大數據統計分析方法在空調控制系統中的應用

楊 都

（珠海格力電器股份有限公司 珠海 519070）

引言

隨著消費水平的提高，用戶對于空調的智能化、舒適度和便捷性要求越來越高，如何確保空調在可靠運行的同時，為用戶打造良好的空氣品質、舒適的居住環境和良好的使用體驗，成為智能空調發展的核心關鍵。

空氣調節器的任務是向室內提供預訂的冷量、熱量、新風量，通過空氣循環交換，以保證室內具有適宜的溫度、濕度及空氣品質[1]。由于空調所面向的用戶人群構成復雜，用戶對空調運行及節能知識了解不多，容易造成從控制源頭上造成的能源浪費（例如制冷時設定溫度過低，制熱時設定溫度過高等，造成能耗升高），影響空調的舒適使用效果（過冷、過熱影響用戶的舒適體驗），同時也不利于各用戶對能耗的控制，達不到更好的節能減排效果，對于分戶計費的用戶則增加了用戶承擔的費用[2]。空調制冷系統和控制系統結構復雜、傳感器眾多，任何節點的故障均會對正常使用造成影響，影響用戶體驗。

科學技術的發展，為解決上述問題帶來了新的解決方案，基于空調控制技術、大數據技術和統計學分析方法[3，4]及更多人工智能技術，進行暖通空調控制系統的創新升級，打造智能空調成為行業發展新趨勢。

1 大數據應用現狀

空調系統主要由冷媒系統和控制系統組成，冷媒系統主要由壓縮機、風機、各類電磁閥、高低壓傳感器、溫濕度傳感器等各類不同用途的負載和傳感器構成，控制系統則根據各類傳感器檢測結果、負載的運行狀態結合用戶的目標需求，對壓縮機頻率、風機轉速等進行調節，最終實現室內環境溫度的調節。

在空調系統運行的過程中會產生大量的運行數據，包括運行參數、操作記錄、故障記錄等等，其中蘊含著空調的監控狀態、系統節能程度、用戶使用習慣、當地環境氣候特征等有較高分析利用價值的信息。

隨著LTE、5G、WIFI、Zigbee等通訊技術在空調上的應用，空調運行數據和歷史數據的獲取更加方便，加之云存儲和云計算技術的應用，利用空調大數據進行分析、挖掘其運行特征、總結使用規律，進而助力空調優化升級逐漸成為空調廠家的研究方向。例如，利用空調一段時間的運行數據進行用戶使用習慣的分析，進行自動控制功能的開發 ；利用歷史故障數據，進行關聯規則的分析，挖掘產生故障的原因；利用天氣大數據結合空調室內外溫度情況，進行節能控制策略制定等等。

目前，各大空調廠商均對空調大數據分析進行了一定的研究和布局，在空調大數據采集、分析、控制方面均進行了投入，物聯網空調、AI空調、智能云空調、云邊協同等概念次第出現，大數據在空調領域的運用呈現出積極發展的新局面。

2 大數據分析方法

空調控制系統的大數據分析方法主要分為基于通訊技術的數據采集與處理、基于統計學和云計算的數據描述與分析以及基于空調控制技術的結果解釋應用等步驟。

2.1 數據獲取

空調由于自身存儲有限僅會存儲重要信息和部分關鍵故障在機組本身的存儲器，大量的實時運行數據和長時間的操作記錄、故障記錄需要通過專用設備進行獲取。一般來說，廠家會配備專用的數據采集器進行數據的抓取，部分廠商還會配備4G模塊、internet接口等直接連接云服務器實現實時數據上云。

大數據分析的目標是采用全樣本數據，而不是抽樣，獲取到的數據越多、越全，對結果越有利，因此在數據采集時，需要盡可能的獲取完整的樣本數據。

在完成數據的采集后，需要對數據進行預處理，根據分析目標，對數據進行格式化、標準化及簡單的分類、排序等處理，如果涉及多個數據表、不同的數據庫等，則進行合并數據表、統一建庫，以便于下一步的分析操作。例如，針對不同空調內機風擋名稱不一致、數量不同等，需進行統一的量綱處理，對不同的感溫包值進行數值精度統一，對不同內機的字段名稱進行統一，合并不同ID內機的表格等等。表1為以空調感溫包數據為例，常用的數據預處理后的樣本格式。

表1 樣本數據格式示例

2.2 數據的描述性分析

在完成數據的采集和預處理后，需要根據研究的目的，進行目標變量的選擇，并對目標變量進行描述性分析。描述性統計[5]分析主要是對所有變量的有關數據進行數據的頻數分析、集中趨勢分析、離散程度等分析內容，輸出一些基本的統計圖表、圖形，并從分析結果上獲取變量自身、變量之間等問題、相關性、趨勢等內容。主要包括如下分析:

1）數據的頻數分析

利用頻數分析和交叉頻數分析可以檢驗異常值，可以輸出頻數分布表。

2）數據的集中趨勢分析

用來反映數據的一般水平，主要包括數據的平均值、中位數和眾數等。

3）數據的離散程度分析

主要是用來反映數據之間的差異程度，常用的指標有方差和標準差。

4）數據的分布

在統計分析中，通常要假設樣本所屬總體的分布屬于正態分布，因此需要用偏度和峰度兩個指標來檢查樣本數據是否符合正態分布[5]。

5）數據的相關性分析

通過相關性分析，可得出兩兩變量之間是否存在顯著性相關關系，對解釋變量的選擇和模型的建立有較好的知道意義。

運用數據分析SPSS軟件，表2展示了某工程空調運行數據樣本常規描述性統計量，圖1展示了某工程空調室內環境溫度的直方圖。

表2 某工程空調運行數據樣本描述統計量

圖1 某工程空調室內環境溫度直方圖

2.3 數據建模分析

在完成數據的描述性分析之后，對數據的大致形態、規律以及數據之間的關系有了初步的了解，此時需要結合分析的目標，進行數據模型選定，在探索性分析的基礎上提出一類或幾類可能的模型，然后通過進一步的分析從中挑選一定的模型[6]。

常見的數據分析模型包括分類回歸模型（例如KNN算法、決策樹、貝葉斯等）、聚類分析（K均值算法）、關聯分析、時序模型（支持向量機）、結構優化等等，通常需要根據數據的形態分布特征等進行選擇。

根據模型進行數據分析之后，需對模型進行評估檢驗，通過均方誤差、置信度、業務符合度等參數對模型的精度、準確性進行評估，同時結合分析的目標對模型的結果完整性進行評估。

2.4 數據解釋與應用

在完成數據的建模分析之后，可以將得出的結果以及模型用于具體的業務中。例如，根據空調溫度變化的特性及影響因素模型，對故障進行預測；根據用戶使用習慣，對空調進行節能控制等等。同時，在模型的使用過程中，根據實際應用的效果，不斷對模型進行調整和優化，以達到更好的效果。

3 應用場景

大數據分析應用于空調控制系統的各個方面，常見的應用主要有故障預測、節能控制、智能控制及智能運維等等。

3.1 故障預測

空調系統由于電磁閥、壓力類傳感器、溫度類傳感器等數量眾多，壓縮機、風機控制技術復雜，且大型系統冷媒循環系統龐大，在每個環節都有可能出現故障。當空調機組出現關鍵部件或傳感器（例如溫度傳感器）故障時，需要售后人員到現場進行維修處理，期間無法正常使用，而維修需要周期，會對用戶的生產生活造成影響。

由于空調是一個整體的系統，各部件或傳感器之間并不是孤立存在的，某個故障的發生，必然會由一定的其他因素引起，因此可以通過使用大數據的分析方法對某個特定故障進行分析，尋找出其影響因素，并通過模型進行故障預測，對可能發生故障的空調進行提前檢修或維護，以免對用戶造成損失。

圖2為針對某多聯式空調工程，基于R語言的環境感溫包故障回歸分析模型結果，根據回歸方程，可以較為方便的對某一時刻的環境溫度傳感器值進行預測。當機組檢測到環境溫度傳感器故障時，可通過采用預測值進行機組應急控制，滿足用戶的使用需求。

圖2 基于R語言的環境感溫包故障回歸分析模型結果

3.2 智能控制

智能一直是空調的發展方向，通過大數據分析方法，對空調的歷史運行規律進行研究，并總結出其規律模型，針對特性的參數進行預測進而對控制系統進行優化是提升空調智能化的重要手段。例如通過用戶使用習慣，對用戶每天使用空調時間及設定溫度進行智能預測；通過對溫變化快慢趨勢及影響因素進行分析，來實現智能節能控制等等。

由于空調運行能耗在建筑能耗構成中占據很大的比例，節能降耗一直是空調研發的重要任務。基于特定機型和特定運行環境的空調運行和使用情況大數據進行研究，可以為空調的節能控制帶來助力。例如某空調工程的集中控制系統，通過建立用戶開關時間、設定溫度、使用時長及耗電量之間的回歸模型，為用戶提供設定固定時間周期內的室內機節能目標值的功能，根據用戶設定的節能目標值，結合用戶設定的模式、室內機環境參數（室內溫度、室內濕度），根據模型進行計算，得出優化后的節能運行設定參數，并對室內機控制參數自動進行實時調整，智能分配和設定室內機輸出，以達到節能效果，解決多聯機耗能過高，造成不必要浪費的問題。

3.3 智能運維

大數據技術除了能助力空調控制系統的開發之外，還能為空調的運維系統提供支持。針對大型中央空調的系統工程，可通過對天氣、人流量、體感舒適度及各傳感器數據進行建模分析，對空調運行狀態進行智能調節。

另外，空調監控系統也可以和廠家售后支持系統連接，通過故障預測的相關模型和算法，對空調運行狀況進行監測。廠家云服務系統根據實時上傳的運行數據，運行預測模型，智能判斷故障類別及處理方案，進行智能派工，以實現即時服務，提升運維效率和用戶體驗。

4 結束語

本文簡要介紹了大數據在空調控制系統中的應用，闡述了大數據統計分析方法的步驟，并介紹了大數據在空調控制系統中的應用場景，為空調控制系統設計和運維方面的智能化升級方案提供了一定的參考。

隨著通訊技術、大數據技術和人工智能技術的發展及其在空調領域的深度應用，基于統計學原理進行空調大數據挖掘、分析、研究，進而助力空調更加智能化、節能化、舒適化，勢必成為空調行業發展的新方向。