[发明专利]一种建筑物供水系统故障诊断方法

权利要求书

1.一种建筑物供水系统故障诊断方法，其特征在于，包括：

获取建筑物内的水泵运行的电力数据；

对所述电力数据中存在用水异常的数据进行标记；

基于所述水泵的参数和建筑运营日历，对所述电力数据进行特征变换，得到体现所述水泵的运行特征参数；

利用分类算法学习所述水泵在不同的建筑运营日历下的正常状态和异常状态的运行特征参数，形成诊断模型；

利用所述诊断模型对建筑物供水系统进行故障诊断。

2.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述获取建筑物内的水泵运行的电力数据包括：

获取建筑物内的水泵运行的功率、电流和频率。

3.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述水泵的参数包括所述水泵的额定功率和额定电压。

4.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述获取建筑物内的水泵运行的电力数据之后，还包括：

当所述电力数据中的存在用水异常的数据不足时，向所述电力数据中加入异常数据。

5.根据权利要求4所述的建筑物供水系统故障诊断方法，其特征在于，所述加入异常数据包括：

加入模拟供水异常情况基础上获得的异常数据，或者加入其他同类建筑已有的异常数据。

6.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述对所述电力数据进行特征变换，得到体现所述水泵的运行特征参数包括：

根据水泵流量与功率比进行等比例处理，并且根据供水管径差异乘以相应的加权系数，得到体现所述水泵的运行特征参数。

7.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述分类算法包括监督KNN最近邻分类算法或ANN人工神经网络分类算法。

8.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述学习所述水泵在不同的建筑运营日历下的正常状态和异常状态的特征，形成诊断模型包括：

学习所述水泵在工作时间段的正常状态和异常状态的特征，形成工作时间段诊断模型；

学习所述水泵在非工作时间段的正常状态和异常状态的特征，形成非工作时间段诊断模型；

学习所述水泵在非稳定运行时间段的正常状态和异常状态的特征，形成非稳定运行时间段诊断模型。

9.根据权利要求8所述的建筑物供水系统故障诊断方法，其特征在于，利用十折交叉验证形成诊断模型。

10.根据权利要求1所述的建筑物供水系统故障诊断方法，其特征在于，所述利用所述诊断模型对建筑物供水系统进行故障诊断为：

利用所述诊断模型对建筑物供水系统进行实时的故障诊断或按天执行的故障诊断。