一种变风量空调送回风异常分析方法与流程

本发明涉及空调管理，更具体地说，本发明涉及一种变风量空调送回风异常分析方法。

背景技术：

1、在现代楼宇和工业应用中，变风量空调系统由于其调节风量的灵活性和节能效果，已经得到了广泛应用。然而，由于空调系统的复杂性，尤其是在不同运行条件下，空调系统中的送风和回风路径可能会出现异常，如风量不足、风口堵塞、静压异常等问题。这些问题往往会导致室内空气质量下降、能耗增加以及设备故障。

2、传统的空调故障检测依赖于定期维护或用户反馈，无法及时发现潜在问题，导致系统效率降低甚至设备损坏。随着物联网和智能控制技术的发展，越来越多的空调系统开始配备传感器以实时监控运行状态。然而，单一的传感器数据难以准确反映系统的整体健康状态，尤其是在复杂的环境和多维数据交互中，传感器数据可能出现不确定性或模糊性。因此，在此提出一种变风量空调送回风异常分析方法。

技术实现思路

1、为实现上述目的，本发明提供如下技术方案：

2、一种变风量空调送回风异常分析方法，包括以下步骤：

3、步骤一、分别获取变风量空调的自身运行信息和环境信息，得到运行信息集和环境信息集；

4、步骤二、分别对运行信息集和环境信息集进行数据融合操作，得到运行数据融合集和环境数据融合集；

5、步骤三、基于运行数据融合集和环境数据融合集进行模糊推理，判断该变风量空调属于送风异常、回风异常、送回风均无异常、送回风均异常中的其中一项情况；

6、步骤四、存在送风异常或回风异常时，输送该变风量空调定位及异常类型至云端并进行维修通知。

7、在一个优选的实施方式中，变风量空调的自身运行信息和环境信息分别使用多个预置的传感器获取得到。

8、在一个优选的实施方式中，数据融合操作指的是使用卡尔曼滤波数据融合或粒子滤波数据融合。

9、在一个优选的实施方式中，数据融合操作时需要进行前置判断生成融合选择指数：

10、对每一个传感器数据xi，将其与对应的预设的状态变量yi进行线性回归，得到拟合直线y=a*xi+b，计算每个数据点的残差ri，；接着计算该传感器数据点的残差的均值，将所有传感器数据点的残差的均值均缩放到0和1之间，将缩放后得到的标准化值与预设的线性程度阈值进行对比，若缩放后得到的标准化值大于预设的线性程度阈值，则将其标记为弱线性特性数据类型，若缩放后得到的标准化值小于等于预设的线性程度阈值，则将其标记为强线性特性数据类型，计算弱线性特性数据类型与强线性特性数据类型比值作为非线性程度值；

11、对每一个传感器的数据集合进行离散化处理，将其分为若干个区间，计算每个区间的出现概率pi(x)，计算每个传感器的熵值：；pi(x)表示数据值落在离散区间x的概率；接着计算所有传感器熵值的标准差并将标准差缩放到0和1之间，得到信息复杂程度值；

12、对非线性程度值、信息复杂程度值进行加权求和，得到融合选择指数。

13、在一个优选的实施方式中，选择使用卡尔曼滤波数据融合或粒子滤波数据融合的逻辑为：

14、若融合选择指数大于预设的融合阈值，则选择粒子滤波数据融合，若融合选择指数小于等于预设的融合阈值，则选择卡尔曼滤波数据融合。

15、在一个优选的实施方式中，卡尔曼滤波数据融合时，在每个时刻k自适应动态调整过程噪声和观测噪声。

16、在一个优选的实施方式中，模糊推理指的是：

17、分别获取运行数据融合集和环境数据融合集中的预设指标然后一同作为输入变量，将变风量空调的所处的情况类型作为输出变量，对输入变量模糊化处理，将输入变量的值转换为模糊集合，对输出变量模糊化处理，将输出变量转换为模糊集合，制定模糊规则，描述不同数据种类组合下的情况类型，将模糊化后的输入变量通过模糊规则进行推理，判断变风量空调的所处的情况类型。

18、本发明的技术效果和优点：

19、本发明通过结合运行数据和环境数据的多维度融合，利用模糊推理技术对空调系统的运行状态进行综合分析，可以有效提高送风异常和回风异常的检测准确性。相比于传统单一数据源的检测方法，本发明能够更加精确地识别出空调系统中的潜在问题，减少误判和漏判的风险。

20、本发明采用了自适应调整的噪声协方差矩阵，能够根据系统当前的运行状况自动调节对传感器数据的权重。通过实时调整对过程噪声和测量噪声的响应，系统可以在复杂、多变的环境中保持较高的稳定性和鲁棒性，从而确保系统能够持续、精准地监测和分析送回风状态。

21、一旦检测到送风或回风异常，本发明能够立即将相关的异常信息和设备定位数据上传至云端平台，并自动生成维修通知。相比于传统的定期维护模式，本发明通过实时监控大幅缩短了异常响应时间，确保问题能够及时处理，避免异常导致的更大损失。

22、本发明可以实现空调系统的自动监控和管理，无需人工实时干预。当系统检测到异常时，会自动触发故障报告和维修任务的安排，减少了人工巡检的需求。这种自动化管理能够显著降低系统的运营维护成本，并提高管理效率。

23、通过及时检测和处理送风、回风异常，本发明能够确保空调系统始终以最佳状态运行，从而提高能源利用效率，避免因风量调节失控或设备故障导致的能源浪费。同时，稳定的送回风状态能够提高用户的舒适度，确保室内温度和空气质量处于理想状态。

24、本发明通过数据融合技术，能够综合处理多个传感器的数据，即使某些传感器数据存在不确定性或干扰，也能够通过融合算法过滤噪声，从而提高整个系统的鲁棒性和抗干扰能力，确保系统在复杂环境下的正常运行。

技术特征：

1.一种变风量空调送回风异常分析方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种变风量空调送回风异常分析方法，其特征在于，变风量空调的自身运行信息和环境信息分别使用多个预置的传感器获取得到。

3.根据权利要求2所述的一种变风量空调送回风异常分析方法，其特征在于，数据融合操作指的是使用卡尔曼滤波数据融合或粒子滤波数据融合。

4.根据权利要求3所述的一种变风量空调送回风异常分析方法，其特征在于，数据融合操作时需要进行前置判断生成融合选择指数：

5.根据权利要求4所述的一种变风量空调送回风异常分析方法，其特征在于，选择使用卡尔曼滤波数据融合或粒子滤波数据融合的逻辑为：

6.根据权利要求5所述的一种变风量空调送回风异常分析方法，其特征在于，卡尔曼滤波数据融合时，在每个时刻k自适应动态调整过程噪声和观测噪声。

7.根据权利要求6所述的一种变风量空调送回风异常分析方法，其特征在于，模糊推理指的是：

技术总结本发明公开了一种变风量空调送回风异常分析方法，具体涉及空调管理技术领域，包括以下步骤：分别获取变风量空调的自身运行信息和环境信息，得到运行信息集和环境信息集；分别对运行信息集和环境信息集进行数据融合操作，得到运行数据融合集和环境数据融合集；基于运行数据融合集和环境数据融合集进行模糊推理，判断该变风量空调属于送风异常、回风异常、送回风均无异常、送回风均异常中的其中一项情况；存在送风异常或回风异常时，输送该变风量空调定位及异常类型至云端并进行维修通知；本发明能够减少误判和漏判的风险，而且及时检测和处理送风、回风异常，确保空调系统始终以最佳状态运行，从而提高能源利用效率。技术研发人员：陈伟,王国辉,陈家维,文斯华,逯子粲受保护的技术使用者：广东普而通科技有限公司技术研发日：技术公布日：2024/11/4