充注量判断方法、装置、空调器及计算机可读存储介质与流程

本申请涉及空调，具体涉及一种充注量判断方法、装置、空调器及计算机可读存储介质。

背景技术：

1、制冷系统长期运行过程中受管路振动、密封件老化等因素影响，容易出现制冷剂泄漏问题，致使制冷剂实际充注量偏离设计值。制冷剂充注量异常时会造成系统换热效率下降、运行参数失衡、压缩机高温损毁及液击故障等风险。因此，亟需实现制冷剂充注量异常状态的精准检测。

2、常规检测方案多依托过热度、过冷度或压力等间接参数进行判别，间接参数对制冷剂充注量变化响应灵敏度低，检测精度难以保障。相关深度学习检测方法又高度依赖不同充注量工况下的海量标注数据；该类标注数据的采集需停机作业、抽真空以及精准确定制冷剂的充注量，流程繁琐、成本高昂且耗时长久，严重制约实际应用。

技术实现思路

1、本申请实施例提供一种充注量判断方法、装置、空调器及计算机可读存储介质，可以无需标注数据，准确判断制冷剂充注量是否异常。

2、第一方面，本申请实施例提供了一种充注量判断方法，包括：

3、获取制冷系统的多个传感器的时序数据；

4、将所述多个传感器的时序数据中随机的部分传感器对应的数据进行置零，得到待重建数据；

5、将所述待重建数据输入编解码网络，得到置零数据的重建值，并基于所述重建值和所述置零数据对应的真实值计算目标重建误差；所述编解码网络是基于稳态运行时的多个传感器的时序数据样本进行自监督训练得到的；

6、获取异常阈值，所述异常阈值是基于所述制冷系统的正常基线数据对应的重建误差确定的；

7、根据所述目标重建误差和所述异常阈值的大小关系，确定所述制冷系统中制冷剂的充注量是否异常。

8、第二方面，本申请实施例提供了一种充注量判断装置，包括：

9、数据获取模块，用于获取制冷系统的多个传感器的时序数据；

10、数据置零模块，用于将所述多个传感器的时序数据中随机的部分传感器对应的数据进行置零，得到待重建数据；

11、误差计算模块，用于将所述待重建数据输入编解码网络，得到置零数据的重建值，并基于所述重建值和所述置零数据对应的真实值计算目标重建误差；

12、阈值获取模块，用于获取异常阈值，所述异常阈值是基于所述制冷系统的正常基线数据对应的重建误差确定的；

13、异常确定模块，用于根据所述目标重建误差和所述异常阈值的大小关系，确定所述制冷系统中制冷剂的充注量是否异常。

14、第三方面，本申请实施例提供了一种空调器，所述空调器包括：一个或多个处理器、存储器以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现上述实施例中任一项所述的充注量判断方法。

15、第四方面，本申请实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述的充注量判断方法中的步骤。

16、本申请实施例具有如下有益效果：

17、制冷系统的多个传感器的时序数据可以完整反映制冷系统运行状态随时间的变化趋势，以便基于传感器参数的时序波动特征判断制冷剂充注量是否异常；将多个传感器的时序数据中随机的部分传感器对应的数据进行置零得到待重建数据，可以构建数据缺失重构任务，进而可以基于编解码网络得到被置零的数据的重建值，以及基于重建值和真实值确定目标重建误差；编解码网络是基于稳态运行时的多个传感器的时序数据样本进行自监督训练得到的，即编解码网络只学习了制冷剂的充注量正常、系统稳态运行时的数据规律，而未学习制冷剂的充注量异常时的数据规律，因此编解码网络对于制冷剂的充注量正常时的数据可以预测出准确率较高的重建值，对应的重建误差也较小，而对于制冷剂的充注量异常时的数据预测并计算得到的重建误差较大，因此可以通过重建误差的大小判断制冷剂的充注量是否异常；基于制冷系统的正常基线对应的重建误差确定异常阈值，贴合该制冷系统的实际运行特性，可以有效提升制冷剂充注量异常判定的准确性；根据目标重建误差和异常阈值的大小关系即可确定制冷系统中制冷剂的充注量是否异常，判定逻辑简单高效，无需依赖过热度、过冷度等低灵敏度间接参数，可以大幅提升制冷剂充注量异常检测精准度，采用稳态运行时的数据进行自监督训练，无需耗费大量人力物力采集、制作不同充注量工况标注数据，便于现场实际落地应用。

1.一种充注量判断方法，其特征在于，包括：

2.根据权利要求1所述的充注量判断方法，其特征在于，所述编解码网络包括编码器、解码器和特征解耦模块；

3.根据权利要求2所述的充注量判断方法，其特征在于，还包括：

4.根据权利要求1所述的充注量判断方法，其特征在于，所述编解码网络包括编码器和解码器；所述编解码网络的训练步骤包括：

5.根据权利要求4所述的充注量判断方法，其特征在于，所述对所述特征解耦模块和所述编码器进行训练，得到训练好的所述编解码网络，包括：

6.根据权利要求1所述的充注量判断方法，其特征在于，所述获取异常阈值的步骤之前，还包括：

7.根据权利要求1所述的充注量判断方法，其特征在于，所述充注量判断方法还包括：

8.根据权利要求1所述的充注量判断方法，其特征在于，所述将所述多个传感器的时序数据中随机的部分传感器对应的数据进行置零，得到待重建数据，包括：

9.根据权利要求1所述的充注量判断方法，其特征在于，所述充注量判断方法还包括：

10.一种充注量判断装置，其特征在于，包括：

11.一种空调器，其特征在于，所述空调器包括：一个或多个处理器、存储器以及一个或多个应用程序，其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行以实现权利要求1至9中任一项所述的充注量判断方法。

12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质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权利要求1至9任一项所述的充注量判断方法中的步骤。