用于建筑暖通空调系统的传感器故障在线智能自校正方法技术方案

用于建筑暖通空调系统的传感器故障在线智能自校正方法，属于建筑能源系统智能化运维技术领域。本方法利用自编码器的特征压缩能力学习暖通空调系统多参数间的约束关系，并利用高密度的约束关系重构系统运行数据，重构的过程中实现了传感器故障的校正；自编码器的模型输入为原始运行数据，输出为校正后的数据，该数据将传感器故障自行校正且不会影响正常的参数数值；同时，提出一种人工数据驱动的模型训练策略，利用蒙特卡罗算法随机构造传感器故障样本用于模型训练，完全摆脱了对标记样本的依赖；该方法可以部署于云端系统或本地服务器，用于对采集数据的预处理，经处理后的数据实现了传感器故障的自校正且不影响原始数据的特性。的特性。的特性。

【技术实现步骤摘要】
用于建筑暖通空调系统的传感器故障在线智能自校正方法


[0001]本专利技术属于建筑能源系统智能化运维
，具体涉及用于建筑暖通空调系统的传感器故障在线智能自校正方法。

技术介绍

[0002]传感器故障是建筑暖通空调系统(Heating,Ventilation and Air Conditioning,HVAC)常见的故障类型，会严重影响系统正常的健康监测和运行控制，造成系统能效大幅下降。准确识别传感器故障并及时校正对保持HVAC系统稳定、高效运行具有重要意义。由于HVAC系统结构复杂，且涉及多种热质交换过程，传感器数量众多且相关耦合关联，想要及时地识别和校正传感器故障并不容易。
[0003]现有的方案多数聚焦在HVAC系统的识别与诊断，然而仅进行故障识别而不对故障及时校正，仍然无法解决根本问题。本专利技术以保障系统高效运行为目标，跳过故障识别环节，直接对存在传感器故障的数据进行自校正，保证用于健康监测和运行控制的数据不存在测量偏离。本专利技术可以在线部署在云端监控系统中，对实时采集的系统运行数据进行预处理，将存在传感器故障的测量参数本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.用于建筑暖通空调系统的传感器故障在线智能自校正方法，其特征在于：包括以下步骤：S1：数据采集：对拟校正HVAC系统进行运行数据采集，需保证采集时系统不存在传感器故障；S2：数据分割、归类与预处理：将采集到的数据按照模型需求处理成需要的格式类型；S3：构建基于自编码器的传感器故障校正模型；S4：人工数据构建与模型训练：模拟传感器故障，实现传感器故障样本的人工构建；S5：自校正模型的部署与在线运用。2.根据权利要求1所述的用于建筑暖通空调系统的传感器故障在线智能自校正方法，其特征在于所述步骤S2的具体过程如下：S21：将采集数据参数进行选择和划分，剔除掉无效参数，将剩余有效参数数量记为N；S22：选定单次分析的系统参数时序序列长度；S23：将参数归一化预处理。3.根据权利要求1所述的用于建筑暖通空调系统的传感器故障在线智能自校正方法，其特征在于所述步骤S3的具体过程如下：采用卷积自编码器结构，以N
×
M为输入数据结构，输入数据应为HVAC的原始参数序列，自编码器的输出结构为N
×
M，输出数据为校正后的数据；自编码器的中间隐含层用于学习包含约束关系的高度压...

【专利技术属性】
技术研发人员：孙哲，姚琪威，沈希，金华强，顾江萍，黄跃进，李康，石凌，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：