一種預測中央空調異常的方法
2023-06-17 20:02:11
一種預測中央空調異常的方法
【專利摘要】本發明公開一種預測中央空調異常的方法，包括：S1、監測每個房間的製冷或制熱是否異常，並用房間異常因子進行標記：如果異常，則房間異常因子標記為1，如果正常，則房間異常因子標記為0；S2、計算中央空調的冷量或熱量傳遞管路上的各個設備的設備異常因子F：F=r/R，其中r表示該設備控制的異常房間數，R表示該設備控制的總房間數；S3、將n≤F≤1的設備標記為異常節點，以進行人工檢測排查，其中，n為預定值，且0＜n≤1。通過本方法，維護人員僅需在發現設備中有異常節點時去檢測，檢測數量少，而且解決了因不能及時發現異常而浪費能源的問題。
【專利說明】一種預測中央空調異常的方法
【技術領域】
[0001]本發明涉及空調設備的異常檢測，尤其涉及一種預測中央空調異常的方法。
【背景技術】
[0002]中央空調已被廣泛應用於各種大型建築中，但是很多中央空調在運行幾年後因為疏於維護，會產生設備異常，造成製冷制熱效果不理想，影響用戶的舒適度，也會浪費能源。目前來講，中央空調的維護檢測主要還是依靠傳統的方式:由空調維護人員定期檢查和維護，但是由於中央空調安裝及結構的複雜錯綜性，加之空調終端風機數量多，且這種方式需要定期對所有的空調設備進行檢查，包括正常運行及非正常運行的，檢測效率低且成本高。另一種方式則是當用戶感覺空調有問題時(比如已無法製冷)，才向維護人員報檢，此時異常情況往往已經比較嚴重，已造成了能源浪費。
【發明內容】
[0003]本發明針對現有的異常檢測方法效率低、成本高的現狀提出了一種由計算機完成的分析方法，可以比傳統的方法更有效及時地發現異常情況，從而提醒空調維護人員進行維護，減少能源浪費。
[0004]本發明提供以下技術方案 來解決上述技術問題:
[0005]一種預測中央空調異常的方法，包括以下步驟:
[0006]S1、監測每個房間的製冷或制熱是否異常，並用房間異常因子進行標記:如果異常，則房間異常因子標記為1，如果正常，則房間異常因子標記為O ;
[0007]S2、計算中央空調的冷量或熱量傳遞管路上的各個設備的設備異常因子F:F=r/R，其中r表示該設備控制的異常房間數，R表示該設備控制的總房間數；
[0008]S3、將n≤f≤1的設備標記為異常節點，以進行人工檢測排查，其中，η為預定值，且O < n≤1。
[0009]優選地，所述中央空調具有與伺服器端連接的風機盤管溫控器以及溫度傳感器，所述溫度傳感器用以採集室內溫度，所述風機盤管溫控器用以將採集到的所述室內溫度和風機盤管的工作狀態發送至所述伺服器端；所述步驟Si包括:
[0010]S11、獲取每個房間內的溫度數據以及風機盤管的工作狀態數據；
[0011]S12、提取在所述風機盤管運行狀態下的房間溫度變化數據，根據溫度變化數據判斷每個房間的溫度變化是否符合預期值，從而判斷房間製冷或制熱是否異常並用房間異常因子進行標記:如果異常，則房間異常因子為1，如果正常，則房間異常因子為O。
[0012]優選地,所述步驟S12包括:
[0013]提取所述風機盤管運行的η個時間段的溫度數據集合，其中每個溫度數據集合內包含若干個離散的溫度數據點(t，T)，T表示t時刻房間內的溫度；
[0014]分別對每個溫度數據集合內的溫度數據點進行線性回歸，得到對應於所述η個時間段的η個溫度T隨時間變化的線性方程其中i=l，2，…η，&?和匕均為常數；[0015]當空調為製冷模式，計算為負數的％佔％總個數的百分比，並將得到的負數％百分比與預先設定的一閾值進行比較:若負數Si百分比大於等於所述閾值，則判定該房間製冷正常，所述房間異常因子為0，否則，所述房間異常因子為I ;
[0016]當空調為制熱模式，計算為正數的％佔％總個數的百分比，並將得到的正數％百分比與所述閾值進行比較:若正數Bi百分比大於等於所述閾值，則判定該房間制熱正常，所述房間異常因子為0，否則，所述房間異常因子為I。
[0017]優選地,所述n=l。
[0018]優選地，所述步驟S12中，對所述溫度數據集合內的溫度數據點進行線性回歸時，
米用最小二乘法。
[0019]優選地，所述閾值為70%?90%。
[0020]優選地，所述閾值為80%。
[0021]優選地，所述風機盤管的工作狀態數據為(U，t)，U表示t時刻所述風機盤管的工作狀態，且U的值為0、1、2或3, U=O表示停止，U=I表示低風運行，U=2表示中風運行，U=3表示高風運行。
[0022]本發明提供的預測中央空調異常的方法，與現有技術相比，至少具有以下有益效果:基於房間與空調設備之間的連接網絡關係，根據房間的異常狀況給空調設備的各個節點分配異常因子，通過異常因子的大小來判斷各個節點設備出錯的可能性，從而能夠實現快速、高效率地設備異常排查。
[0023]空調設備的多數異常是由於性能的逐步衰減而引起的，在設備徹底無法工作之前的很長一段時間裡，空調設備已經是處於異常狀態，但由於這種異常是逐步發生的(例如製冷效果逐步減弱；制熱間歇性停止時間逐步增加)，因而，往往不易被用戶或空調檢修人員查覺，而直到設備徹底無法工作時才被注意並修理，這樣，長時間的異常狀態一方面影響用戶健康和使用體驗，另一方面，也可能帶來高能耗等資源浪費或導致設備最終無法修理而徹底報廢。
[0024]本發明的優選方案中，基於與伺服器連接的風機盤管溫控器，利用本發明的預測方法，通過對房間溫度數據的分析，得到每個房間製冷制熱效果的結論，通過對製冷、制熱效果的數據分析，能夠檢測出人所無法感知或容易被人忽略的細微的、逐步發生的異常，進而通過異常因子分配的方法提前發現異常設備，在設備徹底損壞之前及時、準確地進行檢修。避免了傳統人工檢測方法可能導致的資源浪費現象，同時，本優選方案也大幅降低了人工排查成本。
【專利附圖】
【附圖說明】
[0025]圖1是本發明提供的預測中央空調異常的方法流程圖；
[0026]圖2是本發明具體實施例中製冷模式下的中央空調冷量傳遞示意圖；
[0027]圖3是本發明具體實施例中一個建築的中央空調部分系統架構圖；
[0028]圖4是圖3系統架構中各設備和建築內房間的異常因子標記示意圖。
【具體實施方式】
[0029]下面對照附圖並結合優選的實施方式對本發明作進一步說明。[0030]實施例1
[0031]本實施例提供一種預測中央空調異常的方法，通過對中央空調的組織架構中每個房間的溫度數據進行分析，判斷房間的異常情況，從而計算中央空調的設備異常因子，來預測設備的異常。該方法的執行基於空調終端(一般是指房間內)聯網的風機盤管溫控器以及能夠準確感測房間溫度的溫度傳感器，該方法的流程如圖1所示，包括以下步驟:
[0032]S1、獲取每個房間內的溫度數據以及每個風機盤管的工作狀態數據。其中房間溫度數據為溫度與時間的序列(t，T)，T表示t時刻房間的溫度，每個風機盤管的工作狀態數據為工作狀態與時間的序列(t，U)，U表示t時刻風機盤管的工作狀態，以常見的三檔風速為例，U=O表示風機盤管停止，U=I表示風機盤管低風運行，U=2表示風機盤管中風運行，U=3表示風機盤管高風運行，即U古O時風機盤管處於運行狀態。將前述的溫度數據和風機盤管工作狀態數據發送至伺服器端，以進行下述步驟的分析和運算。
[0033]S2、提取在所述風機盤管運行狀態下的房間溫度變化數據，根據溫度變化數據判斷每個房間的溫度變化是否符合預期值，從而判斷房間製冷或制熱是否異常並用房間異常因子進行標記:如果異常，則房間異常因子為1，如果正常，則房間異常因子為O。對於本步驟S2，可以在獲取了一天(此處僅是舉例，提取數據和分析數據的時間間隔可以根據需要進行設置，也可以是三天，一周，一個月等，此處不構成限制)的數據之後，篩選出所述風機盤管運行狀態下的η個時間段的溫度數據，例如在某天內，風機盤管運行時間段有9:00~9:30，9:40~9:50，12:00~13:00，15:15~16:30等20個時間段，即η=20，無論是風機盤管以何種風速運行，只要是運行狀態(U Φ O)都提取出來，得到20個溫度數據集合，每個集合內都有若干個離散的溫度數據(t，T)，對於每一個溫度數據集合，都進行線性回歸，從而可以得到20個溫度與時間相關的線性方程Ti=^tJbi,其中i=l,2,…n，七和匕均為常數，此處舉例中的n=20，即得到20個&1，20個匕:
[0034]當中央空調以製冷模式運行的情況下，計算20個％中為負數的％佔總的％個數的比例P1，並將該比例Pl與一預先設定的閾值進行比較，該閾值可在70%~90%之間，此處優選該閾值為80%，若Pa ^ 80%，說明該房間製冷正常，標記該房間的異常因子為0，如果Pa < 80%，則表示該房間製冷異常，標記該房間的異常因子為1，表示連接該房間的空調設備可能異常；
[0035]當中央空調以制熱模式運行的情況下，計算20個％中為正數的％佔總的％個數的比例P2，並將該比例與前述的閾值80%進行比較(制熱模式下的該閾值與製冷模式下的閾值一致或不一致都行，此處優選是一致的)，若P2 ^ 80%，說明該房間制熱正常，標記該房間的異常因子為0，否則，標記該房間的異常因子為1，表示連接該房間的空調設備可能異
堂
巾O
[0036]需要說明，在上述的房間異常因子計算中，對溫度數據集合進行線性回歸時，可以採用最小二乘法，來得到前述的η個線性方程。
[0037]通過前述計算，得到房間異常因子之後，根據異常房間以及空調系統的組織架構(或者說連接關係)來分析每個空調設備的異常情況:
[0038]S3、計算中央空調的冷量或熱量傳遞管路上的各個設備的設備異常因子F:F=r/R，其中r表示該設備控制的異常房間數，R表示該設備控制的總房間數。接續前述步驟S2，以製冷為例，通常情況下，大型建築的中央空調系統採用水系統製冷，即由制冷機和冷卻塔產生冷凍水，水泵將冷凍水通過水管傳遞到各個風機盤管，風機盤管再通過出風口將冷風送入每個房間，冷量傳遞見圖2，圖3中展示了中央空調系統的部分架構，雖實際中系統構成較繁雜，但計算原理是相同的，此處以圖3中這個較簡單的系統來計算:根據前述得到的房間異常因子來計算設備異常因子，假如通過前述步驟S2的計算，得到第三房間和第四房間製冷異常，異常因子均為1，而第一房間和第二房間製冷正常，異常因子為O，通過公式F=r/R計算，可以得到圖4中的設備異常數據，圖4中每個設備下方標示出設備異常因子，可以看出，由於第三房間和第四房間製冷異常，則異常房間的冷量傳遞路徑上各設備的異常因子均大於O，表示該設備可能異常，且異常因子越接近1，通常異常的可能性越大。
[0039]S4、將η < F < I的設備標記為異常節點，以進行人工檢測排查，其中η為預定值且O < η 0.8的設備進行排查。通過步驟S3計算，得到了各設備的異常因子，標記出異常節點後，可以對異常節點設備進行人工檢查，以進一步確定異常設備。從圖4中可以看出，第三出風口、第四出風口、第五出風口、第二風機的異常因子F=l，都是存在異常可能性比較大的設備，需要人工檢測、排查。
[0040]前述設備異常因子的計算雖是對製冷模式的舉例，但制熱模式下，空調系統中的設備即使有所不同，設備異常因子的計算也仍然是一樣的，在此不再贅述。
[0041]通過上述分析方法，得知可能異常的設備後，再去進行人工檢測，不但需要檢測的設備減少了，工作效率提高了，而且能夠達到實時檢測的目的，在很大程度上減少了能源的浪費。
[0042]實施例2
[0043]本實施例是實施例1的一種簡化方案，與實施例1的區別僅僅在於，本實施例採用通過用戶主動報錯的方式，向服務端報送房間異常。而不是像實施例1 一樣通過對溫度等參數的變化進行自動判斷。本實施例的實現成本更低，也能夠有效縮小檢修人員的檢修、排查範圍，但無法通過數據提前判斷那些檢修性能衰退卻不易被人查覺的設備。
[0044]綜上所述，本發明提供的預測中央空調異常的方法，至少具有以下優點:通過檢測房間製冷或制熱是否異常，基於系統架構，計算設備的異常因子，通過標記異常節點，以及時通知空調維護人員進行實地檢查。由於本方法已經提前將可能出現問題的設備篩選出，這樣可以縮短維護人員尋找真正存在異常的設備的時間以及異常原因。
[0045]以上內容是結合具體的優選實施方式對本發明所作的進一步詳細說明，不能認定本發明的具體實施只局限於這些說明。對於本發明所屬【技術領域】的技術人員來說，在不脫離本發明構思的前提下，還可以做出若干等同替代或明顯變型，而且性能或用途相同，都應當視為屬於本發明的保護範圍。
【權利要求】
1.一種預測中央空調異常的方法，其特徵在於，包括以下步驟: s1、監測每個房間的製冷或制熱是否異常，並用房間異常因子進行標記:如果異常，則房間異常因子標記為1，如果正常，則房間異常因子標記為O ; s2、計算中央空調的冷量或熱量傳遞管路上的各個設備的設備異常因子F:F=r/R，其中r表示該設備控制的異常房間數，R表示該設備控制的總房間數；s3、將η≤F ≤ 1的設備標記為異常節點，以進行人工檢測排查，其中，η為預定值，且O≤ n ≤ 10
2.如權利要求1所述的方法，其特徵在於:所述中央空調具有與伺服器端連接的風機盤管溫控器以及溫度傳感器，所述溫度傳感器用以採集室內溫度，所述風機盤管溫控器用以將採集到的所述室內溫度和風機盤管的工作狀態發送至所述伺服器端； 所述步驟SI包括: SI 1、獲取每個房間內的溫度數據以及風機盤管的工作狀態數據； S12、提取在所述風機盤管運行狀態下的房間溫度變化數據，根據溫度變化數據判斷每個房間的溫度變化是否符合預期值，從而判斷房間製冷或制熱是否異常並用房間異常因子進行標記:如果異常，則房間異常因子為1，如果正常，則房間異常因子為O。
3.如權利要求2所述的方法，其特徵在於:所述步驟S12包括: 提取所述風機盤管運行的η個時間段的溫度數據集合，其中每個溫度數據集合內包含若干個離散的溫度數據點(t，T)，T表示t時刻房間內的溫度； 分別對每個溫度數據集合內的溫度數據點進行線性回歸，得到對應於所述η個時間段的η個溫度T隨時間變化的線性方程其中i=l，2，…n，Bi和匕均為常數； 當空調為製冷模式，計算為負數的％佔％總個數的百分比，並將得到的負數％百分比與預先設定的一閾值進行比較:若負數％百分比大於等於所述閾值，則判定該房間製冷正常，所述房間異常因子為0，否則，所述房間異常因子為I ; 當空調為制熱模式，計算為正數的Bi佔％總個數的百分比，並將得到的正數％百分比與所述閾值進行比較:若正數％百分比大於等於所述閾值，則判定該房間制熱正常，所述房間異常因子為0，否則，所述房間異常因子為I。
4.如權利要求2或3所述的方法，其特徵在於:所述n=l。
5.如權利要求3所述的方法，其特徵在於:所述步驟S12中，對所述溫度數據集合內的溫度數據點進行線性回歸時，採用最小二乘法。
6.如權利要求3所述的方法，其特徵在於:所述閾值為70%~90%。
7.如權利要求6所述的方法，其特徵在於:所述閾值為80%。
8.如權利要求2所述的方法，其特徵在於:所述風機盤管的工作狀態數據為(U，t)，U表示t時刻所述風機盤管的工作狀態，且U的值為0、1、2或3，U=O表示停止，U=I表示低風運行，U=2表示中風運行，U=3表示高風運行。
【文檔編號】F24F11/00GK103807980SQ201410077544
【公開日】2014年5月21日 申請日期:2014年3月4日 優先權日:2014年3月4日
【發明者】施曉亞, 李捷超, 張 林 申請人:施曉亞, 李捷超, 張 林