技术新讯 > 制冷冷却,气体的液化或固化装置的制造及其应用技术 > 加热制冷循环系统故障预警方法及系统与流程  >  正文

加热制冷循环系统故障预警方法及系统与流程

  • 国知局
  • 2024-07-29 14:06:10

本发明涉及加热制冷循环系统运维的,特别是涉及一种加热制冷循环系统故障预警方法及系统。

背景技术:

1、随着现代工业生产和居民生活的不断发展,加热制冷循环系统在众多领域如空调系统、冷冻冷藏设备、化工过程控制等方面扮演着至关重要的角色。然而,在长期运行过程中,加热制冷循环系统的组件由于磨损、老化、污染或操作不当等原因,可能会出现性能衰减甚至突发性故障,这不仅会影响系统的效能和稳定性,严重时还会造成能源浪费、设备损坏以及生产中断等重大损失。

2、现有技术中,虽然许多加热制冷循环系统配备了基本的监控与报警功能,但大多数仅限于检测到设备是否完全失效,对于设备性能逐渐劣化或即将发生故障的早期预警能力有限。如何准确地捕捉到加热制冷循环系统运行状态细微变化,进而预测潜在的故障风险,成为加热制冷循环系统智能化管理的一大挑战。

技术实现思路

1、为解决上述技术问题,本发明提供一种降低监控与报警功能的局限性,提高了加热制冷循环系统的运行效率和安全性的加热制冷循环系统故障预警方法及系统。

2、第一方面,本发明提供了加热制冷循环系统故障预警方法,所述方法包括:

3、根据加热制冷循环系统的结构组成,将其划分为若干个设备子系统;

4、采集各个设备子系统的实时工作状态参数集合 以及加热制冷循环系统在对应设定温度条件下各个设备子系统的理想工作状态参数集合 ;同一设备子系统的实时工作状态参数集合和理想工作状态参数集合均包括若干种相同类型的工作状态参数;

5、对各个设备子系统的实时工作状态参数集合和理想工作状态参数集合进行差异化分析,获得各个设备子系统的工作状态偏差指数;

6、获取各个设备子系统在不同时间节点的工作状态偏差指数,并根据获取时间进行排列对齐,获得循环系统运行风险表征矩阵;

7、将循环系统运行风险表征矩阵输入至预先训练的循环系统故障预警模型中,获得加热制冷循环系统的故障临界时间节点以及故障类型。

8、进一步地,所述工作状态偏差指数的计算公式为:

9、;

10、其中,di表示工作状态偏差指数,pr,i表示实时工作状态参数集合中第i种工作状态参数,pp,i表示理想工作状态参数集合中第i种工作状态参数。

11、进一步地,所述设备子系统包括压缩机子系统、蒸发器子系统、冷凝器子系统、膨胀阀子系统、管路子系统及电气控制子系统;

12、所述压缩机子系统的工作状态参数集合包括压缩机入口压力、压缩机出口压力、压缩机入口温度、压缩机出口温度、压缩机电流和压缩机振动参数;

13、所述蒸发器子系统的工作状态参数集合包括蒸发器入口压力、蒸发器出口压力、蒸发器入口温度、蒸发器出口温度、蒸发器入口流量和蒸发器出口流量;

14、所述冷凝器子系统的工作状态参数集合包括冷凝器入口压力、冷凝器出口压力、冷凝器入口温度、冷凝器出口温度、冷凝器入口流量和冷凝器出口流量;

15、所述膨胀阀子系统的工作状态参数集合包括膨胀阀入口压力、膨胀阀出口压力、膨胀阀入口温度、膨胀阀出口温度、膨胀阀入口流量和膨胀阀出口流量;

16、所述管路子系统的工作状态参数集合包括管路压力、管路温度、管路流量和管路振动;

17、所述电气控制子系统的工作状态参数集合包括控制电压、控制电流、控制信号状态和控制器运行状态。

18、进一步地,所述循环系统运行风险表征矩阵的获取方法包括:

19、根据系统运行的频率和重要性确定需要监测的时间范围和间隔;

20、获取每个设备子系统在不同的时间节点的工作状态偏差指数;

21、将各个设备子系统在不同时间节点的工作状态偏差指数进行有序记录;

22、将排列对齐后的数据整理成一个矩阵的形式,即为循环系统运行风险表征矩阵。

23、进一步地,所述循环系统故障预警模型的构建方法包括:

24、收集历史循环系统运行风险表征矩阵,以及实际发生的故障记录数据;

25、对数据进行清洗和预处理,去除异常值、填充缺失值、进行标准化和归一化处理;

26、从处理后的数据中提取特征;

27、选择机器学习模型作为模型的基础,所述机器学习模型包括支持向量机、随机森林、神经网络和深度学习模型;

28、使用提取的特征对选定模型进行训练;

29、将训练好的模型在独立的验证集上进行测试;

30、将循环系统故障预警模型部署到实际的运维环境中。

31、进一步地,所述压缩机子系统故障类型包括压缩机电机过载、压缩机机械部件磨损、压缩机内部泄漏以及压缩机油路问题;

32、所述蒸发器子系统故障类型包括蒸发器内部脏堵、蒸发器泄露制冷剂以及风扇电机故障;

33、所述冷凝器子系统故障类型包括冷凝器散热不良、冷凝器泄露制冷剂以及冷凝器风扇水泵故障;

34、所述膨胀阀子系统故障类型包括膨胀阀开度超标、膨胀阀动作失灵以及内部堵塞磨损;

35、所述管路子系统故障类型包括制冷剂管道泄露、管道内杂质累积导致流通面积局部堵塞以及管道保温层破损;

36、所述电气控制子系统故障类型包括控制电路板故障、传感元件失效以及执行元件故障。

37、进一步地,压缩机子系统实时工作状态参数集合,通过安装在压缩机上的传感器实时获取,所述传感器包括压力传感器、温度传感器、电流传感器和振动传感器。

38、另一方面,本技术还提供了加热制冷循环系统故障预警系统,所述系统包括:

39、系统结构划分模块,用于根据加热制冷循环系统的结构组成,将其划分为若干个设备子系统;

40、状态数据采集模块,用于采集各个设备子系统的实时工作状态参数集合 以及加热制冷循环系统在对应设定温度条件下各个设备子系统的理想工作状态参数集合;同一设备子系统的实时工作状态参数集合和理想工作状态参数集合均包括若干种相同类型的工作状态参数;

41、差异化分析模块,用于对各个设备子系统的实时工作状态参数集合和理想工作状态参数集合进行差异化分析,获得各个设备子系统的工作状态偏差指数;

42、时间序列处理模块,用于获取各个设备子系统在不同时间节点的工作状态偏差指数,并根据获取时间进行排列对齐,获得循环系统运行风险表征矩阵;

43、故障预警模块,用于将循环系统运行风险表征矩阵输入至预先训练的循环系统故障预警模型中,获得加热制冷循环系统的故障临界时间节点以及故障类型。

44、与现有技术相比本发明的有益效果为:通过将加热制冷循环系统划分为不同的设备子系统,能够更精确地监测和分析系统的各个组件,有助于发现问题的根源;

45、采集各个设备子系统的实时工作状态参数和理想工作状态参数,使得系统能够在运行过程中持续地监测和评估系统的运行状态;

46、通过对实时工作状态参数和理想工作状态参数进行差异化分析,能够准确地量化各个设备子系统的工作状态偏差指数,有助于发现潜在的故障迹象;

47、对工作状态偏差指数进行时间序列处理,能够更好地理解系统运行状态的演变趋势,有助于预测未来可能出现的故障风险;

48、将循环系统运行风险表征矩阵输入预先训练的故障预警模型中,能够准确地确定故障的临界时间节点和故障类型,使得运维人员能够及时采取相应的维护措施,避免系统故障造成的损失;整合了数据采集、分析和预警等功能,使得加热制冷循环系统的管理更加智能化和高效化,提高了系统的可靠性和稳定性,减少了维修成本和生产中断的风险;

49、综上所述,该方法能够降低现有技术中监控与报警功能的局限性,提高了加热制冷循环系统的运行效率和安全性,为工业生产和居民生活提供了更可靠的服务。

本文地址:https://www.jishuxx.com/zhuanli/20240725/147425.html

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。