大數據技術在預診暖通空調系統(tǒng)軟故障中的應用

余 梅

（貴州工業(yè)職業(yè)技術學院，貴州貴陽 550008）

大數據技術在預診暖通空調系統(tǒng)軟故障中的應用

余 梅

（貴州工業(yè)職業(yè)技術學院，貴州貴陽 550008）

暖通空調系統(tǒng)中的軟故障通常是逐漸發(fā)展的，在檢測中始終是一個難題。數據的范圍與每個系統(tǒng)的具體特征息息相關。因此，傳統(tǒng)的方法已經無法滿足目前的預測。在大數據時代，利用大數據技術預測軟故障已經成為趨勢。通過重新將暖通空調故障進行分類和歸納，提出軟故障的特征，進而提出大數據技術的解決方案和具體方法。

大數據技術；暖通空調系統(tǒng)；軟故障

1 暖通空調故障及其分類

暖通空調是目前使用比較廣泛的。但是在使用的過程中，經常會出現(xiàn)各種各樣的故障，這些故障經常會影響空調的使用，有時甚至還會造成非常嚴重的后果。一般來說，暖通空調的故障有很多種類型，主要是按照不同的原因和分類方法進行分別的。要想合理地規(guī)避和應對這些故障，十分有必要對暖通空調的故障進行了解。

暖通空調故障主要有以下幾種分類。一是分為全局性故障和局部故障。顧名思義，全局故障指的就是一旦發(fā)生故障，便會影響到整個系統(tǒng)的正常運行，一般帶來的影響比較大。而局部故障則是系統(tǒng)的某個部分發(fā)生故障，一般不會影響到系統(tǒng)的其它部分正常運行，但是如果長時間不進行檢查和修復，就會影響到系統(tǒng)的其它部分正常工作，進而整個系統(tǒng)處于崩潰的狀態(tài)。二是按照故障的性質可以分為自然故障和人為故障。自然故障主要是指系統(tǒng)在正常運行的情況下，由于自身原因而造成的故障，一般情況下，在這類的故障中，設備的自然磨損屬于比較常見的一種。

另外一種重要的暖通空調系統(tǒng)故障分類主要是按照故障程度分類，可以分為硬故障和軟故障。硬故障主要指的是暖通空調系統(tǒng)中一些主要的硬件發(fā)生故障，包括設備或元件完全失效的故障。一般情況下，這類故障的發(fā)生具有很強的突發(fā)性，同時也帶著很強的破壞性。但這類型的故障比較容易檢測到，一般只要定期檢查和維修，就不會帶來較大的影響。而軟故障則不同，主要指的是設備或元件的逐漸失效和故障的發(fā)生。主要會發(fā)生在使用過程中，原因主要是疲勞、腐蝕或磨損等，造成部分失效或者完全失效。一般來說，軟故障不太容易在日常的檢查中發(fā)現(xiàn)，再加上如果不及時更換，就更加容易發(fā)生。另外，軟故障占相當大的比例，屬于漸變性的故障，在發(fā)生的過程中不會對整個系統(tǒng)造成太大的影響。但是有一個很大的問題是在平常的故障檢測中具有一定的困難，因此在初期很難被檢測到[1]。

2 軟故障特征與預診斷方法的確定

一般來說，軟故障的檢測主要是針對元器件和運行的軟件，可以分為組件故障和傳感器故障。組件故障主要包括各種空調設備故障，因此需要及時檢查水泵、風機、制冷機、水閥、風閥等。傳感器故障主要注意的是溫度傳感器、流量傳感器等，避免發(fā)生精度下降等故障[2]。

對于預診斷的方法的討論，近些年來也受到廣泛重視。一方面研究人員先是對這些現(xiàn)有的故障診斷方法進行重新歸類和分類。按照一定的標準劃分為定性分析方法和定量分析方法。定量分析方法主要依靠的大量的統(tǒng)計數據，進行規(guī)律性地總結，建立模型，進而根據這些模型進行分析和預測。這一方法很大的優(yōu)點是能夠利用已有的數據，進行相對準確的分析。尤其是對于一些硬故障來說，更是如此。但是這一方法的缺點就是不太適合軟故障的分析。另一方面，定性分析方法主要是指憑借某領域專家的經驗，再加上一些具體的分析工具。從而對這些對象進行很好的判斷。這一方法相對來說，就會較多地依靠專家的經驗。不過不可避免的是，專家的經驗有時可能并不是很準確。但是相對來說，在目前條件下，這一方法仍是重要的方法之一[3]。

3 大數據技術在預診暖通空調系統(tǒng)軟故障中的應用

大數據主要是指根據搜集所得的龐大的數量的資源和信息，來對目前的情況進行分析。通常來說，這些數據主要是來自于網絡、以及訪問和調查所得，當然也有其他來源。在大數據時代下，大數據技術已經被廣泛地運用到各行各業(yè)中，并且已經被證明，是一種很好的方法。具體來說，將大數據技術運用到預診暖通空調系統(tǒng)軟故障中，主要是指大數據技術對大量數據進行分析和統(tǒng)計，進而判斷出系統(tǒng)可能或者是將要發(fā)生的故障。為了很好地應對軟故障所帶來的風險，必須要加強對于軟故障的檢測。

大數據技術在暖通空調系統(tǒng)中的運用受到了廣泛歡迎，同時也被證明是十分有效的。利用大數據進行暖通空調系統(tǒng)軟故障的檢測已經成為大的趨勢。尤其是利用縱向大數據技術方法預測時，要做到結合系統(tǒng)的自身特征收集數據，才能及時、有效地發(fā)現(xiàn)軟故障，從而進行很好的清除。

[1] 姜玉冰，劉新春，曹世威.暖通空調的故障診斷技術應用探究[J].中華民居，2014，（6）：152.

[2] 韓琦，魏東，曹勇.暖通空調系統(tǒng)故障檢測與診斷技術研究進展[J].暖通空調，2014，（3）：105-112.

[3] 應康璽，徐佩榮，潘雷彬，化帥奇，鐘珂.大數據技術在預診暖通空調系統(tǒng)軟故障中的應用[J].制冷與空調，2016，（5）：59-62.

Application of Big Data Technology in Soft Fault Diagnosis of HVAC System

Yu Mei

The soft fault in HVAC system is gradually developed，and it is always a difficult problem.The scope of data is closely related to the specific characteristics of each system.Therefore，the traditional method has been unable to meet the current forecast.In the era of big data，the use of big data technology to predict soft fault has become a trend.The following is mainly to re classification and induction of HVAC fault，the characteristics of soft fault，and then put forward the solution of large data technology and specific methods.

big data technology；HVAC system；soft fault

TU83

B

1003-6490（2017）01-0181-01

2017-01-23

余梅（1978—），女，四川遂寧，高級工程師，主要研究方向為供熱通風與空調工程。