变风量空调系统空气处理机组故障检测与诊断

《变风量空调系统空气处理机组故障检测与诊断》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、分类号:TU831.310710-2015129024硕士学位论文变风量空调系统空气处理机组故障检测与诊断梁雨箫导师姓名职称孟庆龙副教授供热、供燃气、通风及申请学位类别工学硕士学科专业名称空调工程论文提交日期2018年5月9日论文答辩日期2018年6月7日学位授予单位长安大学FaultDetectionandDiagnosisMethodforAirHandlingUnitofVariableAirVolumeAir-conditioningSystemAThesisSubmittedfortheDegreeofMasterCandidate：LiangYuxiaoSu

2、pervisor：AssociateProf.MengQinglongChang’anUniversity,Xi’an,China摘要变风量（VariableAirVolume，VAV）空调系统，是目前国内大中型建筑工程中新兴的一种空调方式，相比传统定风量系统，变风量系统发生故障的概率更高。研究VAV空调系统故障检测与诊断（FaultDetectionandDiagnosis，FDD）的方法能够及时发现系统的故障，对于保证VAV系统稳定运行和系统节能方面具有重要的现实意义。并且大多数现代建筑都配备能源管理系统（EnergyManagementSystem，EMS），能够

3、采集空调系统实时运行的数据，这为FDD的研究提供了信息基础和便利条件。本文研究对象是VAV系统的空气处理机组（AirHandlingUnit，AHU）。首先，简述了AHU的工作原理和各个功能段的作用，介绍了长安大学全尺寸集中空调与供热智能化实验平台的概况，以实验平台为依托采集了系统正常运行的数据。然后，基于主元分析（PrincipalComponentAnalysis，PCA）的原理算法建立了模型，设计了AHU常见故障的四组测试，以平方预测误差（SquaredPredictionError，SPE）统计量和Q贡献率图为检验标准，验证了PCA方法对AHU故障的检测与诊断能

4、力。结果表明，程度较大的故障，其检测效率越高，检测与诊断的结果更准确；但对于小故障的检测与诊断能力不足。为完善故障检测与诊断的结果，以实验平台为原型在TRNSYS软件上建立VAV系统仿真平台，并模拟了四种故障，获取了相应的故障定性模式，构成了AHU故障的识别模式，并用该故障识别模式进行诊断分析，得到了正确的诊断结果，证明了模式识别是一种诊断故障较好的方法。研究结果表明：本文提出的PCA与模式识别相结合的故障检测与诊断方法是可靠的，能够检测和诊断出AHU可能发生的故障，进行故障预判断指导系统监测人员尽快修复故障，使AHU在正常工况下运行，保证室内舒适度并节约能耗。关键词：

5、变风量空调系统，空气处理机组，故障检测与诊断，主元分析法，TRNSYS，模式识别iAbstractVariableairvolume(VAV)air-conditioningsystemisanemergingtypeofair-conditioningsystemwhichiswidelyusedinlargeandmedium-sizedconstructionprojectsinChina.Comparedwithconstantairvolume(CAV)system,VAVsystemhashigherfaultpossibility.Therefore,re

6、searchonfaultdetectionanddiagnosis(FDD)ofVAVair-conditioningsystemcandiscoverthefaultintime,whichhaspracticalsignificancetoensurethestableoperationofsystemandsaveenergy.Mostmodernbuildingsareequippedwithenergymanagementsystem(EMS),whichcancollectreal-timedataoftheair-conditioningsystem.T

7、hisprovidestherichinformationbaseandconvenientconditionsfortheresearchofFDD.Theairhandlingunit(AHU)ofVAVair-conditioningsystemistheresearchobjectofthispaper.Firstly,theworkingprincipleandeveryfunctionalunitofAHUarebrieflydescribed.Thefull-scaleintelligentexperimentalplatf