晏新奇 杨学宾 何如如

东华大学环境科学与工程学院

0 引言

预计从 2015 年到 2030 年，中国的能源需求将增长4.5%[1]，其中建筑系统的能源消耗通常占总能耗的40%～50%[2]。然而，随着空调系统变得日益复杂，空气处理机在维护不当时，许多故障仅通过人为观察或判断难以被及时发现，导致空调系统的能耗通常比正常运行时增加15%～30%[3]。因此，开发与完善空调系统的故障检测技术十分有必要。

近年来，故障诊断技术得到了飞速的发展，国内外许多学者进行了大量的科学研究工作。Padilla Miguel 等[4]提出了一种结合主成分分析法与主动功能测试的方法，能够有效隔离空调箱故障。Timothy Mulumb 等[5]对将支持向量机技术应用于在线估计器递归计算模型参数，提出了一种基于模型的故障诊断方法。王海涛等[6]提出了残差累积和控制图结合规则的方法。Rui Yan 等[7]提出了一种基于决策树的空调箱数据驱动诊断策略，采用分类回归树算法进行决策树归纳。Y ang Zhao 等[8]提出了一种诊断贝叶斯网络为基础的方法来诊断大多数常见的空调箱（Air Handling Unit，AHU）28 个故障。D ebashis Dey 等[9]提出将空调箱性能评价规则与贝叶斯信念网络相结合，开发了一种AHU 故障检测与诊断方法。本文采用ASHREA 1312现场实测数据，结合主成分分析（Principal Components Ananlysis，PCA）与模式匹配（Patten Matching，PM）方法检测故障。

1 建模数据库介绍

1.1 系统介绍

本文验证数据来自美国爱荷华州能源站[10]现场实测的数据。该建筑物东南西北方向各有并排的测试房间A 和 B，面积相同并且彼此相邻。房间A 内引入故障，房间B 作为参考房间，保持正常运行。……