【摘要】：用能評估與診斷是對能耗的使用情況進(jìn)行評價,識別出用能異常情況,對節(jié)能優(yōu)化有著重要意義,對節(jié)能管理工作的開展有著指導(dǎo)價值。作為常見的暖通空調(diào),對多聯(lián)機系統(tǒng)進(jìn)行用能評估與診斷對優(yōu)化多聯(lián)機性能、建筑節(jié)能、提高能源效率有著重大意義,基于數(shù)據(jù)驅(qū)動的用能評估與診斷方法具有運算快速、準(zhǔn)確率高等優(yōu)點,有著較大的應(yīng)用和推廣價值。本文針對多聯(lián)機系統(tǒng)進(jìn)行用能評估與診斷,對多聯(lián)機正常實驗工況下的用能正常數(shù)據(jù)集進(jìn)行預(yù)處理,采用不同數(shù)據(jù)驅(qū)動算法對多聯(lián)機用能進(jìn)行預(yù)測,確定最佳預(yù)測模型,將基于預(yù)測模型輸出的預(yù)測值與實際值間的差異作為輸入變量,構(gòu)建基于單分類算法的多聯(lián)機用能評估與診斷模型,并將多聯(lián)機制冷劑充注故障工況下的用能異常數(shù)據(jù)應(yīng)用到模型中。根據(jù)多聯(lián)機正常實驗工況下的數(shù)據(jù)集構(gòu)建多聯(lián)機用能預(yù)測模型。采用相關(guān)性分析等方法,提取四個對多聯(lián)機用能有重要影響的特征變量:壓縮機運行頻率、壓縮機排氣溫度、室外環(huán)境溫度、部分符合率(PLR)。采用局部異常因子算法剔除異常樣本,數(shù)據(jù)標(biāo)準(zhǔn)化,優(yōu)化建模的數(shù)據(jù)。分別采用多元線性回歸算法、支持向量回歸算法、BP神經(jīng)網(wǎng)絡(luò)、隨機森林四種算法構(gòu)建預(yù)測模型,結(jié)果分析表明支持向量回歸算法(SVR)預(yù)測精度高于其他算法,用于構(gòu)建預(yù)測模型。采用遺傳算法方法(GA)對支持向量回歸算法的參數(shù)C和g進(jìn)行尋優(yōu),確實最優(yōu)參數(shù)C=1.0843、g=14.101,參數(shù)尋優(yōu)提高了預(yù)測模型的精度�？紤]到實際運行工況的影響,提出了一種基于聚類的預(yù)測模型,針對不同類別樣本分別建立預(yù)測模型,預(yù)測精度略有提高。綜合考慮建模的簡便性等因素,確定GA-SVR模型作為最優(yōu)預(yù)測模型�；诙嗦�(lián)機系統(tǒng)正常實驗工況下的數(shù)據(jù)構(gòu)建用能評估與診斷模型,根據(jù)GA-SVR預(yù)測模型對多聯(lián)機用能進(jìn)行預(yù)測,將預(yù)測值與實際值的差值和比值作為輸入變量,構(gòu)建基于兩種單分類算法——單類支持向量機算法(OCSVM)和支持向量數(shù)據(jù)描述算法(SVDD)的用能評估與診斷模型,然后將多聯(lián)機系統(tǒng)故障實驗工況下的數(shù)據(jù)作為用能異常數(shù)據(jù),應(yīng)用到構(gòu)建好的多聯(lián)機用能評估與診斷模型。多聯(lián)機用能評估與診斷結(jié)果表明,基于OCSVM的多聯(lián)機用能評估與診斷模型和基于SVDD的多聯(lián)機用能評估與診斷模型均可高準(zhǔn)確評估與診斷出制冷劑充注故障實驗工況下的多聯(lián)機用能異常情況,特別在制冷劑充注不足與過量故障較為嚴(yán)重時,其用能異常診斷效率達(dá)到85%以上。
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TB657.2
【圖文】：

圖 2- 2 多聯(lián)機用能評估與診斷框架 采集匯總后的原始數(shù)據(jù)，數(shù)據(jù)變量繁多且冗雜，不利于模型的構(gòu)建與分析行特征提取，選擇對建模有益的變量來構(gòu)建模型，從而簡化模型的構(gòu)建。另對原始數(shù)據(jù)集進(jìn)行異常值剔除，去除原始數(shù)據(jù)集中的異常樣本，有助于提型的精度。 經(jīng)過異常值剔除、特征提取后的數(shù)據(jù)需要標(biāo)準(zhǔn)化處理。由于采集得到的數(shù)同變量參數(shù)有著不同的數(shù)量級和量綱，為了保證建模結(jié)果的有效性與準(zhǔn)確對不同量綱的數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，來消除不同量綱之間的影響。通過標(biāo)，將數(shù)據(jù)轉(zhuǎn)化為無量綱數(shù)值，各參數(shù)轉(zhuǎn)化為同一數(shù)量級，便于建模評價指數(shù)據(jù)標(biāo)準(zhǔn)化方法有多種，比如：“最小—最大標(biāo)準(zhǔn)化”、“Z-score 標(biāo)準(zhǔn)化采用“最小—最大標(biāo)準(zhǔn)化（Min-max normalization）”，又名離差標(biāo)準(zhǔn)化，公式（2-1）對數(shù)據(jù)進(jìn)行線性變換，將數(shù)據(jù)映射到[0,1]區(qū)間。

中 科 技 大 學(xué) 碩 士 學(xué) 位 論 異常檢測方法，用于剔除異常值，獲得用于建模的相關(guān)因子（LOF）[49]是一種基于密度的異常檢測方法，其主通過計算樣本中每個樣本點與該點鄰域點之間的偏差來定一個數(shù)據(jù)集 M，其中點 p 和 o 表示 M 中的數(shù)據(jù)點，間的距離，簡化用 d(p, o)表示，要求其一定要達(dá)到以下兩包括 p 的樣本點 ( ∈ )距離樣本 p 的距離 d(p, ) 不包括 p 的樣本點 ( ∈ ) 距離樣本 p 的距離 d(p, 本 p 的第 h 距離的鄰域區(qū)間的所有樣本點，其大小應(yīng)該th(p, o)表示樣本點 p 到樣本點 o 的可達(dá)距離，其表達(dá)公式 - ( , ) max { - ( ), ( , ) }hreach dist p o h distance o d p o

圖 3- 2 數(shù)據(jù)集中樣本的局部異常因子 的預(yù)測模型的預(yù)測效果，從模型的性能差異確定最佳預(yù)測模型。 .1 多元線性回歸多元線性回歸方法（MLR）是較常見的回歸算法。多聯(lián)機用能作為預(yù)測模變量。圖 3- 3（a）和（b）分別表示基于 MLR 算法的訓(xùn)練集和測試集的預(yù)圖中橫向坐標(biāo)表示多聯(lián)機用能的實際值，縱坐標(biāo)表示預(yù)測模型輸出的多聯(lián)測結(jié)果，實斜線表示斜率為 1 的擬合線，圖中預(yù)測點越靠近實斜線表明預(yù)好。另外，兩條虛斜線分別表示-15%和+15%的相對誤差線，意味著在這兩之間的點都是預(yù)測值和實際值的相對誤差小于 15%的點。同時，為了定量模型的準(zhǔn)確度，通過計算 RMSE、MAE 和 MAPE 來評估預(yù)測模型方法。 可以看出訓(xùn)練集和測試集都有較多的點沒有落在兩條相對誤差線內(nèi)，較多實線。訓(xùn)練集的 RMSE、MAE 和 MAPE 分別是 0.541、0.38 和 8.89，而測估結(jié)果是 0.527、0.373 和 7.82，計算結(jié)果表明基于 MLR 算法的多聯(lián)機用

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉莉莉;;土壤源水冷多聯(lián)機系統(tǒng)供熱特性實驗研究[J];城市建設(shè)理論研究(電子版);2016年36期

2 張超甫;李紅旗;趙志剛;周彬彬;;多聯(lián)機系統(tǒng)中電子膨脹閥運行特性研究[J];制冷;2007年01期

3 賴雪龍;王憲;王曉冬;;深圳地鐵空調(diào)變頻式多聯(lián)機系統(tǒng)的節(jié)能分析[J];城市軌道交通研究;2011年02期

4 周增;李金彪;劉鵬;;淺談多聯(lián)機系統(tǒng)的施工控制[J];科技傳播;2010年12期

5 聶揚;;多聯(lián)機系統(tǒng)圖形法建模方法[J];建筑熱能通風(fēng)空調(diào);2007年06期

6 陳晗;;多聯(lián)機系統(tǒng)的問題及對策[J];科技展望;2014年17期

7 卞相娟;曲濤;張春霞;;多聯(lián)機系統(tǒng)與半集中式空調(diào)系統(tǒng)能耗分析與比較[J];中國高新技術(shù)企業(yè);2008年20期

8 ;工程設(shè)計問答(31)[J];暖通空調(diào);2013年04期

9 劉曉慶;夏卓平;;淺談水源熱泵多聯(lián)機系統(tǒng)設(shè)計要點[J];江蘇建筑;2019年05期

10 龍力;;空調(diào)多聯(lián)機系統(tǒng)優(yōu)化研究[J];機電信息;2016年06期

相關(guān)會議論文 前10條

1 胡松濤;宋偉;李緒泉;;水冷多聯(lián)機系統(tǒng)特性的仿真研究[A];山東土木建筑學(xué)會熱能動力專業(yè)委員會第13屆學(xué)術(shù)交流會論文集[C];2010年

2 胡松濤;張玉瑾;潘黛岱;王婧倩;;夏季水冷多聯(lián)機系統(tǒng)等效水源半徑的研究[A];山東土木建筑學(xué)會熱能動力專業(yè)委員會第13屆學(xué)術(shù)交流會論文集[C];2010年

3 胡松濤;張玉瑾;潘黛岱;王婧倩;;夏季水冷多聯(lián)機系統(tǒng)等效水源半徑的研究[A];中國建筑學(xué)會建筑熱能動力分會第十七屆學(xué)術(shù)交流大會暨第八屆理事會第一次全會論文集[C];2011年

4 胡松濤;宋偉;李緒泉;;水冷多聯(lián)機系統(tǒng)特性的仿真研究[A];中國建筑學(xué)會建筑熱能動力分會第十七屆學(xué)術(shù)交流大會暨第八屆理事會第一次全會論文集[C];2011年

5 韓俊;;空調(diào)(熱泵)多聯(lián)機系統(tǒng)的應(yīng)用[A];山東省暖通空調(diào)制冷2007年學(xué)術(shù)年會論文集[C];2007年

6 宮華耀;矯曉龍;李亞軍;任兆亭;何成軍;;應(yīng)用于多聯(lián)機系統(tǒng)的智能獨立人感主控邏輯及檢測算法的研究[A];2019年中國家用電器技術(shù)大會論文集[C];2019年

7 楊柳春;袁周;;多聯(lián)機使用性能淺析[A];土木建筑學(xué)術(shù)文庫(第15卷)[C];2011年

8 余凱;姜燦華;熊建國;;數(shù)碼多聯(lián)機系統(tǒng)回油特性[A];第八屆全國空調(diào)器、電冰箱（柜）及壓縮機學(xué)術(shù)交流會論文集[C];2006年

9 王新亞;張志剛;聶亞飛;樊健;石云從;;某高層辦公樓多聯(lián)機系統(tǒng)室外機換熱條件研究[A];綠色設(shè)計 創(chuàng)新 實踐——第5屆全國建筑環(huán)境與設(shè)備技術(shù)交流大會文集[C];2013年

10 董麗娟;張旭;楊潔;;土壤源多聯(lián)機系統(tǒng)極限工況運行特性實驗研究[A];2013年第十五屆西南地區(qū)暖通熱能動力及空調(diào)制冷學(xué)術(shù)年會論文集[C];2013年

相關(guān)重要報紙文章 前1條

1 本報記者 趙君利;高性價比的供暖選擇[N];中國建設(shè)報;2014年

相關(guān)碩士學(xué)位論文 前10條

1 劉佳慧;基于數(shù)據(jù)驅(qū)動的多聯(lián)機系統(tǒng)用能評估與診斷[D];華中科技大學(xué);2019年

2 劉鵬飛;基于長短期記憶網(wǎng)絡(luò)的制冷劑剩余量的預(yù)測研究[D];華中科技大學(xué);2019年

3 張瑩;水冷VRV系統(tǒng)特性分析與應(yīng)用研究[D];沈陽建筑大學(xué);2015年

4 禹法文;基于主元分析的多聯(lián)機系統(tǒng)傳感器故障檢測與診斷[D];華中科技大學(xué);2018年

5 宋偉;水冷多聯(lián)機系統(tǒng)特性的仿真研究[D];青島理工大學(xué);2010年

6 鄭坤;空調(diào)多聯(lián)機系統(tǒng)優(yōu)化研究[D];西安建筑科技大學(xué);2007年

7 周柯岑;土壤源水冷多聯(lián)機系統(tǒng)特性研究[D];南京理工大學(xué);2014年

8 位耀華;土壤源水冷多聯(lián)機系統(tǒng)供熱特性實驗研究[D];青島理工大學(xué);2011年

9 林博;土壤源水冷多聯(lián)機系統(tǒng)全年運行特性研究[D];青島理工大學(xué);2012年

10 閆小濤;數(shù)碼多聯(lián)機系統(tǒng)的研究[D];華南理工大學(xué);2009年

本文編號：2792062