庞义旭 鹿世化 陈玮玮 田建新

1 南京师范大学能源与机械工程学院

2 吴江炀明空调净化有限公司

0 引言

变风量空调系统一般由空气处理机组（AHU，A ir Handling Unit），风管系统，自动控制系统和末端装置4个部分组成，因具有节能和舒适性的优点[1]，受到了广泛的应用。但是，在操作过程中，控制元件不可避免地容易出现各种异常故障[2]。此类故障最终反映为能源效率下降，从而造成不必要的能源浪费[3-5]。因此对AHU 系统的故障检测研究具有重要价值及意义。

本文以某工厂变风量空调实验室为研究对象，首先收集AHU正常运行时的监测数据，经过滤波处理后，再利用标准化数据集 PCA建模，确定Q统计量[6-8]的阈值δ2，根据阈值SPE 统计量和阈值δ2的大小来确定AHU 的故障检测率，然后通过比较BP 神经网络算法[9]和Q贡献率图法对系统故障诊断诊断率，找出故障的具体来源，进而确定最佳系统故障诊断方案。

1 数据采集

研究对象是某工厂变风量空调实验室，原理图如图1 所示。AHU 中分布着新风温湿度传感器，混合风温湿度传感器，回风温湿度传感器和回风温湿度传感器，系统通过控制冷冻水阀门来控制送风温度，通过房间负荷来控制变频风机的送风频率。传感器及阀门信号数据每1 min 记录一次，通过MODBUS 协议传输到PLC 中，PLC 再通过物联网平台实时传送到云端。

图1 变风量空调系统原理图

为了能够全面的描述 AHU 的运行特性，从能量守恒和质量守恒出发，如图 2 所示，本文选取送风温度Ts、新风温度To、混合风温度TM、回风温度Tr、供水温度Tws、回水温度Twr、冷冻水流量Was、回风湿度Dr、送风量Mas这9 个变量为PCA 模型的原始数据集。……