基于PCA-Clustering的压缩机回液故障诊断

(1 华中科技大学能源与动力工程学院 武汉 430074； 2 珠海格力电器股份有限公司 珠海 5179070)

据有关部门统计，我国建筑能耗约占社会总能耗33%[1]，在发达国家如美国其建筑能耗约占社会总能耗的41%[2]。在建筑能耗中，空调能耗约占50%～60%[3]，而其中压缩机又是制冷空调的耗能大件之一。此外，J. E. Braun等[4]研究表明，压缩机失效约占空调系统维修费用的24%。因此压缩机故障不仅会对空调系统产生不良影响，造成能耗损失，还会产生高昂的维修费用。因此研究压缩机回液的故障诊断，具有经济意义与研究价值。目前对于制冷空调故障检测与诊断的研究对象多为冷水机组[5-6]，故障种类多为制冷剂充注量[7-9]、传感器故障[ 10-12 ]等，而对于多联机压缩机的研究略有不足。L. R. Silva等[13-14]对制冷系统的压缩机故障检测进行了研究，主要针对压缩机阀片泄漏问题。周玮[15]针对船用氟利昂制冷系统，总结了压缩机回液产生的原因及控制回液的几种方法，但其适用范围局限于船用氟利昂空调系统，没有给出压缩机回液故障检测与诊断的具体方法。王江宇等[16-17]首次提出采用决策树算法对多联机压缩机回液故障进行检测与诊断，但是出于鲁棒性的考虑以及工程应用的需要，其决策树树深为两层，只能利用有限的数据信息。

大数据在空调系统优化、新产品研发、故障诊断、能耗与维护预测等方面提供了新的思路[18]，而故障检测与诊断的传统建模方法不及时、复杂、准确率低，难以满足要求，因此利用数据挖掘技术与传统故障排查相结合是未来的主流方向之一。……