【技术实现步骤摘要】
一种基于人工数据驱动的热泵系统智能故障诊断方法
[0001]本专利技术属于热泵/空调系统故障诊断
，具体涉及一种基于 人工数据驱动的热泵系统智能故障诊断方法。
技术介绍
[0002]热泵系统广泛用于采暖供冷等领域，是典型的能耗装置，其能耗 总量约占社会总能耗的25％左右。随着我国“双碳”战略目标的提出， 加快热泵创新已成为当下的重要任务，而热泵系统的高效节能运行则 成为了热泵创新的重点研究方向。由于热泵系统运行环境普遍较差， 长期使用不可避免发生各类故障，如换热器的积尘/结垢、制冷工质 泄漏、油循环劣化等。相关研究表明，热泵系统故障运行会造成 15％
‑
20％的能耗增加，使得及时准确的故障诊断十分重要。
[0003]当前产业界针对热泵系统的运行管理策略仍以“定期检修+报警 抢修”模式为主，该策略盲目性高、资源消耗大。基于人工智能技术 的全时段监控对降低运维成本、提升运维质量有着显著意义。由于热 泵系统自身的复杂性，系统精准的物理模型难以建立，使得当下主流 的诊断方法以数据驱动为主，即不需要依赖...
【技术保护点】
【技术特征摘要】
1.一种基于人工数据驱动的热泵系统智能故障诊断方法，其特征在于：通过故障系统定性偏离结合数据生成策略，生成具有定向标签的人工标记数据，通过生成的人工标记数据训练诊断网络，实现故障诊断；其包括以下步骤：第一步：热泵设备物理信息获取；第二步：健康运行数据获取；第三步：将采集到的健康数据参数分为自变参数和因变参数两类；第四步：根据热泵系统的物理信息构建故障偏离矢量；第五步：利用随机缩放策略，对偏离矢量进行赋值并按照缩放因子选择范围进行全参数等比放大或缩小，得到数据化表达的偏离数据样本；第六步：利用健康热泵运行数据构建数据驱动基准模型；第七步：构建生成对抗网络GAN，学习残差数据分布，进而生成虚拟残差数据样本，用于扩增丰富残差数据信息；第八步：将第五步中生成的偏离数据样本和第七步中生成的残差数据叠加，得到人工生成的标记数据样本，样本的标签与偏离数据样本的标签一致；第九步：构建卷积神经网络，以监督学习方法利用人工数据训练卷积网络，得到故障分类器，并部署该分类器，实现实际系统的实时故障诊断。2.根据权利要求1所述的一种基于人工数据驱动的热泵系统智能故障诊断方法，其特征在于所述自变参数为不受工况等因素影响而只受人为控制因素影响的参数，因变参数为受自变参数影响的参数。3.根据权利要求2所述的一种基于人工数据驱动的热泵系统智能故障诊断方法，其特征在于所述第四步中，偏离矢量包含热泵系统全部因变参数，因变参数包含全部故障的所需敏感特征；所述偏离矢量的构建过...
【专利技术属性】
技术研发人员：孙哲，沈希，赵清雯，金华强，顾江萍，黄跃进，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。