智能楼宇空调系统故障预测与诊断的研究
Research on Air-conditioning System Fault Prediction and Diagnosis
随着世界经济的发展,能源的消耗量越来越高,世界能源需求量以每年大约2%的比率增长,在中国、泰国、马来西亚和新加坡,这一增长比率平均每年都超过了5%.近年来,由于能源紧张和环境污染已经成为各国共同面临的发展难题,节能问题越来越受到各国的普遍重视,我国先后推出了"十一五"节能规划和中长期节能规划,力争在尽可能短的时间内把能源消耗降下来.随着建筑业的发展,建筑能耗问题不断被提及,同时能耗也越来越高.统计资料表明,建筑物的能源消耗占能源总消耗的11%-25%左右,我国建筑能耗占总能耗的28%.我国是能源消费大国,必须加大节能力度,而建筑能耗所占总能耗比重越来越大,国家已把建筑节能列为一项重要任务.智能建筑主要由楼宇自动化、办公自动化和通信网络系统组成,楼宇自动化系统是最主要的能耗对象,其中空调又是能耗大户,占总能耗的50%以上.由于空调系统组成复杂,在运行过程中难免出现各种各样的故障,这些故障会导致空调系统性能下降,也会消耗更多的能量.对其进行准确的故障预测和诊断,将会帮助人们减少空调维修费用,也能使其更高效的运行以节约能源,因此空调系统故障预测与诊断的研究具有重大的社会和经济效益.制冷系统是空调系统中的关键设备,本文对制冷系统进行故障调查分析总结出空调制冷系统在运行时出现的几种常见故障,在制冷系统原理的基础上分析了机组中各内在参数的相互影响,并结合安徽建筑工业学院智能建筑省级重点实验室现有空调制冷系统的基础上,建立了几种常见故障的判定规则表,并依据故障判定规则表,设计了支持向量机多故障分类器,建立了基于支持向量机的空调系统故障预测与诊断系统模型,并将其应用于空调故障预测与诊断系统中,得了良好的预测诊断结果,为实际工程应用起到了一些借鉴和指引作用.
- 作者：
- 李杨
- 学位授予单位：
- 安徽建筑工业学院
- 专业名称：
- 市政工程
- 授予学位：
- 硕士
- 学位年度：
- 2010年
- 导师姓名：
- 方潜生
- 中图分类号：
- TM925.12
- 关键词：
- 智能建筑；空调系统；制冷系统；支持向量机；故障预测与诊断
- Intelligent building；Air-conditioning system；Refrigeration system；Support vector machine；Fault prediction and diagnosis