节能空气源热泵健康状态评估方法、电子设备及存储介质与流程

摘要: 本公开涉及设备健康管理与故障诊断,尤其涉及一种节能空气源热泵健康状态评估方法、电子设备及存储介质。背景技术:1、节能空气源热泵作为一种高效节能的供暖与制冷设备,...
节能空气源热泵健康状态评估方法、电子设备及存储介质与流程

本公开涉及设备健康管理与故障诊断,尤其涉及一种节能空气源热泵健康状态评估方法、电子设备及存储介质。

背景技术:

1、节能空气源热泵作为一种高效节能的供暖与制冷设备,其运行经济性与可靠性高度依赖于设备自身的健康状态。然而,节能空气源热泵在实际运行中面临结霜、积灰、结垢、冷媒泄漏、压缩机磨损等多种性能退化因素,这些退化过程具有非线性、多变量耦合、时变性强等特征,若未能及时识别并干预,将导致系统能效显著下降甚至引发设备故障。因此,准确评估空气源热泵的健康状态,对于保障设备安全高效运行、降低维护成本具有重要意义。

2、现有技术中,已存在一些针对空气源热泵或类似制冷系统的状态监测与故障诊断方法。例如,部分方案通过设置单一温度或压力阈值进行故障报警,或采用数据驱动方法对设备运行状态进行分类识别。然而,上述现有技术仍存在以下不足:

3、其一,现有方法通常仅利用部分传感器信号进行健康判断,缺乏对热力状态变量、性能状态变量、控制变量、扰动变量及辅助观测量的系统性划分与综合利用,无法充分发挥多源传感信息的协同价值。同时,现有预测模型多采用固定参数结构,难以准确反映设备因物理或化学过程导致的性能劣化对热力输出状态的影响,导致状态预测基准不准确,进而影响后续健康评估的可靠性。

4、其二,现有方法在生成差值序列后,通常将实测值与预测值的偏差直接归因于设备退化,未充分考虑运行工况变化对差值的影响。当压缩机运行频率、室外环境温度或水路循环水质量流量等工况参数发生显著变化时,模型跟踪误差本身即会产生较大差值,现有方法难以区分工况变化引起的差值波动与设备自身性能退化引起的差值偏移,导致在动态工况下设备退化信号提取失真。

5、其三,现有健康评估方法多为单层级评分,仅给出设备整体的健康指数,无法定位性能退化的具体部件。运维人员虽能获知设备整体状态恶化,却难以判断是蒸发器、冷凝器、压缩机还是风机子系统出现了问题,不便于制定针对性的维护策略。

6、其四,现有故障诊断方法大多依赖大量实际故障样本进行模型训练,而空气源热泵在实际运行中故障发生频率低、故障类型多样且严重程度不一,实际故障样本的获取成本高、周期长,难以构建覆盖全面故障类型的诊断知识库,导致故障匹配的准确性和可靠性不足。

技术实现思路

1、本公开的目的在于提供一种节能空气源热泵健康状态评估方法、电子设备及存储介质,以解决预测基准不准确、工况变化干扰退化信号提取、健康状态无法定位到具体部件、故障知识库构建成本高的技术问题。

2、为实现上述目的,第一方面,本公开提供一种节能空气源热泵健康状态评估方法,所述方法基于预设的预测模型执行,所述预测模型包括状态预测方程与输出方程;

3、所述方法包括:

4、s1:运行数据采集与预处理

5、在所述预测模型的当前预测周期内,获取空气源热泵的运行数据,所述运行数据包括:热力状态变量、性能状态变量、控制变量、扰动变量和辅助观测量;

6、其中,所述热力状态变量为通过传感器直接测量的参数,表征所述空气源热泵当前的热力输出状态;

7、所述性能状态变量为通过预设初始值或通过预设的状态估计器实时估计得到的参数,表征空气源热泵的部件因物理或化学过程导致的性能劣化状态;

8、所述控制变量为可主动调节的执行器参数,所述扰动变量为不可控但可测量的外部环境参数,所述辅助观测量为除所述热力状态变量、所述性能状态变量、所述控制变量和所述扰动变量之外的、通过传感器直接测量的参数;

9、对所述运行数据进行预处理,得到预处理后的所述热力状态变量、所述性能状态变量、所述控制变量、所述扰动变量、所述辅助观测量,所述预处理包括时间戳对齐与采样频率统一、异常值剔除与缺失值插补和归一化处理;

10、s2:预测模型状态预测

11、将预处理后的所述热力状态变量、所述性能状态变量、所述控制变量、所述扰动变量输入所述状态预测方程,得到所述状态预测方程输出的所述预测周期的热力状态变量预测值和性能状态变量预测值;

12、将所述热力状态变量预测值和所述性能状态变量预测值输入所述输出方程,得到所述输出方程输出的所述预测周期的辅助观测量预测值;

13、s3:差值序列生成与分解

14、分别确定所述热力状态变量与热力状态变量预测值之间的差值,以及所述辅助观测量与辅助观测量预测值之间的差值,得到所述预测周期内所述热力状态变量和所述辅助观测量包括的每一变量的差值;

15、以所述预测周期和所述预测周期的前n个周期为当前时间窗口,针对所述热力状态变量和所述辅助观测量的每一变量,将所述变量在所述时间窗口内每一周期的差值按时间顺序排列,得到所述时间窗口内所述变量的差值序列;

16、根据所述控制变量、所述扰动变量和所述辅助观测量中用于表征运行工况的变量的变化率,确定所述时间窗口的运行工况属于稳态工况或动态工况;

17、若所述时间窗口为稳态工况,则对所述热力状态变量和所述辅助观测量的每一变量的差值序列分别进行低通滤波处理,得到每一所述变量的设备退化序列;

18、若所述时间窗口为动态工况,则采用最小二乘法对每一所述变量的差值序列分别进行回归分析,得到每一所述变量的设备退化序列;

19、s4:特征提取与健康度评估

20、从每一所述变量的所述设备退化序列中提取特征,所述特征至少包括幅值特征、趋势特征、相关性特征和频谱特征中的一种,将所有变量的特征组合为所述时间窗口的特征向量;

21、确定所述特征向量与预设的健康基准特征空间的马氏距离,以得到所述时间窗口内空气源热泵的综合健康度评分;

22、针对所述空气源热泵的每一部件,根据预设的所述部件与所述热力状态变量、辅助观测量的映射关系,获取所述部件在所述时间窗口内的对应的变量子集,将所述变量子集的特征组合为特征向量子集,确定所述特征向量子集与预设的所述部件的健康基准特征空间的马氏距离,以得到所述时间窗口内所述部件的部件分项健康度评分;

23、将所述时间窗口的特征向量输入预设的故障知识库进行匹配,得到所述故障知识库输出的故障类型,基于所述综合健康度评分、每一所述部件分项健康度评分和所述故障类型生成健康状态评估报告,并输出所述健康状态评估报告。

24、第二方面,本公开提供一种电子设备,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面所述的方法。

25、第三方面,本公开提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面所述的方法。

26、与现有技术相比,本公开的有益效果是:

27、通过将运行数据划分为热力状态变量、性能状态变量、控制变量、扰动变量和辅助观测量,并基于包含状态预测方程与输出方程的预测模型进行状态预测,能够综合利用多源传感信息,提高预测基准的准确性,为健康评估提供可靠参照。

28、通过计算实测值与预测值的差值构建差值序列,并根据表征运行工况的变量的变化率判别稳态或动态工况,进而采用低通滤波或最小二乘回归分离出设备退化序列,能够自适应不同运行工况,准确提取设备性能退化信号,有效避免工况变化对退化评估的干扰。

29、通过从设备退化序列中提取多维特征并组合为特征向量,计算其与健康基准特征空间的马氏距离得到综合健康度评分,并依据部件与变量的映射关系获取部件分项健康度评分,实现了从整机到部件的多层级健康量化,提升了评估的精细度和故障定位能力。

30、通过将特征向量与预设故障知识库匹配得到故障类型,并结合综合健康度评分、部件分项健康度评分生成健康状态评估报告,能够将定量健康度与定性故障诊断相结合,为空气源热泵的运行维护提供全面、可解释的决策依据。