆变模块温度(X分钟后)；S2、计算间接数据；S3、滤网堵塞预警模型；S4、数据分析判断；S5、预警判断逻辑。本发明专利技术的有益效果通过计算统计学意义的置信区间，针对温度的上下界进行预测，再将真实的温度数据和预测的上下界对比，根据温度落在预计窗口外的数量和比例，提高推断滤网工作的正常性与效率，针对温度的变化/震荡情况，判断空调滤是否堵塞，从导致的温度变化趋势异常，提高对空调滤网堵塞的评估的准确性。评估的准确性。评估的准确性。

【技术实现步骤摘要】
一种基于大数据的空调滤网堵塞的评估方法


[0001]本专利技术涉及空调滤网
，具体是一种基于大数据的空调滤网堵塞的评估方法。

技术介绍

[0002]空调滤网一般指空调过滤网。空调过滤网为凹凸式蜂巢结构，可广泛应用于空气过滤、污水过滤系统，在纺丝阶段将抗菌剂(DEP)和防霉剂(TBZ)直接掺入PP树脂原料当中，使生产的过滤网达到了抗菌防霉功效。易于多次清洗调换，起效时间持久。
[0003]中国专利号CN109269014B提供一种空调滤网状态检测方法、检测系统及轨道车辆，检测空调机组的压缩机排气压力P；根据检测的压缩机排气压力P在设定时间ts内满足设定条件的次数是否达到设定次数判断滤网的脏堵程度。本专利技术可以实时监测滤网的脏堵状态，可对滤网脏污情况提前进行自动判断，并提示空调维护人员进行空调滤网清洁，解决了目前根据检修周期进行滤网维护的弊端，包括空调检修维护过程中存在的滤网提前更换浪费人力物力或更换滞后导致滤网脏污严重影响空调冷凝风量等问题，并节省了空调维护成本。
[0004]现有的空调滤网堵塞的评估方法，存在以下问题：上述采用对风速的对比进行评估空调滤网堵塞的状况，但是测量风速的误差较大，同时效率较低，推断滤网工作的正常性与效率均相对较差，不能准确判断空调滤是否堵塞，从导致的温度变化趋势异常，对空调滤网堵塞的评估的准确性相对较差。因此亟需研发一种基于大数据的空调滤网堵塞的评估方法。

技术实现思路

[0005]本专利技术的目的在于提供一种基于大数据的空调滤网堵塞的评估方法，以解决上述
技术介绍
中提出的断滤网工作的正常性与效率均相对较差，不能准确判断空调滤是否堵塞，从导致的温度变化趋势异常，对空调滤网堵塞的评估的准确性相对较差的问题。
[0006]本专利技术的技术方案是：一种基于大数据的空调滤网堵塞的评估方法，包括以下步骤：
[0007]S1、采集数据：通过若干温度传感器采集外部温度、客室温度、辅助A1车逆变模块温度(当前)和辅助A1车逆变模块温度(X分钟后)；通过若干电压检测传感器采集辅助A1车逆变电路输出电压、辅助A1车逆变器中间电容电压、AC1CT辅助A1车逆变器输出V相电和AC1CT辅助A1车逆变器输出W相电压；通过若干电流检测传感器采集AC1CT辅助A1车逆变器输出A/C/U/V/W相电流和辅助A1车逆变器输车电流；通过输出频率传感器采集辅助A1车逆变器输出频率，得到直接数据；
[0008]S2、计算间接数据：将得到的直接数据通过公式计算得到间接数据；
[0009]S3、滤网堵塞预警模型：在滤网堵塞预警模型中，采用多层神经网络的结构进行模型的构造，relu的激活函数优化函数：Adam
[0010]m为一阶矩估计m为一阶矩估计；
[0011]u为二阶矩估计u为二阶矩估计v为二阶矩估计；
[0012]估计校正，实现无偏估计m^w＝mwt+11
‑
β1t+1，估计校正，实现无偏估计；
[0013]激活函数：修正线性单元(ReLU)，如图5，ReLU导数，如图6，
[0014]从上图可以看到，ReLU是从底部开始半修正的一种函数，数学公式为：f(x)＝max(0，x)；
[0015]S4、数据分析判断：当输入x<0时，输出为0，当x>0时，输出为x，该激活函数使网络更快速地收敛，它不会饱和，即它可以对抗梯度消失问题，至少在正区域(x>0时)可以这样，因此神经元至少在一半区域中不会把所有零进行反向传播，由于使用了简单的阈值化，ReLU计算效率很高；
[0016]S5、预警判断逻辑：当采样到的一段时间内，时间跨度可设置，AC1CT辅助A1车逆变模块温度形成的曲线与模型输出的AC1CT辅助A1车逆变模块温度曲线相比，偏高一定范围，范围可设置，或离群点数量超过总数的一定比例，则进行“A1车辅助逆变器进风滤网堵塞”的判断和告警。
[0017]进一步地，所述直接数据：893：外部温度；894：客室温度；4115：辅助A1车逆变电路输出电压；4116：辅助A1车逆变器输车电流；4206：辅助A1车逆变器中间电容电压；4208：AC1CT辅助A1车逆变器输出V相电压；4209：AC1CT辅助A1车逆变器输出W相电压。
[0018]进一步地，所述直接数据：4210
‑
4214：AC1CT辅助A1车逆变器输出A/C/U/V/W相电流；4215：辅助A1车逆变器输出频率；4221：辅助A1车逆变模块温度(当前)；target：辅助A1车逆变模块温度(X分钟后)。
[0019]进一步地，所述mAdam是对RMSProp优化器的更新。利用梯度的一阶矩估计和二阶矩估计动态调整每个参数的学习率，优点是，每一次迭代学习率都有一个明确的范围，使得参数变化很平稳。
[0020]进一步地，所述间接数据：中间电压的均值、最大值、最小值、绝对能量值、熵、发展速度、平均发展速度、乘客负载、外部温度均值、客室温度均值、起始温差、温度上升点个数等。
[0021]进一步地，所述绝对能量值：时序数据的绝对值之和，公式如下：
[0022][0023]进一步地，所述熵：反应时序数据信息量的多少，公式如下：
[0024][0025]进一步地，所述发展速度：定基发展速度指报告期和基期水平的比值，公式如下：
[0026][0027]进一步地，所述平均发展速度：反应现象发展变化的相对程度，公式如下：
[0028][0029]进一步地，所述应用计算/方案中，神经网络的基本结构了具体如图3：在网络中最左边的称为输入层，其中的神经元称为输入神经元。最右边的，即输出层包含有输出神经元，在图中，输出层只有一个神经元。中间层，既然这层中的神经元既不是输入也不是输出，则被称为隐藏层，神经网络的基本结构如图4，随着后面的发展神经网络的层数也随之不断增加和复杂。
[0030]本专利技术通过改进在此提供一种基于大数据的空调滤网堵塞的评估方法，与现有技术相比，具有如下改进及优点：
[0031](1)在滤网堵塞预警模型中，采用多层神经网络的结构进行模型的构造，模型的业务构造是经过神经网络的输入层和隐含层，通过计算统计学意义的置信区间，针对温度的上下界进行预测，再将真实的温度数据和预测的上下界对比，根据温度落在预计窗口外的数量和比例，提高推断滤网工作的正常性与效率。
[0032](2)本专利技术采用对辆室内的温度变化情况建模，有效反映温度变化的关联因子，预测其温度变化趋势，针对温度的变化/震荡情况，判断空调滤是否堵塞，从导致的温度变化趋势异常，提高对空调滤网堵塞的评估的准确性。
[0033](3)本专利技术采用的预警判断逻辑：当采样到的一段时间内AC1CT辅助A1车逆变模块温度形成的曲线与模型输出的AC1CT辅助A1车逆变模块温度曲线相比，偏高一定范围，或离群点数量超过总数的一定比例，则进行“A1车辅助逆变器进风滤网堵塞”的判断和告警，提高空调滤网堵塞评估方法的精本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于大数据的空调滤网堵塞的评估方法，其特征在于：包括以下步骤：S1、采集数据：通过若干温度传感器采集外部温度、客室温度、辅助A1车逆变模块温度(当前)和辅助A1车逆变模块温度(X分钟后)；通过若干电压检测传感器采集辅助A1车逆变电路输出电压、辅助A1车逆变器中间电容电压、AC1CT辅助A1车逆变器输出V相电和AC1CT辅助A1车逆变器输出W相电压；通过若干电流检测传感器采集AC1CT辅助A1车逆变器输出A/C/U/V/W相电流和辅助A1车逆变器输车电流；通过输出频率传感器采集辅助A1车逆变器输出频率，得到直接数据；S2、计算间接数据：将得到的直接数据通过公式计算得到间接数据；S3、滤网堵塞预警模型：在滤网堵塞预警模型中，采用多层神经网络的结构进行模型的构造，relu的激活函数优化函数：Adamm为一阶矩估计mwt+1＝β1mwt+(1_β1)
▽
Lt，m为一阶矩估计；u为二阶矩估计vwt+1＝β2mwt+(1
‑
β2)(
▽
Lt)2，v为二阶矩估计；估计校正，实现无偏估计m^w＝mwt+11
‑
β1t+1，估计校正，实现无偏估计；激活函数：修正线性单元(ReLU)，如图5，ReLU导数，如图6，从上图可以看到，ReLU是从底部开始半修正的一种函数。数学公式为：f(x)＝max(0，x)；S4、数据分析判断：当输入x<0时，输出为0，当x>0时，输出为x，该激活函数使网络更快速地收敛。它不会饱和，即它可以对抗梯度消失问题，至少在正区域(x>0时)可以这样，因此神经元至少在一半区域中不会把所有零进行反向传播，由于使用了简单的阈值化，ReLU计算效率很高；S5、预警判断逻辑：当采样到的一段时间内，时间跨度可设置，AC1CT辅助A1车逆变模块温度形成的曲线与模型输出的AC1CT辅助A1车逆变模块温度曲线相比，偏高一定范围，范围可设置，或离群点数量超过总数的一定比例，则进行“A1车辅助逆变器进风滤网堵塞”的判断和告警。2.根据权利要求1所述的一种基于大数据的空调滤网堵塞的评估方法，其特征在于：所述直接数据：893：外部温度；894：客室温度；4115：辅助...

【专利技术属性】
技术研发人员：常伟，余捷全，
申请(专利权)人：广东毓秀科技有限公司，
类型：发明
国别省市：