[发明专利]一种暖通空调系统故障诊断方法及系统

说明书

本发明公开一种暖通空调系统故障诊断方法及系统，包括：获取暖通空调系统的正常工况数据，构建三维建模数据集；将三维建模数据集沿批次方向和过程变量方向展开成二维建模矩阵；对二维建模矩阵提取动态变量，根据动态变量的线性组合构建协整分析模型；采用协整分析模型对待辨识故障数据和历史故障数据分别提取导致暖通空调系统动态时变的潜变量，根据历史故障数据的潜变量训练融入自注意力机制的图神经网络，采用训练后的融入自注意力机制的图神经网络对待辨识故障数据的潜变量进行分类，得到故障类型。能够处理批次间和批次内的时变动态特性，且提高待辨识故障数据的识别精准度。

技术领域

本发明涉及暖通空调系统故障诊断技术领域，特别是涉及一种暖通空调系统故障诊断方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

暖通空调系统指的是负责建筑室内温度、通风空气调节的系统。由于暖通空调系统的部件较多，操作员无法立刻识别故障，长期运行会导致暖通空调系统的故障率提升。暖通空调系统在故障情况下长期运行，不但会缩短空调系统的使用寿命，而且会导致能源浪费。因此，研究暖通空调系统的故障诊断对于确保暖通空调系统正常运行和降低系统能耗都具有十分重要的意义。

现有的暖通空调系统故障诊断方法存在以下问题：

(1)暖通空调系统在相邻若干天之间的运行中存在批次间动态特性，但是现有的暖通空调系统系统故障检测方法无法处理其批次间的时变动态特性。

(2)暖通空调系统在每一天的运行中存在批次内时间上的时变动态特性，现有的暖通空调系统动态监控方法无法有效捕获其批次内的时变动态特性。

(3)传统的故障诊断方法无法利用暖通空调系统数据中蕴含的空间特征信息，也不能给予识别准确率低的故障数据较高的注意力(关注度)，影响故障诊断效果。

发明内容

为了解决上述问题，本发明提出了一种暖通空调系统故障诊断方法及系统，基于三维数据的协整分析方法能够高效处理暖通空调系统的批次间和批次内的时变动态特性，基于融入自注意力机制的图神经网络能够提高待辨识故障数据的识别精准度。

为了实现上述目的，本发明采用如下技术方案：

第一方面，本发明提供一种暖通空调系统故障诊断方法，包括：

获取暖通空调系统的正常工况数据，并以此构建三维建模数据集；

将三维建模数据集沿批次方向和过程变量方向展开构成二维建模矩阵；

对二维建模矩阵提取动态变量，根据动态变量的线性组合构建协整分析模型，所述协整分析模型中包括反映动态变量线性组合间平衡关系的残差序列；

采用协整分析模型对待辨识故障数据和历史故障数据分别提取导致暖通空调系统动态时变的潜变量，根据历史故障数据的潜变量训练融入自注意力机制的图神经网络，采用训练后的融入自注意力机制的图神经网络对待辨识故障数据的潜变量进行分类，得到故障类型。

作为可选择的实施方式，将三维建模数据集沿批次方向展开成二维矩阵，对沿批次方向展开的二维矩阵进行标准化处理，以归一化成零均值的数据矩阵和单位标准差，将标准化后的二维矩阵再沿过程变量方向展开构成二维建模矩阵。

作为可选择的实施方式，基于历史故障数据的潜变量构建图神经网络，在图神经网络中添加自注意力机制，每个节点在近邻域拥有各自的权重参数矩阵，从而构建融入自注意力机制的图神经网络神经。

作为可选择的实施方式，在每个节点上加入自注意力机制a，则权重系数为：e_pq＝a(Wh_p,Wh_q)；其中，W为权重矩阵，表示节点q的特征h_p相对节点p的特征h_q的重要程度。