基于大數據技術的暖通空調系統軟故障預診

李奕序

（太原學院環工系 山西 太原 030032）

1 大數據技術概述

根據我國現有的大數據技術來看，主要是針對龐大的數據所進行的有效分析及全面統計，從而根據分析結果對系統在之后運行過程中所有可能發生的故障問題進行判斷與預測?；诖髷祿夹g預診系統的故障問題，主要是由縱向和橫向數據的兩種分析方法。縱向數據分析法，主要是將規模較為龐大的歷史數據重新進行嚴密篩選以及合理的歸納劃分，合理有效地得出問題故障發生之前的一些檢測數據上的表現情況，然后再利用當前的監測數據與此表現狀況進行相互之間的對比，從而判斷與預測后期可能發生的問題故障；而橫向數據分析法，主要是利用當前監測的數據進行橫向對比，并通過與監測數據中較為異常的數據進行對比，判斷系統后期可能會出現的故障。縱向數據分析法主要是以歷史數據為依據進行分析對比，需要大量的歷史數據作支撐，若數據量不足，分析結果會缺乏準確性與有效性；橫向數據分析法則是通過當前多臺設備同時監測出的數據進行分析對比[1]。基于大數據技術的這兩種系統預診方法優缺點不同，可根據實際情況進行使用。

2 暖通空調系統的故障及其分類

暖通空調系統目前已經普遍使用。但在使用過程中往往會出現各種故障問題，這些故障不僅會影響空調的正常使用，而且可能會引發極其嚴重的后果。一般而言，暖通空調故障根據誘發原因與分類方法的不同，可以將其類型分為很多種，為了合理有效地規避和應對這種可能發生的故障，有必要對暖通空調系統的故障進行分析。暖通空調的故障主要有三種分類，第一種是自然故障與人為故障，第二種是分為全局故障與局部故障，第三種是分為軟故障與硬故障，以下對其進行相應的分析。

其一，自然故障與人為故障。自然故障主要指的是當系統處于正常運行狀態下時，系統自身原因引發造成的故障，其中設備自然磨損是最為常見的誘發原因；人為故障則是由于人們在使用過程中的操作不當或使用不當而引發系統出現故障[2]。

其二，全局故障與局部故障。全局故障指的是牽一發而動全身，即無論任何環節出現故障，都會影響到整個系統的運行，對系統影響較大；局部故障指的是系統某個特定部分發生故障的現象，當出現故障問題時，一般不會影響系統其他部分的運行，但若長期未進行維修，則會干擾到新系統其他部分的工作，甚至導致整個系統出現崩潰現象。

其三，硬故障與軟故障。這一類故障主要是根據故障程度進行劃分。硬故障指的是暖通空調設備或元器件完全失效的故障，此類故障具有突發性與破壞性等特征，檢測較為簡單，需要對暖通空調系統進行定期檢查與維護，確保系統故障發生幾率的有效降低；軟故障主要是針對暖通空調設備與元器件的逐步失效與故障的發生，主要是由系統的磨損或腐蝕等狀況引發的設備故障。軟故障在故障檢測方面較為難發生，若長時間不對其進行檢修或更換，會造成暖通空調系統發生故障的概率大幅度提升。在暖通空調日常運行發生的故障中，軟故障占比較重，屬于較為日常且常見的故障，發生時對系統不會造成太大的影響。

3 大數據技術在預診暖通空調系統軟故障中的應用概述

3.1 構建故障預診模型

故障預測模型的主要思路是利用大數據技術對待測數據進行巡檢，可以適用于多臺設備同時運行的各種系統。由于系統的不同，在特征與原理上都會存在差異性，需要對被監測數據的優先級進行重新分類與劃分，根據系統的主要特性與巡檢法預診軟故障對暖通空調系統進行故障預診模型的構建。通過故障預診模型，加之大量實時監測數據，可以及時有效地消除暖通空調系統軟故障，并對系統進行有效預診[3]。

3.2 軟故障特征與預診方式的確定

大數據技術應用在暖通空調軟故障預診中，主要是依靠大數據技術對大量數據進行定性或定量的分析與統計，進而判斷暖通空調可能會發生的故障。近年來，國內許多相關研究對現有的故障診斷方法進行了重新分類和劃分，將其分為定性分析和定量分析，這兩種方法都是基于大數據技術而產生的分析方法。定量分析方法主要是參考大量數據建立的，是一種根據分析對象的參數進行分析的方法，主要用于對數據量較為龐大的故障問題的診斷，即硬故障。軟故障具有一定的固定性，在故障預診模型建立方面較為困難，因此無法使用定量分析法；定性分析法是參考某領域相關專家多年的研究經驗，對具體分析的實施工具進行合理有效的利用，通過對被分析對象過去狀態與現代狀態的比較，提供全新的狀態信息，是判斷監測對象各種數值變化趨勢的一種有效的定性監測方法，由于該方法的診斷特征與軟故障預測的特點較為吻合，因此該方法多用于軟故障預診中[4]。

4 結語

綜上所述，為了可以更好地應對軟故障對暖通空調帶來的影響與風險，有必要加強對軟故障的預診。大數據技術目前在該領域已經受到了廣泛推崇，在今后也會成為一種應用與發展趨勢，只有重視基于大數據技術的暖通空調系統軟故障診斷，才能有效地提高暖通空調系統的診斷效率。