孙 哲 金华强 顾江萍 黄跃进 王新雷 郑爱武 沈 希③

(*浙江工业大学机械工程学院 杭州310023)

(**浙江工业大学教育科学与技术学院 杭州310023)

(***伊利诺伊大学香槟校区农业与生物工程学院 厄巴纳IL61801)

(****加西贝拉压缩机有限公司 嘉兴314011)

0 引言

我国北方推行“煤改电”政策以来,热泵系统的使用量逐年增加。相关研究表明,热泵系统能源消耗约占建筑能耗一半以上[1],而建筑能耗作为用能大户,在社会总能耗中占比超过40%[2]。热泵系统运行故障会导致其效率降低,造成大量能源浪费,及时、准确地诊断出相关故障可以最大限度地保证系统高效运行,达到节约能源的目的。

现阶段热泵系统故障诊断方法逐渐朝着智能化方向发展,众多研究提出了一系列基于数据驱动和深度学习的故障诊断模型,提高了诊断精度。文献[3]构建了深度模型用于空气源热泵渐变故障诊断,较好实现了早期渐变故障的预警与诊断。文献[4]基于离散化贝叶斯网络诊断制冷机组,并在ASHRAE RP-1043 数据集上验证,得到了较高的诊断精度。文献[5]利用循环神经网络构建诊断模型,实现空气源热泵热水器制冷剂泄漏亚健康的预警与诊断。文献[6]对近年来建筑能耗智能诊断方法做了相关综述,较为详细地描述了热泵系统智能故障诊断的研究现状。然而这些诊断方法都需要大量的、带有故障标记的训练数据实现模型训练。而在实际系统中,并没有那么多故障数据,这些数据也很难准确标记出故障类型,这一限制成为了智能诊断方法实际应用的瓶颈之一。……