基于多维的空调智能监测方法与系统技术方案

本发明专利技术涉及一种基于多维的空调智能监测方法与系统。该方法包括：通过传感设备采集空调数据；将采集到的空调数据上传至模型建模工具，建立系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型；根据系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型，获得空调性能的诊断评估结果。本发明专利技术基于智能监测算法模型和大数据分析技术对空调系统进行集中监测，对参与生产的空调系统的运行过程进行实时监测、评估和分析，及时发现设备或系统异常，能够为现场设备无人值守提供有效的信息支撑，确保空调系统在生产任务过程中的全面、安全、可靠，为生产任务组织指挥提供辅助决策支撑。指挥提供辅助决策支撑。指挥提供辅助决策支撑。

【技术实现步骤摘要】
基于多维的空调智能监测方法与系统


[0001]本专利技术涉及大数据、人工智能
，具体涉及一种基于多维的空调智能监测方法与系统。

技术介绍

[0002]企业在生产过程中，对参与保障生产的空调系统进行实时监测、评估和分析，及时发现设备或系统异常，为现场设备无人值守提供有效的信息支撑，确保空调系统在生产任务过程中的安全可靠，为生产任务组织指挥提供辅助决策支撑。
[0003]专利技术人在实践中，发现上述现有技术存在以下缺陷：企业在生产过程中对空调系统的信息把控不够全面和精准，进而影响生产任务组织指挥决策，对生产安全造成一定的隐患。

技术实现思路

[0004]为了解决上述技术问题，本专利技术提供一种基于多维的空调智能监测方法与系统。
[0005]本专利技术采用的技术方案如下：
[0006]一种基于多维的空调智能监测方法，包括以下步骤：
[0007]通过传感设备采集空调数据；
[0008]将采集到的空调数据上传至模型建模工具，建立系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型；
[0009]根据系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型，获得空调性能的诊断评估结果。
[0010]进一步地，所述系统性能评价模型根据建立的评估指标体系实时对空调系统的性能进行分析和评估，所述评估指标体系中的评估指标包括：
[0011]1)控制精度范围：空调机组在向封闭空间、房间或区域直接提供处理空气的同时所能保持温度和相对湿度的波动范围；
[0012]2)制冷量：空调机组单位时间从封闭空间、房间或区域除去的热量的总和；
[0013]3)制冷消耗功率：在规定的制冷试验工况下，空调机组所消耗的总功率；
[0014]4)性能系数：空调机组以同一单位表示的制冷量Q与制冷消耗功率P之比；
[0015]5)综合性能总负荷IQ；
[0016]6)综合性能系数ICOP；
[0017]7)精度曲线：待室内状态平衡1h后，测试室内布置的测点的温度和湿度的波动，绘制精度曲线图；
[0018]8)制冷性能：包括制冷温湿度精度、制冷温湿度稳定性、制冷温湿度效率。
[0019]进一步地，所述系统性能评价模型是采用灰色关联分析法，综合考虑经济性、节能性和环保性而建立的空调系统的分析评价模型。
[0020]进一步地，所述系统数据驱动模型借助空调系统的大量的各种运行工况下的历史
数据，包括正常数据和故障数据，来掌握变量和参量之间的固有联系，进而通过机器学习过程建立的数学模型判别新数据中的故障情况并隔离故障源。
[0021]进一步地，所述系统数据驱动模型采用主元分析即PCA方法利用过程多变量之间的相关性对过程进行故障诊断，根据过程变量的历史数据，利用多元投影方法将多变量样本空间分解成由主元变量构成较低维的投影子空间和一个相应的残差子空间，并分别在这两个子空间中构造能反映空间变化的统计量，然后将原始观测向量分别向这两个子空间进行投影，并计算相应的统计量指标用于过程监控。
[0022]进一步地，所述系统故障诊断模型采用LSTM训练空调系统的保障参数和过程数据的时序数据，生成保障参数和过程数据的时序预测模型，依据时序预测模型的精度选取合适的预测步长，利用预测得到的保障参数和过程数据信息，得到预测的空调系统性能和风险数据信息，实现空调系统的预警能力。
[0023]进一步地，所述系统故障诊断模型采用以下步骤对保障参数和过程数据进行预测：
[0024]步骤一：选择具有非故障场景和典型故障场景的历史数据信息，并将历史数据信息的80％用作预测模型的训练，20％用作预测模型的验证；
[0025]步骤二：将历史数据信息进行标准化处理；
[0026]步骤三：将保障参数和过程数据作为预测模型LSTM的输入和输出，输入选取前30min的时序数据，输出选取后15min的时序数据，设置模型精度为95％，通过不断的模型训练，使其精度达到设定要求；
[0027]步骤四：选用20％的数据量进行预测模型的验证，当验证的精度达到95％时说明预测模型满足要求，否则，返回步骤三继续训练预测模型直至验证达到设定要求；
[0028]步骤五：采集实时的保障参数和过程数据，利用训练完成的预测模型，分别预测接下来15分钟内的保障参数和过程数据。
[0029]进一步地，所述知识库模型包含空调系统知识库，内置典型故障类型，并包括国家、行业规范，以及基地作业指导书、应急处置预案；在创建知识库、典型故障库、案例库时为其打入标签，包括冷冻水泵的知识库、冷却塔的案例库、冷冻水泵的故障库；在典型故障库中，能够查看已经创建的故障库信息，支持直接输入文字的模糊搜索形式，也支持按标签分类进行展示。
[0030]一种基于多维的空调智能监测系统，其包括：
[0031]系统状态监视模块，用于通过对各厂房空调设备的数据采集，实现空调设备状态、系统过程的态势感知，实现空调设备状态、关键参数、系统状态的实时判读；
[0032]诊断评估分析模块，用于利用系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型，实现空调性能性能评估，通过知识库、故障库管理，实现知识的表示、查询、检索、推理，提供故障检测定位能力，辅助故障排查与跟踪；
[0033]任务辅助决策模块，用于根据诊断评估分析模块获得的评估分析结果，实现空调设备故障风险评估、技术状态变化影响评估、以及辅助判断风险等级。
[0034]本专利技术的有益效果如下：
[0035]本专利技术基于智能监测算法模型和大数据分析技术对空调系统进行集中监测，对参与生产的空调系统的运行过程进行实时监测、评估和分析，及时发现设备或系统异常，能够
为现场设备无人值守提供有效的信息支撑，确保空调系统在生产任务过程中的全面、安全、可靠，为生产任务组织指挥提供辅助决策支撑。
附图说明
[0036]图1是本专利技术的整体架构示意图。
[0037]图2是空调系统诊断评估流程图。
具体实施方式
[0038]下面通过具体实施例和附图，对本专利技术做进一步详细说明。
[0039]第一方面，本专利技术一个实施例提供一种多维的空调智能监测方法，该方法包括：
[0040]将通过传感设备将采集到的空调数据通过API上传至模型建模工具，建立系统性能评价模型、系统数据驱动模型、系统故障诊断模型、知识库模型等模型，并将模型输出的结果通过API上传至空调监测系统进行评估结果及资料库展示，如图1。
[0041]1.系统性能评价模型
[0042]场区空调系统通过向厂房提供合适的空气，确保厂房环境(温度、湿度、洁净度等)始终满足规定的指标要求。因此需要实时对空调系统的性能进行分析和评估，首先建立评估指标体系。
[0043]1.1)评估指标
[0044]1.1.1)控制精度范围
[0045]空调机组在向封闭空间、房间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多维的空调智能监测方法，其特征在于，包括以下步骤：通过传感设备采集空调数据；将采集到的空调数据上传至模型建模工具，建立系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型；根据系统性能评价模型、系统数据驱动模型、系统故障诊断模型和知识库模型，获得空调性能的诊断评估结果。2.根据权利要求1所述的方法，其特征在于，所述系统性能评价模型根据建立的评估指标体系实时对空调系统的性能进行分析和评估，所述评估指标体系中的评估指标包括：1)控制精度范围：空调机组在向封闭空间、房间或区域直接提供处理空气的同时所能保持温度和相对湿度的波动范围；2)制冷量：空调机组单位时间从封闭空间、房间或区域除去的热量的总和；3)制冷消耗功率：在规定的制冷试验工况下，空调机组所消耗的总功率；4)性能系数：空调机组以同一单位表示的制冷量Q与制冷消耗功率P之比；5)综合性能总负荷IQ；6)综合性能系数ICOP；7)精度曲线：待室内状态平衡1h后，测试室内布置的测点的温度和湿度的波动，绘制精度曲线图；8)制冷性能：包括制冷温湿度精度、制冷温湿度稳定性、制冷温湿度效率。3.根据权利要求2所述的方法，其特征在于，所述综合性能总负荷IQ按下式计算：IQ＝|Q
r0
|+|Q
s0
|+∫
0τ
|q
re
|dt+∫
0τ
|q
se
|dt式中：Q
r0
——室内侧ICOP空气处理机向房间增加或减少的初始热负荷，使房间状态从设定工况变化至开机工况，单位为焦；Q
s0
——室内侧ICOP空气处理机向房间增加或减少的初始湿负荷，使房间状态从设定工况变化至开机工况，单位为焦；q
re
——开机后，室内侧ICOP空气处理机单位时间向房间增加或减少的热负荷，单位为瓦；q
se
——开机后，室内侧ICOP空气处理机单位时间向房间增加或减少的湿负荷，单位为瓦；——机组从开始至停止的时间消耗或各部件分别运行的时间，单位为秒。4.根据权利要求1所述的方法，其特征在于，所述系统性能评价模型是采用灰色关联分析法，综合考虑经济性、节能性和环保性而建立的空调系统的分析评价模型。5.根据权利要求1所述的方法，其特征在于，所述系统数据驱动模型借助空调系统的大量的各种运行工况下的历史数据，包括正常数据和故障数据，来掌握变量和参量之间的固有联系，进而通过机器学习过程建立的数学模型判别新数据中的故障情况并隔离故障源。6.根据权利要求1所述的方法，其特征在于，...

【专利技术属性】
技术研发人员：王铭，姜海森，曹丽霄，刘永进，
申请(专利权)人：北京航天智造科技发展有限公司，
类型：发明
国别省市：