一种基于AI技术的暖通空调控制系统诊断平台的制作方法
- 国知局
- 2024-08-08 16:53:45
本发明涉及建筑节能,具体为一种基于ai技术的暖通空调控制系统诊断平台。
背景技术:
1、随着计算机技术发展,计算机控制技术越来越多地应用于各种生产生活中,其中暖通空调系统也多数配备了智能化控制系统,由于控制系统的运行维护有一定的专业性,并且多数为工程交付模式,且控制策略也需要根据现场实际使用情况进行及时的调整,但后续缺少专业的人员定期的诊断和维护,暖通空调在现代化的建筑中扮演着重要的角色,但是,随着社会科技的不断发展,对暖通空调有了更高的要求,现代建筑中设计的暖通空调结构复杂、元器件较多,极易造成故障的发生。
2、如中国专利公开号cn116007127a提供的“暖通空调的自动故障检测分析系统”,包括数据采集模块、数据识别模块、故障诊断模块、故障评估模块和故障储存模块;数据识别模块用于将采集到的源数据划分为正常数据和异常数据,故障诊断模块用于建立结构树的故障诊断模型,对异常数据对应的故障点进行寻找,故障评估模块用于对识别到的故障点的故障信息进行风险危害程度的预估评判。
3、通过对现有暖通空调自动控制系统的调研发现,目前80%以上的项目自控系统处于瘫痪或无法实现原有的功能的状态,传统模式下的暖通空调节能设备已经不能适应现代化节能社会的要求,现如今,暖通空调系统的自动化和准确故障检测与诊断是智能工业设施维护领域减少时间、能源和财务成本的最重要技术之一,近年来,基于数据驱动的故障检测与诊断方法在暖通空调方面表现出色,但是针对暖通空调系统传感器故障诊断时,无法获取精度较高的传感器特征,导致诊断结果与实际结果不符的问题。
4、综上所述,本技术拟提出一种基于ai技术的暖通空调控制系统诊断平台。
技术实现思路
1、本发明的目的在于提供一种基于ai技术的暖通空调控制系统诊断平台,以解决上述问题。
2、为实现上述目的,本发明提供如下技术方案:
3、一种基于ai技术的暖通空调控制系统诊断平台,包括通信单元、存储单元、数据库单元、末端参数采集单元、设备数据采集单元、诊断单元和现场控制单元,所述数据库单元与诊断单元信号连接,所述诊断单元与现场控制单元信号连接;
4、所述通信单元通过物联网通信网关,可与现场自动控制系统相兼容,通过4g/5g网络实现现场数据的实时上传及通信;
5、所述存储单元用于将现场空调运行数据按照一定的数据规则存储在数据库单元中;
6、所述数据库单元用于存储末端参数采集单元、设备数据采集单元和诊断单元的所有数据信息,方便远程智慧平台通过诊断单元自动调取数据用于后台的分析处理;
7、所述末端参数采集单元用于采集气象环境参数、建筑冷/热负荷需求数据及末端环境参数,并通过存储单元存储在数据库单元中;
8、所述设备数据采集单元用于对现场主要的传感器设备的运行数据进行采集,并通过存储单元存储在数据库单元中;
9、所述诊断单元通过调取数据库单元中的数据,并通过免疫算法对构建的传感器故障诊断模型进行求解,实时对空调系统的故障检测与诊断,对现场空调系统的运行策略提供实时优化建议并下发至现场;
10、所述现场控制单元用于接收远程智慧平台的诊断单元的下发指令,方便对现场空调系统进行控制。
11、进一步的,所述通信网关支持的现场通信协议包括后台网络backnet、串行通信协议modbus、现场总线lonwork、opc协议、以太网profinet和现场总线profibus。
12、进一步的,所述末端参数采集单元包括天气监测模块、末端环境数据采集模块和生成曲线模块;
13、所述天气监测模块通过外部互联网络获取当日的本区域天气情况、温湿度变化数据;
14、所述末端环境数据采集模块通过传感器采集室内外温湿度、当前雨量的数据,实时监控更新室内人员数量以及室内人员舒适度反馈数据;
15、所述生成曲线模块用于将天气监测模块和末端环境数据采集模块所采集的数据整理分析后形成暖通空调系统运行效率与环境变化的曲线图。
16、进一步的,所述诊断单元包括故障诊断模块、优化模块和下发模块;
17、所述故障诊断模块通过卷积神经网络模型提取传感器信号特征,利用特定算法进行聚合,据此构建暖通空调系统的传感器故障诊断模型,采用免疫算法对传感器故障诊断模型进行求解,实现故障诊断;
18、所述优化模块用于根据故障诊断结果,对现场空调系统的运行策略提供实时优化建议;
19、所述下发模块用于将生成的优化建议指令下发到现场控制单元。
20、进一步的,所述卷积神经网络模型包括输入层、隐藏层和输出层,且所述隐藏层由卷积层、池化层和全连接层组成,所述卷积层和池化层用于提取高级特征,所述全连接层可以进一步整合特征用于输出层的分类。
21、进一步的,所述构建暖通空调系统的传感器故障诊断模型,包括以下步骤:
22、a1、根据提取的传感器信号特征构建传感器信号观测器,设置传感器状态矢量为a(t),通过如下公式描述滤波器系统:
23、
24、式中:d(t)表示传感器控制矢量,b(t)表示传感器测量矢量,a、b、c表示对应常数矩阵;
25、a2、传感器故障检测滤波器的方程如下:
26、
27、滤波器状态残差矢量定义用表示方程及滤波器输出残差矢量用表示方程分别为:
28、
29、则传感器状态残差矢量为:
30、
31、滤波器输出误差矢量为:
32、
33、a3、设置第j个传感器数学模型故障方程为:
34、b(t)=emja(t)+k(t)c;
35、式中:emj表示第j个故障传感器,k(t)表示时间系数;
36、状态残差矢量如下:
37、
38、式中:mj代表的是第j列矢量h阵;
39、a4、通过比较实际暖通空调系统传感器的输出与滤波器的输出,获得残差,分析并处理残差,构建传感器故障诊断模型,且此时暖通空调系统传感器故障诊断模型为:
40、
41、进一步的,在步骤a1中,动态系统模型存于检测滤波器中,利用增益矩阵h把暖通空调传感器系统与模型的输出参数反映到模型输入中,即系统模型输入和模型输出始终一致。
42、进一步的,当滤波器处于稳定状态时,原始误差会逐渐清除,滤波器能精确地追踪到传感器系统反应,输出误差矢量f(t)=0,若传感器出现故障,故障后的传感器系统特征不能被准确反映,即输出误差矢量f(t)≠0,通过输出误差矢量就能诊断传感器是否发生故障。
43、本发明的有益效果:
44、1、本发明中,该远程智慧平台在对现场空调系统进行监测和诊断时,末端参数采集单元采集气象环境参数、建筑冷/热负荷需求数据及末端环境参数,设备数据采集单元用于对现场主要的传感器设备的运行数据进行采集,诊断单元通过调取数据库单元中的数据,并通过免疫算法对构建的传感器故障诊断模型进行求解,实时对空调系统的故障检测与诊断,对现场空调系统的运行策略提供实时优化建议并下发至现场,通过对设备运行数据的监测和自动分析,及时提供设备维保建议,解决了由于缺乏数据支撑导致维保不及时和盲目保养的问题,保证系统各设备始终运行在能效最佳状态点从而实现空调系统的节能,同时可以根据现场的执行情况对现场人员的管理能力进行量化考核,实现闭环的精细化管理;
45、2、本发明中,该远程智慧平台基于ai、大数据技术及卷积神经网络,通过暖通空调系统的传感器故障诊断模型及免疫算法可实时对现场运行情况进行诊断,解决了专业技术人员现场排查问题的痛点,并做到了问题从发现到解决问题的时效性,同时提高了免疫算法有效性及故障诊断准确性,解决了目前诊断中存在的问题,可同时进行多系统的故障检测和诊断,提高轻微故障级别的检测和诊断效果,为暖通空调传感器的故障诊断提供了保障。
本文地址:https://www.jishuxx.com/zhuanli/20240808/271045.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。
下一篇
返回列表