曹子涵，周镇新，陈焕新*

（1-华中科技大学中欧清洁与可再生能源学院，湖北武汉 430074；2-华中科技大学能源与动力工程学院，湖北武汉 430074）

0 引言

随着多联机空调在我国市场占有率的份额越来越高，故障诊断的需求也日益增加。目前采用机器学习和数据挖掘的方法对空调制冷系统故障进行诊断，以提高制冷系统的表现，从而节约能耗并延长系统寿命[1-6]。目前数据挖掘和机器学习的方法已经被广泛应用于制冷系统故障检测领域，ZHAO等[7]对近20年来基于数据驱动的建筑能源系统故障检测与诊断方法进行综述，揭示了该种方法在训练数据中学习模式方面表现的强大能力。包括例如主成分分析法[8]、人工神经网络[9]、支持向量机[10-11]等机器学习的方法也被广泛应用于空调系统故障诊断和能耗预测领域。HU等[12]采用自适应法优化主成分分析，对来自冷水机组的传感器异常进行了检测。FAN等[13]和ZHU等[14]采用小波去噪网络，对来自空气调节机组的传感器信号进行故障判别与诊断。LIU等[15]采用指数加权移动平均优化主成分分析法后，提高了空调系统中制冷剂充泄漏故障的诊断准确率。张善兴等[16]在反向传播神经网络模型的基础上，利用遗传算法优化了变风量空调系统空调箱软硬故障的故障诊断模型。蔡博伟等[17]基于空调焓差实验台的长周期运行状态数据，建立前馈神经网络预测模型，对焓差试验台故障进行了预测。

采用数据挖掘或者机器学习的方法进行故障诊断时，引入多样的丰富的数据，能有效提高模型对于故障的识别能力。……