CN113899093A - 螺杆式制冷压缩机回油故障的辨识和预判方法 - Google Patents
螺杆式制冷压缩机回油故障的辨识和预判方法 Download PDFInfo
- Publication number
- CN113899093A CN113899093A CN202111219278.4A CN202111219278A CN113899093A CN 113899093 A CN113899093 A CN 113899093A CN 202111219278 A CN202111219278 A CN 202111219278A CN 113899093 A CN113899093 A CN 113899093A
- Authority
- CN
- China
- Prior art keywords
- oil level
- compressor
- characteristic
- oil
- parameters
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B1/00—Compression machines, plants or systems with non-reversible cycle
- F25B1/04—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type
- F25B1/047—Compression machines, plants or systems with non-reversible cycle with compressor of rotary type of screw type
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B31/00—Compressor arrangements
- F25B31/002—Lubrication
- F25B31/004—Lubrication oil recirculating arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B49/00—Arrangement or mounting of control or safety devices
- F25B49/02—Arrangement or mounting of control or safety devices for compression type machines, plants or systems
- F25B49/022—Compressor control arrangements
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F25—REFRIGERATION OR COOLING; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS; MANUFACTURE OR STORAGE OF ICE; LIQUEFACTION SOLIDIFICATION OF GASES
- F25B—REFRIGERATION MACHINES, PLANTS OR SYSTEMS; COMBINED HEATING AND REFRIGERATION SYSTEMS; HEAT PUMP SYSTEMS
- F25B2500/00—Problems to be solved
- F25B2500/16—Lubrication
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B30/00—Energy efficient heating, ventilation or air conditioning [HVAC]
- Y02B30/70—Efficient control or regulation technologies, e.g. for control of refrigerant flow, motor or heating
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mechanical Engineering (AREA)
- Thermal Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Air Conditioning Control Device (AREA)
- Control Of Positive-Displacement Pumps (AREA)
Abstract
本发明涉及一种螺杆式制冷压缩机回油故障的辨识和预判方法,通过故障敏感参数数据构造油位指示特征,通过构建的油位指示特征对实时测量敏感参数数据进行辨识,辨识并剔除部分无故障数据后使用多分类支持向量机对实时测量的在线故障特征参数数据进行分类预判。可在螺杆式制冷压缩机发生低油位故障之前预警低油位,避免因故障停机降低冷水机组的使用效率;另可将预警信号提供控制程序使冷水机组只在可能发生低油位时采取自动回油操作,减少回油操作的次数避免影响冷水机组日常的运行功能。
Description
技术领域
本发明涉及一种设备故障诊断技术,特别涉及一种螺杆式制冷压缩机回油故障的辨识和预判方法。
背景技术
螺杆式制冷压缩机是船舶空调用冷水机组的主要部件。螺杆式制冷压缩机的润滑油具有多种重要的用途,在运行过程中一定量的润滑油需要随制冷剂经过外部循环再返回压缩机,受机组工况影响易产生润滑油回油不足问题。现有技术主要是在发生严重的压缩机回油不足时采用油位、油压差或油流量开关进行保护停机以避免造成压缩机损坏,此外根据经验规定一些制冷***设计准则以防止回油不足频繁发生,日常运行时则只能依靠维护人员经验判断来防止故障发生。
经检索,杨伟姬在《制冷与空调》2007年6月刊发表的《中央空调冷水机组回油问题设计探讨》从保证制冷剂回气流速抑制回油不足的角度提出了冷水机组干式蒸发器和制冷管路结构设计的一些准则;邓达麟在2017年19期发表的《变频空调压缩机的低温回油对策》在分析了压缩机频率、电子膨胀阀开度和排气过热度对回油影响规律基础上提出了相应的抑制回油不足策略;刘光华在《制冷与空调》2012年12月刊发表的《变频制冷机组的回油设计》提出了促进回油的设计方法,但同时提出设计方法无法完全防止压缩机回油不足,需要在运行中采取定期强制压缩机高频率运行的方法。
发明内容
针对螺杆式制冷压缩机润滑油回油不足预测问题,提出了一种螺杆式制冷压缩机回油故障的辨识和预判方法,自动判断螺杆式制冷压缩机低油位状态;可在判断出低油位时向冷水机组提供信号以便采取自动回油操作。
本发明的技术方案为:一种螺杆式制冷压缩机回油故障的辨识和预判方法,螺杆式制冷压缩机压缩输出制冷剂依次进冷凝器冷凝、电子膨胀阀、蒸发器回至压缩机,通过对冷水机组运行数据的辨识和分类预判螺杆式制冷压缩机回油故障,具体步骤如下:
1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类:70%-100%油位;2类:40%-70%油位;3类:低于40%油位;
2)通过对步骤1)所述三类油位状态的历史数据进行相关性分析,确定与压缩机油位状态具有相关性的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度七个运行参数作为故障的特征参数,再选择其中电子膨胀阀开度、压缩机排气温度和冷凝器出口温度三个相关性最强的作为故障的敏感参数;
3)通过步骤2)所述敏感参数进行制冷压缩机油位指示特征拟合多项式构造,通过输入敏感参数历史数据采用多元线性回归法辨识油位指示特征拟合多项式结构参数,并统计油位指示特征判别阈值;
4)通过步骤2)所述特征参数的历史数据离线进行支持向量机训练,输入所述特征参数构成的向量作为支持向量机的输入数据,根据数据的油位状态1、2、3类,采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类非线性支持向量机决策函数,共同组成1个多分类支持向量机模型,通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中,再经训练分别获得三个决策函数的结构参数,包括最优拉格朗日系数和最优权值,最终获得训练后多分类支持向量机;
5)在冷水机组运行期间,将实时测量的所述敏感参数输入步骤3)拟合多项式计算油位指示特征,判断油位指示特征是否低于判别阈值,当油位指示特征低于阈值时,判定当前数据属于1类油位状态,未发生故障;
6)对于油位指示特征高于阈值的实时运行数据,将实时的所述特征参数输入步骤4)训练后多分类支持向量机,分别计算所述三类油位状态的支持向量机决策函数值,如1类油位的函数值最大则实时预判压缩机处于1类油位状态,如2类油位的函数值最大则实时预判为2类油位状态,如3类油位的函数值最大则实时预判为3类油位状态;当预判结果为3类油位状态时,预警压缩机回油故障。
进一步,所述油位指示特征拟合多项式如下:
y=a0+a1X1+a2X2+a3X3+a4X1 2+a5X2 2+a6X3 2+a7X1 3+a8X2 3+a9X3 3,
其中敏感参数X1、X2、X3分别为电子膨胀阀开度、排气温度和冷凝器出口温度;y为油位指示特征值;a0~a9为运用进行故障演变试验整个过程采集到的数据得到的构建油位指示特征系数。
本发明的有益效果在于:本发明螺杆式制冷压缩机回油故障的辨识和预判方法,可在螺杆式制冷压缩机发生低油位故障之前预警低油位,避免因故障停机降低冷水机组的使用效率;另可将预警信号提供控制程序使冷水机组只在可能发生低油位时采取自动回油操作,减少回油操作的次数避免影响冷水机组日常的运行功能。
附图说明
图1为本发明冷水机组压缩机低油位判别传感器测点布置图;
图2为本发明压缩机低油位判别监控***示意图;
图3为本发明螺杆式制冷压缩机回油故障的诊断方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
如图1所示冷水机组压缩机低油位判别传感器测点布置图,螺杆式制冷压缩机2压缩输出制冷剂依次进冷凝器1冷凝、电子膨胀阀4、蒸发器3回至压缩机2,在温度较低的蒸发器3中,由于螺杆式制冷压缩机2输出的制冷剂中溶解有油,当冷水机组在外界温度较低工况下运行时由于蒸发器3内蒸发温度较低,制冷剂与润滑油可能会出现分层现象,润滑油可能无法随着制冷剂正常循环而在蒸发器中积存形成积油301导致压缩机回油不足,在压缩机底部的回油可通过油位视镜201查看,在压缩机2排气管道上布置排气温度T1、排气压力P1测试点,在吸气管道上布置吸气温度T2、吸气压力P2测试点,采集电子膨胀阀4上开度V1信号反馈点,在冷凝器出口管道上布置冷凝器出口温度T3测试点,对压缩机2的电流I1进行测试。如图2所示压缩机低油位判别监控***示意图,采用冷水机组控制***5采集测试点的实时运行数据,通过网络6传输至上位监控***8,上位监控***8中监控软件7根据运行数据执行油位判别。
本发明提出了采用多元线性回归(MLR)和支持向量机(SVM)相结合的油位判别算法,通过对冷水机组运行数据进行辨识和分类,预判螺杆式制冷压缩机低油位状态(小于油位视镜201满油位的40%),具体步骤如下:
(1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类:70%-100%油位;2类:40%-70%油位;3类:低于40%油位。将输入数据分为在线数据和离线数据。
(2)采用皮尔逊相关系数法在冷水机组历史运行数据中筛选出与压缩机油位状态相关性较强的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度作为特征参数,同时在特征参数中再选择电子膨胀阀开度、排气温度和冷凝器出口温度三个相关性最强的作为敏感参数。
(3)离线数据训练过程
1)使冷水机组在如表2的工况下运行直至发生回油故障,由上位监控***获得整个过程的运行数据,从中选出包括三类油位状态的特征参数数据作为离线数据,其中包含了敏感参数的数据。
2)采用敏感参数构造油位指示特征多元线性回归式。油位指示特征多元回归式是由与回油故障最强相关的膨胀阀开度、排气温度和冷凝器出口温度三个敏感参数组成的拟合多项式。多项式如下:
y=a0+a1X1+a2X2+a3X3+a4X1 2+a5X2 2+a6X3 2+a7X1 3+a8X2 3+a9X3 3 (1)
其中敏感参数X1、X2、X3分别为电子膨胀阀开度(单位:%)、排气温度(单位:℃)和冷凝器出口温度(单位:℃);y为油位指示特征值;式中各阶次X1、X2、X3因子和系数a0~a9统称为结构参数;
输入离线数据中敏感参数数据采用多元线性回归方法辨识得到式(1)的结构参数。
3)采用表征压缩机油位状态的七个特征参数构成的向量数据作为支持向量机的输入数据。根据数据的油位状态1、2、3类,采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类支持向量机决策函数,共同组成1个多分类支持向量机模型,通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中,再经训练分别获得三个决策函数的结构参数,包括最优拉格朗日系数和最优权值,最终获得训练后多分类支持向量机。
(4)在线数据诊断过程
1)根据实时测量的在线数据,输入敏感参数计算油位指示特征进行数据筛选,判断油位指示特征是否低于判别阈值,当油位指示特征低于阈值时,判定当前数据属于1类油位状态,未发生故障。
2)对于油位指示特征高于阈值的实时运行数据,输入七个特征参数构成的向量数据作为多分类支持向量机的输入,分别计算三类油位状态的支持向量机决策函数值,如1类油位的支持向量机决策函数值最大则实时预判压缩机处于1类油位状态,如2类油位的函数值最大则实时预判为2类油位状态,如3类油位的函数值最大则实时预判为3类油位状态。当预判结果为3类油位状态时,可预警压缩机回油故障。
在冷水机组投入使用之前,在标准试验台架上逐步创造从正常到如表2(压缩机油位判别模型训练试验工况)的低负荷工况使冷水机组运行至压缩机出现3类油位状态,运用整个过程采集到的数据得到构建油位指示特征的系数和上位机控制程序的多分类支持向量机模型。
表2
冷水机组投入运行后监控***采集运行数据,实时计算油位指示特征值和多分类支持向量机函数值用以判断和预警螺杆式制冷压缩机低油位状态。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (2)
1.一种螺杆式制冷压缩机回油故障的辨识和预判方法,螺杆式制冷压缩机压缩输出制冷剂依次进冷凝器冷凝、电子膨胀阀、蒸发器回至压缩机,其特征在于,通过对冷水机组运行数据的辨识和分类预判螺杆式制冷压缩机回油故障,具体步骤如下:
1)根据压缩机油视镜中油位相对满油位的百分比将油位状态分为1类:70%-100%油位;2类:40%-70%油位;3类:低于40%油位;
2)通过对步骤1)所述三类油位状态的历史数据进行相关性分析,确定与压缩机油位状态具有相关性的压缩机吸气温度、压缩机排气温度、压缩机吸气压力、压缩机排气压力、压缩机电流、冷凝器出口温度和电子膨胀阀开度七个运行参数作为故障的特征参数,再选择其中电子膨胀阀开度、压缩机排气温度和冷凝器出口温度三个相关性最强的作为故障的敏感参数;
3)通过步骤2)所述敏感参数进行制冷压缩机油位指示特征拟合多项式构造,通过输入敏感参数历史数据采用多元线性回归法辨识油位指示特征拟合多项式结构参数,并统计油位指示特征判别阈值;
4)通过步骤2)所述特征参数的历史数据离线进行支持向量机训练,输入所述特征参数构成的向量作为支持向量机的输入数据,根据数据的油位状态1、2、3类,采用一对余类方法分别构建三个区分某一类油位状态特征参数数据与其他类油位状态数据的二分类非线性支持向量机决策函数,共同组成1个多分类支持向量机模型,通过非线性映射将原输入空间的特征参数向量样本映射到高维的特征空间中,再经训练分别获得三个决策函数的结构参数,包括最优拉格朗日系数和最优权值,最终获得训练后多分类支持向量机;
5)在冷水机组运行期间,将实时测量的所述敏感参数输入步骤3)拟合多项式计算油位指示特征,判断油位指示特征是否低于判别阈值,当油位指示特征低于阈值时,判定当前数据属于1类油位状态,未发生故障;
6)对于油位指示特征高于阈值的实时运行数据,将实时的所述特征参数输入步骤4)训练后多分类支持向量机,分别计算所述三类油位状态的支持向量机决策函数值,如1类油位的函数值最大则实时预判压缩机处于1类油位状态,如2类油位的函数值最大则实时预判为2类油位状态,如3类油位的函数值最大则实时预判为3类油位状态;当预判结果为3类油位状态时,预警压缩机回油故障。
2.根据权利要求1所述螺杆式制冷压缩机回油故障的辨识和预判方法,其特征在于,所述油位指示特征拟合多项式如下:
y=a0+a1X1+a2X2+a3X3+a4X1 2+a5X2 2+a6X3 2+a7X1 3+a8X2 3+a9X3 3,
其中敏感参数X1、X2、X3分别为电子膨胀阀开度、排气温度和冷凝器出口温度;y为油位指示特征值;a0~a9为运用进行故障演变试验整个过程采集到的数据得到的构建油位指示特征系数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219278.4A CN113899093B (zh) | 2021-10-20 | 2021-10-20 | 螺杆式制冷压缩机回油故障的辨识和预判方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111219278.4A CN113899093B (zh) | 2021-10-20 | 2021-10-20 | 螺杆式制冷压缩机回油故障的辨识和预判方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113899093A true CN113899093A (zh) | 2022-01-07 |
CN113899093B CN113899093B (zh) | 2023-04-04 |
Family
ID=79192854
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111219278.4A Active CN113899093B (zh) | 2021-10-20 | 2021-10-20 | 螺杆式制冷压缩机回油故障的辨识和预判方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113899093B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc***运行状态实时监控***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566456A (zh) * | 2010-12-29 | 2012-07-11 | 珠海格力电器股份有限公司 | 风冷螺杆机组的回油控制方法及装置、风冷螺杆机组 |
CN203719246U (zh) * | 2013-12-23 | 2014-07-16 | 珠海格力电器股份有限公司 | 空调***的压缩机回油管路故障的处理*** |
CN108981251A (zh) * | 2018-06-15 | 2018-12-11 | 重庆美的通用制冷设备有限公司 | 冷水机组的启动控制方法、***及冷水机组 |
CN109446482A (zh) * | 2018-09-21 | 2019-03-08 | 天津长芦汉沽盐场有限责任公司 | 状态监测与故障诊断技术在制冷机组运行管理中的应用 |
CN110702438A (zh) * | 2019-09-23 | 2020-01-17 | 天津大学 | 一种离心式冷水机组与新风***联合故障诊断方法 |
CN113007040A (zh) * | 2021-04-21 | 2021-06-22 | 西安热工研究院有限公司 | 风电机组主轴总成窜动在线监测与故障预警***及方法 |
-
2021
- 2021-10-20 CN CN202111219278.4A patent/CN113899093B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102566456A (zh) * | 2010-12-29 | 2012-07-11 | 珠海格力电器股份有限公司 | 风冷螺杆机组的回油控制方法及装置、风冷螺杆机组 |
CN203719246U (zh) * | 2013-12-23 | 2014-07-16 | 珠海格力电器股份有限公司 | 空调***的压缩机回油管路故障的处理*** |
CN108981251A (zh) * | 2018-06-15 | 2018-12-11 | 重庆美的通用制冷设备有限公司 | 冷水机组的启动控制方法、***及冷水机组 |
CN109446482A (zh) * | 2018-09-21 | 2019-03-08 | 天津长芦汉沽盐场有限责任公司 | 状态监测与故障诊断技术在制冷机组运行管理中的应用 |
CN110702438A (zh) * | 2019-09-23 | 2020-01-17 | 天津大学 | 一种离心式冷水机组与新风***联合故障诊断方法 |
CN113007040A (zh) * | 2021-04-21 | 2021-06-22 | 西安热工研究院有限公司 | 风电机组主轴总成窜动在线监测与故障预警***及方法 |
Non-Patent Citations (1)
Title |
---|
真羚健: "喷油式双螺杆氨压缩机油位异常原因分析及处理", 《工艺与设备》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116520817A (zh) * | 2023-07-05 | 2023-08-01 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc***运行状态实时监控***及方法 |
CN116520817B (zh) * | 2023-07-05 | 2023-08-29 | 贵州宏信达高新科技有限责任公司 | 基于高速公路的etc***运行状态实时监控***及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113899093B (zh) | 2023-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | An improved fault detection method for incipient centrifugal chiller faults using the PCA-R-SVDD algorithm | |
US7188482B2 (en) | Fault diagnostics and prognostics based on distance fault classifiers | |
CN114893936B (zh) | 制冰***进出水控制***与控制方法 | |
CN111306706B (zh) | 一种空调联动控制方法及*** | |
CN108376264A (zh) | 一种基于支持向量机增量学习的冷水机组故障诊断方法 | |
CN108758969A (zh) | 一种冷水机组故障检测方法和*** | |
CN116976707B (zh) | 基于用电信息采集的用户用电数据异常分析方法及*** | |
CN113899093B (zh) | 螺杆式制冷压缩机回油故障的辨识和预判方法 | |
CN111649449B (zh) | 基于用户侧泛在电力物联网的空调故障感知方法 | |
CN112598144A (zh) | 基于相关性分析的cnn-lstm突发故障预警方法 | |
CN110953687B (zh) | 一种空调的健康度评价方法、***及存储介质 | |
CN113378908A (zh) | 基于LightGBM算法和网格搜索算法的暖通空调***故障诊断方法 | |
CN107461881B (zh) | 一种医院空调机房的制冷主机能效诊断方法及其*** | |
CN113934191A (zh) | 一种冷水机组故障诊断*** | |
KR20130065844A (ko) | 지능형 빌딩 에너지 설비 효율 관리 시스템 및 그 방법 | |
CN116068304A (zh) | 能效评估方法、装置、***、设备及存储介质 | |
CN112560339B (zh) | 利用机器学习预测水轮发电机组导轴承瓦温度的方法 | |
JP2007026134A (ja) | 異常判定装置 | |
CN111382946B (zh) | 设备健康状态的自主评估方法、***及工业互联网设备 | |
CN117346418B (zh) | 冷水机组的控制方法、装置、存储介质及电子设备 | |
CN117419412B (zh) | 基于时间序列聚类的中央空调最佳运行效率状态识别方法 | |
CN117454279A (zh) | 一种冷水机组运行监测方法及*** | |
CN118089290B (zh) | 一种高效制冷循环***及方法 | |
CN115718884A (zh) | 一种用于设备健康程度评价的预防性维护方法 | |
CN110736239B (zh) | 空调中润滑油余量的确定方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |