[发明专利]制冷设备制冷剂泄漏故障预测方法、系统、装置及介质

说明书

本发明公开了一种制冷设备制冷剂泄漏故障预测方法、系统、装置及介质，其中方法包括：采集多种工况下制冷设备的运行参数，对运行参数进行特征筛选后，获得训练集；采用正常稳态数据和泄漏稳态数据训练第一SVM分类器，采用干扰故障稳态数据训练第二SVM分类器；根据瞬态泄漏数据构建LSTM时间序列预测模型；将制冷设备实时的运行参数输入至LSTM时间序列预测模型，输出预测值，根据预测值获取预测参数集，将预测参数集输入第一SVM分类器和第二SVM分类器进行制冷剂泄漏故障诊断。本发明利用时间序列预测模型得到预测后的参数集，对参数集进行模式判断，实现故障的预警，解决传统方法不具有预测能力的问题，可广泛应用于泄漏故障诊断及预测领域。

技术领域

本发明涉及泄漏故障诊断及预测领域，尤其涉及一种制冷设备制冷剂泄漏故障预测方法、系统、装置及介质。

背景技术

制冷设备在长期运行后由于连接部件老化或者振动、腐蚀造成的管道损伤，并且系统内处于高压的状态，会引起制冷剂泄漏故障，轻者会导致制冷设备性能下降，造成能源浪费，更为严重的，如制冷剂为具有可燃性的R290等，在室内大量泄漏就会存在爆炸隐患。因此，当制冷系统发生制冷剂泄漏时做到及早发现显得尤为重要。

针对制冷剂泄漏故障，现有故障诊断方法主要为以下几方面：一是通过分析制冷系统泄漏引起的各参数变化规律，以此为判断依据；二是通过数据挖掘的方法，建立故障诊断模型，对测试数据进行判断即可完成故障识别。但是，目前的故障诊断方法基本都是在故障发生之后才能够完成对故障的识别，而不具有提前预警能力。

发明内容

为至少一定程度上解决现有技术中存在的技术问题之一，本发明的目的在于提供一种制冷设备制冷剂泄漏故障预测方法、系统、装置及介质。

本发明所采用的技术方案是：

一种制冷设备制冷剂泄漏故障预测方法，包括以下步骤：

采集多种工况下制冷设备的运行参数，对运行参数进行特征筛选后，获得训练集；其中，训练集包括正常稳态数据、泄漏稳态数据、干扰故障稳态数据以及瞬态泄漏数据；

采用正常稳态数据和泄漏稳态数据训练第一SVM分类器，采用干扰故障稳态数据训练第二SVM分类器；

根据瞬态泄漏数据构建LSTM时间序列预测模型；

将制冷设备实时的运行参数输入至LSTM时间序列预测模型，输出预测值，根据预测值获取预测参数集，将预测参数集输入第一SVM分类器和第二SVM分类器进行制冷剂泄漏故障诊断。

进一步地，所述采集多种工况下制冷设备的运行参数，对运行参数进行特征筛选后，获得训练集，包括：

控制制冷设备分别运行在正常条件下、冷媒量不足条件下、干扰故障条件下以及冷媒泄漏条件下，采集不同条件下的运行参数；

对采集到的运行参数进行打标签，

对打标签后的运行参数进行特征筛选，获得训练集。

进一步地，所述对打标签后的运行参数进行特征筛选，包括：

采用皮尔逊相关系数法，计算各运行参数之间的相关度以及运行参数与标签之间的相关度，选择一个与标签相关度最大的运行参数作为代表特征，以此完成特征筛选。

进一步地，所述泄漏稳态数据包括泄漏10％数据、泄漏20％数据、泄漏30％数据；

所述采用正常稳态数据和泄漏稳态数据训练第一SVM分类器，采用干扰故障稳态数据训练第二SVM分类器，包括：

采用正常稳态数据、泄漏10％数据、泄漏20％数据和泄漏30％数据对第一SVM分类器进行初步训练，输出4个标签对应的预测得分；