暖通空調系統故障檢測與診斷技術研究進展

趙友軍

（北京京投興檀房地產有限公司 北京 101502）

在樓宇項目中，中央空調故障的出現可以通過及時查找，降低20%～50%。因此一定要把故障的診斷方式運用至中央空調系統中，這樣才能夠快速且精準地找到故障所在區域，降低相關設備的檢修時長，確保設備的正常運行，減少其能耗，優化節約能源的效果。

1 中央空調系統的常見故障

當下伴隨著人們對于生活質量的要求越來越高，中央空調系統在各類型的樓宇項目中被廣泛地應用，這樣可以滿足不同建筑和室內人們對于空氣及溫度的不同需求，但是由于中央空調系統自身是根據流體流動的驅動部件，并由各種熱交換器、設備、管路等一同構造，因此，要把中央空調故障細分為3 類，包括傳感器的故障、執行部分的故障、被控制部分的故障。

因中央空調的系統自身的特點是非線性質、繁雜多變、眾多子系統，以及相關數據控制一同構造，所以當下構建起相對完善且通用于各類型空調的系統問題診斷方式是不太容易實現的，本文著重分析中央空調系統中的核心設備部分，提出故障的診斷措施［1］。

2 中央空調系統關鍵設備的故障分析——冷水機組

2.1 冷水機組故障分析

因為冷水機組其自身非常繁雜，導致其出現故障的頻率很多，故障的問題種類也很多，依據相關故障的特征，可以把所有的故障細分成兩種，即硬性問題與軟性問題。硬性問題包括冷水機組中，壓縮設備出現問題、PLC 的問題、電氣構件的問題，這些屬于突發問題的故障情況，如果出現硬性問題，機組中部分數據會馬上出現偏離的問題，并迅速蔓延，造成冷水機組的設備無法作業，但是這種問題很容易被找到，所以不會發展得太嚴重。但是，冷水機組的軟性問題就不一樣了，軟性問題一般情況下是不容易被馬上找到的，因為在冷水機組出現軟性問題時，其總體依舊可以正常運行，不會出現馬上停機的情況。軟性問題大多數都是使冷水機組發生整體的故障，本文所探討的核心便是冷水機組的軟性故障類型，利用可靠的方式，解決軟性問題，減少冷水機組的總體能耗，同時優化機組的總體制冷效率［2］。如果冷卻水泵出現運轉失誤、冷凝裝置發生結垢，或者冷卻水的閥門部位出現破損，都會造成冷卻水的流量出現問題。由于冷卻水的端口，其水的溫度變得不穩定，就會造成冷凝器出現故障。

使用適量的潤滑油，能夠確保壓縮設備的正常運行工作，并且確保其使用的時間。可是，一旦使用過多的潤滑劑，就會難以控制，多出來的潤滑劑極有可能進入氣道中，之后再進入壓縮設備的氣缸中，就會出現液擊的問題；還容易進入蒸汽設備與冷凝設備中，在其設備中形成污漬，之后會對其換熱的作業帶來負面的影響，最后會造成壓縮的功率浪費問題。

本文所分析的冷水機組設備軟性問題，使用的是自模擬數據的方法，實施機組問題的仿真模擬，并依據試驗的成果，進一步證明故障分析方式的使用性能。

2.2 冷水機組故障特征變量

基于上文所述，從故障的分析內容可知冷水機組的問題故障因素是多種多樣的，一旦出現軟性問題，就會導致很多的故障隨之出現。例如，冷凍水的運行出現問題，造成蒸發設備的壓力程度不夠，導致溫度的減少；同理可知，這樣一個類型的情況發生，就等于涵蓋了很多的故障根源，如空調設備的功率被無效消耗，這種問題的根源可能是由于冷水機組里存在無法凝固的氣體，也可能是由于潤滑劑的不慎進入。這樣一來，伴隨軟性問題的出現，故障也在不斷增加。所以，在選擇特征變量環節，需要切實參考故障之間的特點，分析其之間的關系［3］。

3 中央空調系統關鍵設備故障診斷方法與仿真

3.1 冷水機組故障與特征變量

綜合上一部分中，冷水機組軟性問題的種類及特點變化的敘述，此環節對于軟性問題實施有關模擬，本文選取的冷水機組模擬故障，是假設冷卻水量出現問題，冷凍水的流量也不夠，制冷劑出現泄漏的情況，還有潤滑油出現過多的問題，相對選擇的冷水機組，其特性的變化是冷凝設備在進水時的溫度（TCI）、冷凝設備排水環節的溫度（TCO）、蒸發設備輸水階段溫度（TEI）、蒸發設備排水環節溫度（TEO）、壓縮設備（To-sump）這5個溫度情況。冷水機組故障類型與特征變量之間的關系詳見表1。

表1 冷水機組故障類型與特征變量之間的關系

為精簡故障的環節，這里不參考問題之間的耦合情況，只是單獨對于某一類問題的出現，便于實施冷水機組的問題診斷模擬分析。這里把冷水機組其特征變量正常及故障狀況下的溫度區域設定相關的參數，詳見表2。

表2 中采用變量的E代表冷卻水的進出端，其水的溫度變化TCO-TCI；變量F代表冷凍水的進出端，其水的溫度變化TEI-TEO；變量G代表蒸發設備，其水的溫度變化TEO；變量H代表的壓縮設備，底部的油溫變化To-sump［4］。

表2 冷水機組特征變量正常與故障狀況下溫度范圍

3.2 基于神經網絡的故障模式識別

構建基于BP網絡的冷水機組設備，其故障的模擬情況，設計BP網絡的隱含層神經元，其數目是20，網絡訓練的預估偏差值假設為0.001，作業的速率取值0.01，最強的訓練次數取值為1000，最終的冷水設備問題診斷成果，詳見圖1［5］。

根據圖1（a）可知，BP網絡的訓練數據與實際的參數很接近，只在潤滑油的輸出環節中（輸出數據為4），有一些明顯的偏差，總體訓練成果是很好的，并且進行訓練的時長不多，只是訓練的步長是3的環節，網絡的相關訓練就結束了［6］。根據圖1（b），冷水機組的問題診斷，在作業正常的時候，預測的誤差數據可能會更大一些，在別的狀況中，預測的數據都與實際的數據相對吻合。這個時候，BP 網絡的模擬成果，其平均的誤差數據是0.0405。同時，根據圖1（c）分析，BP 網絡的總體參數，其回歸的模式很大，并沒發生特別明顯的誤差問題，這可以證明BP網絡能夠用于冷水機組的問題診斷作業中［7］。

圖1 冷水設備在基于BP 網絡的問題判斷成果

4 結語

綜上所述，本文對中央空調系統中，冷水機組設備的軟性問題故障，實施了有關的研究分析，進行基于神經網絡的問題判定實驗。把這種方式實施模擬實驗，基于BP網絡，冷水機組的問題判斷，做了仿真的驗證，其實驗的成果，證明神經網絡可以應用于冷水機設備，軟性問題的判斷、問題的測試成果、相關的誤差不明顯，達到了設定的網絡目標誤差，進一步為基于大數據背景的空調故障診斷提供了新思路。