CN115111705B - 用于检测冷水机组水流旁通故障的方法、设备和介质 - Google Patents
用于检测冷水机组水流旁通故障的方法、设备和介质 Download PDFInfo
- Publication number
- CN115111705B CN115111705B CN202211027469.5A CN202211027469A CN115111705B CN 115111705 B CN115111705 B CN 115111705B CN 202211027469 A CN202211027469 A CN 202211027469A CN 115111705 B CN115111705 B CN 115111705B
- Authority
- CN
- China
- Prior art keywords
- temperature
- water
- determining
- sampling data
- similar
- 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.)
- Active
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 311
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000005070 sampling Methods 0.000 claims abstract description 155
- 230000004044 response Effects 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 abstract description 14
- 230000035945 sensitivity Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 16
- 238000004378 air conditioning Methods 0.000 description 15
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 239000000498 cooling water Substances 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- MFYSYFVPBJMHGN-UHFFFAOYSA-N Cortisone Natural products O=C1CCC2(C)C3C(=O)CC(C)(C(CC4)(O)C(=O)CO)C4C3CCC2=C1 MFYSYFVPBJMHGN-UHFFFAOYSA-N 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/30—Control or safety arrangements for purposes related to the operation of the system, e.g. for safety or monitoring
- F24F11/32—Responding to malfunctions or emergencies
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/50—Control or safety arrangements characterised by user interfaces or communication
- F24F11/54—Control or safety arrangements characterised by user interfaces or communication using one central controller connected to several sub-controllers
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/62—Control or safety arrangements characterised by the type of control or by internal processing, e.g. using fuzzy logic, adaptive control or estimation of values
- F24F11/63—Electronic processing
- F24F11/64—Electronic processing using pre-stored data
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/70—Control systems characterised by their outputs; Constructional details thereof
- F24F11/80—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air
- F24F11/83—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers
- F24F11/84—Control systems characterised by their outputs; Constructional details thereof for controlling the temperature of the supplied air by controlling the supply of heat-exchange fluids to heat-exchangers using valves
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F11/00—Control or safety arrangements
- F24F11/88—Electrical aspects, e.g. circuits
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F24—HEATING; RANGES; VENTILATING
- F24F—AIR-CONDITIONING; AIR-HUMIDIFICATION; VENTILATION; USE OF AIR CURRENTS FOR SCREENING
- F24F2140/00—Control inputs relating to system states
- F24F2140/20—Heat-exchange fluid temperature
-
- 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)
- Chemical & Material Sciences (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Human Computer Interaction (AREA)
- Measuring Volume Flow (AREA)
- Air Conditioning Control Device (AREA)
Abstract
本公开的实施例涉及用于检测冷水机组水流旁通故障的方法、设备和介质。在该方法中,获取中央空调的冷水机组对应于预定期间的多个温度采样数据;基于多个温度采样数据,确定相似占比,相似占比表征多个温度采样数据中的相似温度采样数据的占比;确定相似占比是否满足预定条件;以及响应于确定相似占比满足预定条件,确定冷水机组存在水流旁通故障。本公开能够显著提高水流旁通故障检测的准确性和灵敏性。
Description
技术领域
本公开的实施例总体涉及中央空调冷水机组故障检测领域,并且更具体地涉及一种用于检测冷水机组水流旁通故障的方法、设备和介质。
背景技术
中央空调冷水机组在运行过程中,可能会发生例如水流旁通故障。发生水流旁通故障的原因,例如可能是主机水阀忘记关闭或者无法完全关闭,导致主机停机后仍然存在冷却水或冷冻水流经主机。当冷水机组发生水流旁通故障时,部分水流量流经未运行的主机,导致运行主机水流量减少,影响运行主机的运行效率。或者,为了保障主机水流量充足,需要增加泵的运行数量或者泵的运行频率,因而会导致整个冷水机组的运行功耗显著增加。
目前,通常采用水流开关检查是否存在水流旁通故障。例如,在冷水机组中设置水流开关,用于检测是否有水流流过蒸发器或冷凝器,从而确定未运行主机中是否存在水流旁通的情况。采用水流开关的方案至少存在两方面问题:第一,当旁通水流量较小时(例如,阀门未关紧的情况下),水流开关可能无法检测到水流旁通故障;第二,例如运行现场未能对水流开关状态进行有效监测或者不具备监测水流开关状态的条件。这两方面问题均导致目前水流旁通故障检测的准确性、灵敏性较低,难以及时反馈水流旁通故障。
综上,用于检测冷水机组水流旁通故障的传统方法中,通常采用水流开关进行检测,存在准确性、灵敏性较低的问题。
发明内容
针对上述问题,本公开提供了一种用于检测冷水机组水流旁通故障的方法、设备和介质,能够显著提高水流旁通故障检测的准确性和灵敏性。
根据本公开的第一方面,提供一种用于检测冷水机组水流旁通故障的方法。该用于检测冷水机组水流旁通故障的方法包括:获取中央空调的冷水机组对应于预定期间的多个温度采样数据,多个温度采样数据包括关于未运行主机的进水温度采样数据和出水温度采样数据;基于多个温度采样数据,确定相似占比,相似占比表征多个温度采样数据中的相似温度采样数据的占比;确定相似占比是否满足预定条件;以及响应于确定相似占比满足预定条件,确定冷水机组存在水流旁通故障。
在一些实施例中,基于多个温度采样数据,确定相似占比包括:基于关于未运行主机的进水温度采样数据和出水温度采样数据确定关于未运行主机的进水温度采样数据和出水温度采样数据的第一温度差值;确定第一温度差值是否小于第一阈值;响应于确定第一温度差值小于第一阈值,确定与第一温度差值对应的温度采样数据为第一相似温度采样数据,以便基于第一相似温度采样数据在温度采样数据中的占比来确定第一相似占比。
在一些实施例中,基于多个温度采样数据,确定相似占比包括:基于关于未运行主机的进水温度采样数据和出水温度采样数据,确定关于未运行主机的进水温度采样数据和出水温度采样数据的相关系数,以便基于相关系数确定第二相似占比。
在一些实施例中,多个温度采样数据还包括关于运行主机的进水温度采样数据和/或进水总管的温度采样数据。
在一些实施例中,基于多个温度采样数据,确定相似占比包括:基于关于未运行主机的进水温度采样数据和出水温度采样数据,以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据中的最大值与最小值之间的差值,确定第二温度差值;确定第二温度差值是否小于第二阈值;以及响应于确定第二温度差值小于第二阈值,确定与第二温度差值对应的温度采样数据为第二相似温度采样数据,以便基于第二相似温度采样数据在温度采样数据中的占比来确定第三相似占比。
在一些实施例中,基于多个温度采样数据,确定相似占比包括:确定关于未运行主机的进水温度采样数据、出水温度采样数据、关于运行主机的进水温度采样数据以及进水总管的温度采样数据中的多个温度采样数据之间的相关系数,以便基于相关系数确定第四相似占比。
在一些实施例中,确定相似占比满足预定条件包括:确定相似占比满足以下至少一项:确定第一相似占比大于第一占比阈值;确定第二相似占比大于第二占比阈值;确定第三相似占比大于第三占比阈值;以及确定第四相似占比大于第四占比阈值。
根据本公开的第二方面,提供一种电子设备。该电子设备包括:至少一个处理单元;至少一个存储器,至少一个存储器被耦合到至少一个处理单元并且存储用于由至少一个处理单元执行的指令,指令当由至少一个处理单元执行时,使得电子设备执行根据本公开的第一方面的方法的步骤。
根据本公开的第三方面,提供一种计算机可读存储介质。该计算机可读存储介质上存储有计算机程序,计算机程序被机器执行时实现根据本公开的第一方面的方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
结合附图并参考以下详细说明,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中,相同或相似的附图标注表示相同或相似的元素。
图1示出了用于实现根据本公开的实施例的用于检测冷水机组水流旁通故障的方法的计算设备的示意图。
图2示出了本公开的实施例的用于检测冷水机组水流旁通故障的方法的流程图。
图3示出了本公开的实施例的用于确定相似占比的方法的流程图。
图4示出了本公开的实施例的用于确定相似占比的方法的流程图。
图5示出了本公开的实施例的用于确定相似占比的方法的流程图。
图6示出了本公开的实施例的用于确定相似占比的方法的流程图。
图7示出了可以用来实施本公开内容的实施例的用于检测冷水机组水流旁通故障的方法的示例电子设备的示意性框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本文中使用的术语“包括”及其变形表示开放性包括,即“包括但不限于”。除非特别申明,术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。
如前文所描述,用于中央空调冷水机组检测的传统方法仅仅基于单一时刻的运行参数数据进行分析和诊断,容易产生错误的检测结果,准确性较低。
为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个,本公开的示例实施例提出了一种检测中央空调冷水机组水流旁通故障的方案。在本公开方案中,获取中央空调的冷水机组对应于预定期间的多个温度采样数据,多个温度采样数据包括关于未运行主机的进水温度采样数据和出水温度采样数据,基于预定期间内的温度采样数据,可以避免仅依据单一时刻的采样数据进行水流旁通故障检测导致的错误结果;然后,基于多个温度采样数据,确定相似占比,相似占比表征多个温度采样数据中的相似温度采样数据的占比;确定相似占比是否满足预定条件;以及响应于确定相似占比满足预定条件,确定冷水机组存在水流旁通故障。其中,相似占比体现出多个温度采样数据中对应的进水温度采样数据与出水温度采样数据的接近程度,而该接近程度与水流旁通故障相关性很强,因此,基于相似占比确定冷水机组是否存在水流旁通故障,准确性和敏感性很高。
在下文中,将结合附图更详细地描述本方案的具体示例。
图1示出了用于实现根据本公开的实施例的用于检测冷水机组水流旁通故障的方法的计算设备100的示意图。该计算设备100可以具有一个或多个处理单元,包括诸如GPU(Graphics Processing Unit,图形处理器)、FPGA(Field Programmable Gate Array,现场可编程逻辑门阵列)和ASIC(Application Specific Integrated Circuit,专用集成电路)等的专用处理单元以及诸如CPU(Central Processing Unit,中央处理器)的通用处理单元。另外,在每个计算设备100上也可以运行着一个或多个虚拟机。在一些实施例中,计算设备100例如包括采样数据获取单元102、相似占比确定单元106、故障确定单元108。
关于采样数据获取单元102,其用于获取中央空调的冷水机组对应于预定期间的多个温度采样数据。多个温度采样数据包括关于未运行主机的进水温度采样数据和出水温度采样数据。
关于相似占比确定单元106,其用于基于多个温度采样数据,确定相似占比,相似占比表征多个温度采样数据中的相似温度采样数据的占比。
关于故障确定单元108,其用于确定相似占比是否满足预定条件;以及响应于确定相似占比满足预定条件,确定冷水机组存在水流旁通故障。
以下具体说明本公开的实施例的用于检测冷水机组水流旁通故障的方法。图2示出了本公开的实施例的用于检测冷水机组水流旁通故障的方法200的流程图。方法200可由如图1所示的计算设备100执行,也可以在图7所示的电子设备800处执行。应当理解的是,方法200还可以包括未示出的附加步骤和/或可以省略所示出的步骤,本公开的范围在此方面不受限制。
在步骤202处,计算设备获取中央空调的冷水机组对应于预定期间的多个温度采样数据。多个温度采样数据例如包括关于未运行主机的进水温度采样数据和出水温度采样数据。
在一些实施例中,多个温度采样数据例如还包关于运行主机的进水温度采样数据和/或进水总管的温度采样数据。
关于预定期间,其时间长度可以根据实际需要合理设置。为了兼顾效率与准确性,在一些实施例中,预定期间的时间长度例如不小于1小时,以及不大于48小时。为了提高预定期间内的关于未运行主机的进水温度采样数据、出水温度采样数据、关于运行主机的进水温度采样数据以及进水总管的温度采样数据的有效性,在一些实施例中,预定期间的起始时刻例如距离目标未运行主机的停机时刻大于或者等于30分钟。在一些实施例中,目标未运行主机处于未运行状态(即停机状态)时,该冷水机组中至少存在一台主机处于运行状态。
应当理解,通过基于预定期间内的多个温度采样数据检测冷水机组是否存在水流旁通故障,可以避免仅依据单一时刻的温度采样数据进行检测导致的错误结果。
在步骤206处,计算设备基于多个温度采样数据,确定相似占比。相似占比表征多个温度采样数据中的相似温度采样数据的占比。
关于相似占比,例如包括第一相似占比、第二相似占比、第三相似占比以及第四相似占比中的至少一项。第一相似占比和第二相似占比,例如与关于未运行主机的进水温度采样数据和出水温度采样数据相关联;第三相似占比和第四相似占比,例如与关于未运行主机的进水温度采样数据和出水温度采样数据,以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据相关联。
关于确定相似占比的方法,其例如包括:计算设备基于关于未运行主机的进水温度采样数据和出水温度采样数据确定关于未运行主机的进水温度采样数据和出水温度采样数据的第一温度差值;确定第一温度差值是否小于第一阈值;以及响应于确定第一温度差值小于第一阈值,确定与第一温度差值对应的温度采样数据为第一相似温度采样数据,以便基于第一相似温度采样数据在温度采样数据中的占比来确定第一相似占比。下文将结合图3~6详细描述用于确定相似占比的方法,此处不再赘述。
在步骤208处,计算设备确定相似占比是否满足预定条件。
在一些实施例中,确定相似占比满足预定条件例如包括:确定相似占比满足以下至少一项:确定第一相似占比大于第一占比阈值;确定第二相似占比大于第二占比阈值;确定第三相似占比大于第三占比阈值;以及确定第四相似占比大于第四占比阈值。其中,第一占比阈值、第二占比阈值、第三占比阈值以及第四占比阈值分别与第一相似占比、第二相似占比、第三相似占比以及第四相似占比相对应。
在步骤210处,如果计算设备确定相似占比满足预定条件,计算设备确定冷水机组存在水流旁通故障。
例如,如果计算设备确定第一相似占比大于第一占比阈值,或者第二相似占比大于第二占比阈值,或者第三相似占比大于第三占比阈值,或者第四相似占比大于第四占比阈值,计算设备确定中央空调冷水机组存在水流旁通故障。
在步骤212处,如果计算设备确定相似占比不满足预定条件,计算设备确定中央空调冷水机组不存在水流旁通故障。例如,如果计算设备确定第一相似占比小于或者等于第一占比阈值、第二相似占比小于或者等于第二占比阈值、第三相似占比小于或者等于第三占比阈值,以及第四相似占比小于或者等于第四占比阈值,则计算设备确定中央空调冷水机组不存在水流旁通故障。
在上述方案中,根据相似占比确定冷水机组是否存在计算设备故障,具有很高的准确性和灵敏性。应当理解,例如,对应的关于未运行主机的进水温度采样数据和出水温度采样数据被确定为相似温度采样数据,则说明对应的关于未运行主机的进水温度采样数据和出水温度采样数据非常接近,而相似占比体现出例如对应的关于未运行主机的进水温度采样数据和出水温度采样数据在预定期间的整体的接近程度。即,相似占比越高,则例如对应的关于未运行主机的进水温度采样数据和出水温度采样数据在预定期间的整体的接近程度越高。这种接近程度与水流旁通故障具有很高的相关性,因此,相似占比满足预定条件(例如,大于预定阈值)时,可以确定冷水机组存在水流旁通故障,这种方式具有极高的准确性和灵敏性。而且,以预定期间内的相似占比,而不是单个温度采样数据作为判断是否存在水流旁通故障的依据,可以避免因为单个温度采样数据的不确定或者误差而导致的误报警。
图3示出了本公开的实施例的用于确定相似占比的方法400的流程图。方法400可由如图1所示的计算设备100执行,也可以在图7所示的电子设备800处执行。应当理解的是,方法400还可以包括未示出的附加步骤和/或可以省略所示出的步骤,本公开的范围在此方面不受限制。
在步骤402处,计算设备基于关于未运行主机的进水温度采样数据和出水温度采样数据,确定关于未运行主机的进水温度采样数据和出水温度采样数据的第一温度差值。
例如,关于未运行主机的出水温度采样数据来自第一出水温度采样序列,关于未运行主机的进水温度采样数据来自第一进水温度采样序列。其中,第一出水温度采样序列包括多个第一出水温度采样数据,第一进水温度采样序列包括多个第一进水温度采样数据。例如,第一出水温度采样序列表征为{T1_out_1,T1_out_2,T1_out_3,……T1_out_n},其中,T1_out_i表征第i个第一出水温度采样数据;第一进水温度采样序列表征为{T1_in_1,T1_in_2,T1_in_3,……T1_in_n},其中,T1_in_i表征第i个第一进水温度采样数据,i[1,n]。
例如,计算设备根据第一出水温度采样序列和第一进水温度采样序列得到第一温差序列,以便得到多个第一温度差值。第一温差序列例如表征为{T1_1,T1_2,……T1_n},其中,T1_1=T1_out_1-T1_in_1,T1_2=T1_out_3-T1_in_3,……T1_n=T1_out_n-T1_in_n,其中,T1_i表征第i个第一温度差值,i[1,n], n为第一温差序列中第一温度差值的数量。
在一些实施例中,第一出水温度采样数据例如为关于未运行主机的冷却水出水口的温度采样数据,其利用设置于未运行主机的冷却水出水口(例如,冷凝器的出水口)的温度传感器采集得到;第一进水温度采样数据为关于未运行主机的冷却水进水口的温度采样数据,其利用设置于运行主机的冷却水进水口(例如,冷凝器的进水口)的温度传感器采集得到。
在一些实施例中,第一出水温度采样数据例如为关于未运行主机的冷冻水出水口的温度采样数据,其利用设置于未运行主机的冷冻水出水口(例如,蒸发器的出水口)的温度传感器采集得到;第一进水温度采样数据为关于未运行主机的冷冻水进水口的温度采样数据,其利用设置于未运行主机的冷冻水进水口(例如,蒸发器的进水口)的温度传感器采集得到。
在步骤404处,计算设备确定第一温度差值是否小于第一阈值。
在步骤406处,如果计算设备确定第一温度差值小于第一阈值,计算设备确定与第一温度差值对应的温度采样数据为第一相似温度采样数据,以便基于第一相似温度采样数据在温度采样数据中的占比来确定第一相似占比。
在步骤408处,如果计算设备确定第一温度差值大于或者等于第一阈值,计算设备确定与第一温度差值对应的温度采样数据不相似。
当发生水流旁通故障时,未运行主机的进水温度与出水温度理论上是相同的。考虑到热量在冷水机组中的传递情况,以及温度传感器的检测精度等因素,在一些实施例中,第一阈值的合理范围例如为0.1-1℃。如果第一阈值过大,例如大于1℃,则容易造成误报警;如果第一阈值过小,例如小于0.1℃,则可能因为温度传感器的测量精度无法达到如此高的精度,容易造成漏报警。
例如,计算设备将第一温度差值T1_i(i[1,n])逐一与第一阈值进行比较,以确定第一温度差值T1_i是否小于第一阈值。如果第一温度差值T1_i小于第一阈值,说明第一温度差值T1_i对应的第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i的数值足够接近,则计算设备确定第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i为第一相似温度采样数据;如果第一温度差值T1_i大于或者等于第一阈值,说明第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i的数值差异较大,则计算设备确定第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i不相似。在遍历全部第一温度差值T1_i(i[1,n])之后,计算设备得到第一相似温度采样数据的数量,设为j1。
在步骤410处,计算设备基于第一相似温度采样数据在温度采样数据中的占比来确定第一相似占比。
例如,第一相似温度采样数据的数量为j1,则第一相似占比r1=j1/n。
在得到第一相似占比后,计算设备确定第一相似占比是否大于第一占比阈值。如果确定第一相似占比大于第一占比阈值,则计算设备确定中央空调冷水机组存在水流旁通故障,例如,发出水流旁通故障报警;如果确定第一相似占比小于或者等于第一占比阈值,则计算设备确定中央空调冷水机组不存在水流旁通故障,例如,不发出水流旁通故障报警。
在上述方案中,基于未运行主机的进出水温差(例如,第一温度差值)检测是否存在水流旁通故障。其中,当第一温度差值小于第一阈值时,表明未运行主机的进出水温差很小,在同时存在其他运行主机的情况下,可以确定该第一温度差值对应的温度采样数据足够接近,可以确定为第一相似温度采样数据。这样,可以准确检测水流旁通故障,精度较高。并且,用于得到第一温度差值的温度采样数据可以基于设置于冷水机组的相关进出水口的温度传感器采集得到,温度传感器的设置较为方便。在一些实施例中,可以利用冷水机组的相关进出水口已经设置的温度传感器设置实现,可以有效节省成本。而且,上述方案能够适用于小流量和缺少水流开关状态监测时的诊断。
应当理解,多个温度采样数据中存在例如第一相似温度采样数据,说明存在第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i足够接近的情况。然而,如果仅仅以单个采样点对应的第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i进行判断,则容易产生误报警,给用户带来不必要的麻烦。而如果第一相似占比大于第一占比阈值,则说明在预定期间内,第一出水口温度采样数据T1_out_i与第一进水口温度采样数据T1_in_i足够接近的情况达到了一定的严重程度,在上述方案中,据此确定中央空调冷水机组存在水流旁通故障,其判断结果更加准确、可靠。
关于第一占比阈值,例如取值范围可以为70%-90%,也可以根据历史统计数据合理设置。
图4示出了本公开的实施例的用于确定相似占比的方法500的流程图。方法500可由如图1所示的计算设备100执行,也可以在图7所示的电子设备800处执行。应当理解的是,方法500还可以包括未示出的附加步骤和/或可以省略所示出的步骤,本公开的范围在此方面不受限制。
在步骤502处,计算设备基于关于未运行主机的进水温度采样数据和出水温度采样数据,确定关于未运行主机的进水温度采样数据和出水温度采样数据的相关系数,以便基于相关系数确定第二相似占比。
在步骤504处,计算设备基于相关系数确定第二相似占比。
在一些实施例中,参照如下公式(1)确定关于未运行主机的进水温度采样数据和出水温度采样数据的相关系数:
其中,CORT(XT,YT) 表征关于未运行主机的进水温度采样数据和出水温度采样数据的相关系数,也即,第一出水温度采样序列(假设以XT表征)与第一进水温度采样序列(假设以YT表征)的相关系数;xt+1和xt分别对应于第一出水温度采样序列中前后相邻的两个第一出水温度采样数据,例如,T1_out_t+1和T1_out_t;yt+1和yt分别对应于第一进水温度采样序列中前后相邻的两个第一进水温度采样数据,例如,T1_in_t+1和T1_in_t。
应当理解,当CORT(XT,YT)=1时,表征第一出水温度采样序列与第一进水温度采样序列具有相同的变化趋势,例如,第一出水温度采样序列与第一进水温度采样序列随时间同时上升或者同时下降,并且变化幅度也是相同的;当CORT(XT,YT)=-1时,表征第一出水温度采样序列与第一进水温度采样序列具有相反的变化趋势,例如,第一出水温度采样序列与第一进水温度采样序列随时间反向变化、此消彼长,并且变化幅度也是相同的;当CORT(XT,YT)=0时,表征第一出水温度采样序列与第一进水温度采样序列的变化没有相关性。
冷水机组在长时间运行后,设置于冷水机组中的检测装置(例如温度传感器)可能会形成一定的固定偏差。例如,对于相同的被测温度,设置于第一处(例如,未运行主机的冷冻水出水口)的第一温度传感器检测的数值为A,而设置于第二处(例如,未运行主机的冷冻水进水口)的第二温度传感器检测的数值为B,A与B不相等;但是,对于相同的被测温度,A与B的差值是固定的。此时,应当认为第一温度传感器与第二温度传感器之间存在固定误差。此时,如果仅依据第一温度传感器与第二温度传感器检测的数值的差值判断冷水机组是否存在例如水流旁通故障,则可能出现漏报警的情况。
因此,上述方案中,通过引入相关系数作为第二相似占比,可以有效避免固定误差对检测结果的影响。其中,相关系数体现出两个温度采样序列中的数据随时间的变化趋势的趋同情况。相关系数较高,则表明至少两个温度采样序列的变化趋势在大多数时间趋同;相关系数较低,则表明至少两个温度采样序列的变化趋势只在少数时间趋同,大多数时间变化趋势不同,甚至是变化趋势不具有相关性,或者变化趋势存在相反的情况。因此,在针对水流旁通故障的检测过程中,相关系数能够体现出两个温度采样序列中的数据中相似数据的占比情况。当第二相似占比大于第二占比阈值时(例如,第二占比阈值为0.7),则表明两个温度采样序列的变化趋势在大多数时间趋同,则可以据此确定冷水机组存在水流旁通故障。其中,相关系数不受固定误差的影响,所以,无论是否存在固定误差,上述方案均可以正常发挥作用,可以提高水流旁通故障检测的准确性。
图5示出了本公开的实施例的用于确定相似占比的方法600的流程图。方法600可由如图1所示的计算设备100执行,也可以在图7所示的电子设备800处执行。应当理解的是,方法600还可以包括未示出的附加步骤和/或可以省略所示出的步骤,本公开的范围在此方面不受限制。
为了提高水流旁通故障检测的精度,在一些实施例中,多个温度采样数据还包括关于运行主机的进水温度采样数据和/或进水总管的温度采样数据。相应地,多个温度采样数据还包括关于运行主机的进水温度采样数据和/或进水总管的温度采样数据。
在步骤602处,计算设备基于关于未运行主机的进水温度采样数据和出水温度采样数据,以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据中的最大值与最小值之间的差值,确定第二温度差值。
例如,关于未运行主机的出水温度采样数据来自第一出水温度采样序列,关于未运行主机的进水温度采样数据来自第一进水温度采样序列。其中,第一出水温度采样序列包括多个第一出水温度采样数据,第一进水温度采样序列包括多个第一进水温度采样数据。例如,第一出水温度采样序列表征为{T1_out_1,T1_out_2,T1_out_3,……T1_out_n},其中,T1_out_i表征第i个第一出水温度采样数据;第一进水温度采样序列表征为{T1_in_1,T1_in_2,T1_in_3,……T1_in_n},其中,T1_in_i表征第i个第一进水温度采样数据,i[1,n]。
例如,关于运行主机的进水温度采样数据来自第二进水温度采样序列。其中,第二进水温度采样序列包括多个第二进水温度采样数据。例如,第二进水温度采样序列表征为{T2_in_1,T2_in_2,T2_in_3,……T2_in_n},其中,T2_in_i表征第i个第二进水温度采样数据,i[1,n]。关于运行主机,在一些实施例中,当运行主机不止一台时,例如遍历所有运行主机对应的进水温度采样数据,以用于对未运行主机是否存在水流旁通故障进行诊断。
进水总管的温度采样数据来自进水总管温度采样序列。进水总管温度采样序列例如表征为{T3_in_1,T3_in_2,T3_in_3,……T3_in_n},其中,T3_in_i表征第i个进水总管的温度采样数据,i[1,n]。关于进水总管的温度采样数据,其利用设置于运行主机的进水总管的温度传感器采集得到。
计算设备基于关于未运行主机的进水温度采样数据和出水温度采样数据,以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据中的最大值与最小值之间的差值,确定第二温差序列,以便确定多个第二温度差值。关于第二温差序列,其例如表征为{T3_1,T3_2,……T3_n},其中,T3_i表征第i个第二温度差值,i[1,n], n为第二温差序列中第二温度差值的数量。
在一些实施例中,第二温度差值例如基于未运行主机的进水温度采样数据、未运行主机的出水温度采样数据以及进水总管的温度采样数据得到。此时,T3_i=max(T1_out_i, T1_in_i, T3_in_i)-min(T1_out_i, T1_in_i, T3_in_i),i[1,n]。其中,max()表征取最大值运算,min()表征取最小值运算。
在一些实施例中,第二温度差值例如基于未运行主机的进水温度采样数据、未运行主机的出水温度采样数据以及关于运行主机的进水温度采样数据得到。此时,T3_i=max(T1_out_i, T1_in_i, T2_in_i)-min(T1_out_i, T1_in_i, T2_in_i),i[1,n]。
在一些实施例中,第二温度差值例如基于未运行主机的进水温度采样数据、未运行主机的出水温度采样数据、关于运行主机的进水温度采样数据以及进水总管的温度采样数据。此时,T3_i=max(T1_out_i, T1_in_i, T2_in_i,T3_in_i)-min(T1_out_i, T1_in_i,T2_in_i,T3_in_i),i[1,n]。
在步骤604处,计算设备确定第二温度差值是否小于第二阈值。
在步骤606处,如果计算设备确定第二温度差值小于第二阈值,计算设备确定与第二温度差值对应的温度采样数据为第二相似温度采样数据,以便基于第二相似温度采样数据在温度采样数据中的占比来确定第三相似占比。
在步骤608处,如果计算设备确定第二温度差值大于或者等于第二阈值,计算设备确定与第二温度差值对应的温度采样数据不相似。
在步骤610处,计算设备基于第二相似温度采样数据在温度采样数据中的占比来确定第三相似占比。
例如,假设第二相似温度采样数据的数量为j2,则第三相似占比r2=j2/n。
在一些实施例中,第三阈值的合理范围例如为0.1-1℃。如果第三阈值过大,例如大于1℃,则容易造成误报警;如果第三阈值过小,例如小于0.1℃,则可能因为温度传感器的测量精度无法达到如此高的精度,容易造成漏报警。
在得到第三相似占比后,计算设备确定第三相似占比是否大于第三占比阈值。如果确定第三相似占比大于第三占比阈值,确定中央空调冷水机组存在水流旁通故障,例如,发出水流旁通故障报警;如果确定第三相似占比小于或者等于第三占比阈值,确定中央空调冷水机组不存在水流旁通故障。
关于运行主机,在一些实施例中,当运行主机不止一台时,例如遍历所有运行主机对应的进水温度采样数据,以用于对未运行主机是否存在水流旁通故障进行诊断。例如,分别以每一台运行主机的进水温度采样数据作为第二进水温度采样序列,对用于对未运行主机是否存在水流旁通故障进行诊断。如果以其中每一台运行主机为参考,均可以得到第三相似占比小于或者等于第三占比阈值的结果,确定中央空调冷水机组不存在水流旁通故障;否则,只要以其中任何一台运行主机为参考,发生第三相似占比大于第三占比阈值的情况,则确定中央空调冷水机组存在水流旁通故障,并且可以确定对应的运行主机与被诊断的未运行主机之间发生水流旁通故障。
在上述方案中,结合关于未运行主机的进水温度采样数据和出水温度采样数据、以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据等多种温度采样数据进行综合计算,以形成第二温度差值,其能够更加准确地反映出冷水机组中多种不同的相关进出水口的温差差异情况,据此确定冷水机组是否存在水流旁通故障,其准确度更高。并且,用于得到第二温度差值的温度采样数据可以基于设置于冷水机组的相关进出水口的温度传感器采集得到,温度传感器的设置较为方便。在一些实施例中,可以利用冷水机组的相关进出水口已经设置的温度传感器设置实现,可以有效节省成本。
图6示出了本公开的实施例的用于确定相似占比的方法700的流程图。方法700可由如图1所示的计算设备100执行,也可以在图7所示的电子设备800处执行。应当理解的是,方法700还可以包括未示出的附加步骤和/或可以省略所示出的步骤,本公开的范围在此方面不受限制。
在步骤702处,计算设备确定关于未运行主机的进水温度采样数据、出水温度采样数据、关于运行主机的进水温度采样数据以及进水总管的温度采样数据中的多个温度采样数据之间的相关系数。
在一些实施例中,确定第一出水温度采样序列、第一进水温度采样序列、第二进水温度采样序列以及进水总管温度采样序列中的任意两个温度采样序列之间的相关系数,以得到多个相关系数。
在步骤704处,计算设备基于相关系数确定第四相似占比。
在一些实施例中,计算设备获取多个相关系数中的最小值,作为第四相似占比。在一些实施例中,计算设备获取多个相关系数中的平均值,作为第四相似占比。
在得到第四相似占比后,计算设备第四相似占比是否大于第四占比阈值。如果确定第四相似占比大于第四占比阈值,计算设备确定中央空调冷水机组存在水流旁通故障;如果确定第四相似占比小于或者等于大于第四占比阈值,计算设备确定中央空调冷水机组存在水流旁通故障。
在上述方案中,通过获取多个温度采样数据之间对应的多个相关系数,以便确定判断冷水机组是否存在水流旁通故障,其检测的准确度更高。
图7示出了可以用来实施本公开内容的实施例的用于检测冷水机组水流旁通故障的方法的示例电子设备800的示意性框图。如图所示,电子设备800包括中央处理单元(即,CPU 801),其可以根据存储在只读存储器(即,ROM 802)中的计算机程序指令或者从存储单元808加载到随机存取存储器(即,RAM 803)中的计算机程序指令,来执行各种适当的动作和处理。在RAM 803中,还可存储电子设备800操作所需的各种程序和数据。CPU 801、ROM802以及RAM 803通过总线804彼此相连。输入/输出接口(即,I/O接口805)也连接至总线804。
电子设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标、麦克风等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许电子设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
上文所描述的各个过程和处理,例如方法200、300、400、500、600和700,可由CPU801执行。例如,在一些实施例中,方法200、300、400、500、600和700可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到电子设备800上。当计算机程序被加载到RAM 803并由CPU 801执行时,可以执行上文描述的方法200、300、400、500、600和700的一个或多个动作。
本公开涉及方法、装置、***、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(***)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
本公开基于对水流旁通故障的影响进行了深入的分析,提取出了能够表征该故障的关键参数,该关键参数例如可以基于冷水机组采集的基本数据,如温度等,因此可以在不增加设备的情况下实现诊断。该关键参数可以对小流量旁通故障进行表征,具备更好的通用性。本公开故障诊断结果并非基于某一时刻得到的数据,而是对一段时间内的数据进行综合判断,可以提高诊断准确率。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (8)
1.一种用于检测冷水机组水流旁通故障的方法,其特征在于,包括:
获取中央空调的冷水机组对应于预定期间的多个温度采样数据,多个温度采样数据包括关于未运行主机的进水温度采样数据和出水温度采样数据;
基于多个温度采样数据,确定相似占比,相似占比表征多个温度采样数据中的相似温度采样数据的占比;
确定相似占比是否满足预定条件;以及
响应于确定相似占比满足预定条件,确定冷水机组存在水流旁通故障;
其中基于多个温度采样数据,确定相似占比包括:
基于关于未运行主机的进水温度采样数据和出水温度采样数据,确定关于未运行主机的进水温度采样数据和出水温度采样数据的第一温度差值;
确定第一温度差值是否小于第一阈值;以及
响应于确定第一温度差值小于第一阈值,确定与第一温度差值对应的温度采样数据为第一相似温度采样数据,以便基于第一相似温度采样数据在温度采样数据中的占比来确定第一相似占比。
2.根据权利要求1所述的方法,其特征在于,其中基于多个温度采样数据,确定相似占比包括:
基于关于未运行主机的进水温度采样数据和出水温度采样数据,确定关于未运行主机的进水温度采样数据和出水温度采样数据的相关系数,以便基于相关系数确定第二相似占比。
3.根据权利要求1所述的方法,其特征在于,其中多个温度采样数据还包括关于运行主机的进水温度采样数据和/或进水总管的温度采样数据。
4.根据权利要求3所述的方法,其特征在于,其中基于多个温度采样数据,确定相似占比包括:
基于关于未运行主机的进水温度采样数据和出水温度采样数据,以及关于运行主机的进水温度采样数据和/或进水总管的温度采样数据中的最大值与最小值之间的差值,确定第二温度差值;
确定第二温度差值是否小于第二阈值;以及
响应于确定第二温度差值小于第二阈值,确定与第二温度差值对应的温度采样数据为第二相似温度采样数据,以便基于第二相似温度采样数据在温度采样数据中的占比来确定第三相似占比。
5.根据权利要求3所述的方法,其特征在于,其中基于多个温度采样数据,确定相似占比包括:
确定关于未运行主机的进水温度采样数据、出水温度采样数据、关于运行主机的进水温度采样数据以及进水总管的温度采样数据中的多个温度采样数据之间的相关系数,以便基于相关系数确定第四相似占比。
6.根据权利要求1所述的方法,其特征在于,其中确定相似占比满足预定条件包括:确定相似占比满足以下至少一项:
确定第一相似占比大于第一占比阈值;
确定第二相似占比大于第二占比阈值;
确定第三相似占比大于第三占比阈值;以及
确定第四相似占比大于第四占比阈值。
7.一种电子设备,包括:
至少一个处理单元;
至少一个存储器,所述至少一个存储器被耦合到所述至少一个处理单元并且存储用于由所述至少一个处理单元执行的指令,所述指令当由所述至少一个处理单元执行时,使得所述电子设备执行根据权利要求1至6中任一项所述的方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被机器执行时实现根据权利要求1至6中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211027469.5A CN115111705B (zh) | 2022-08-25 | 2022-08-25 | 用于检测冷水机组水流旁通故障的方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211027469.5A CN115111705B (zh) | 2022-08-25 | 2022-08-25 | 用于检测冷水机组水流旁通故障的方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115111705A CN115111705A (zh) | 2022-09-27 |
CN115111705B true CN115111705B (zh) | 2022-11-11 |
Family
ID=83336018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211027469.5A Active CN115111705B (zh) | 2022-08-25 | 2022-08-25 | 用于检测冷水机组水流旁通故障的方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115111705B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080020845A (ko) * | 2006-09-01 | 2008-03-06 | 엘지전자 주식회사 | 멀티형 공기조화기의 제어 방법 |
CN109921453A (zh) * | 2018-10-22 | 2019-06-21 | 南京南瑞继保工程技术有限公司 | 分布式耗能装置及模块故障旁路控制方法 |
CN114364925A (zh) * | 2019-09-09 | 2022-04-15 | 大金工业株式会社 | 制冷剂泄漏判定*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3260844B2 (ja) * | 1992-08-27 | 2002-02-25 | 東芝キヤリア株式会社 | 空気調和機 |
CN1195184C (zh) * | 2003-07-31 | 2005-03-30 | 上海交通大学 | 制冷空调机组故障模拟和诊断*** |
US7765818B2 (en) * | 2006-05-30 | 2010-08-03 | B/E Aerospace, Inc. | Refrigeration unit and diagnostic method therefor |
JP5525965B2 (ja) * | 2010-08-25 | 2014-06-18 | 日立アプライアンス株式会社 | 冷凍サイクル装置 |
WO2018179050A1 (ja) * | 2017-03-27 | 2018-10-04 | 日本電気株式会社 | 温度制御装置、温度制御装置の制御方法、及び温度制御装置の制御プログラムを格納した非一時的な記憶媒体 |
CN113983729B (zh) * | 2021-12-02 | 2023-06-09 | 博锐尚格科技股份有限公司 | 一种冷水机组旁通运行的判断方法及装置 |
CN114413457B (zh) * | 2022-01-21 | 2023-03-17 | 清华大学 | 空调***寻优控制方法、装置、电子设备及存储介质 |
CN114923266B (zh) * | 2022-07-20 | 2022-09-30 | 蘑菇物联技术(深圳)有限公司 | 用于控制中央空调***的冷水机组的方法、设备和介质 |
-
2022
- 2022-08-25 CN CN202211027469.5A patent/CN115111705B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20080020845A (ko) * | 2006-09-01 | 2008-03-06 | 엘지전자 주식회사 | 멀티형 공기조화기의 제어 방법 |
CN109921453A (zh) * | 2018-10-22 | 2019-06-21 | 南京南瑞继保工程技术有限公司 | 分布式耗能装置及模块故障旁路控制方法 |
CN114364925A (zh) * | 2019-09-09 | 2022-04-15 | 大金工业株式会社 | 制冷剂泄漏判定*** |
Also Published As
Publication number | Publication date |
---|---|
CN115111705A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114353854B (zh) | 用于在线定位异常传感器的方法、设备和介质 | |
CN112698975A (zh) | 一种微服务架构信息***的故障根因定位方法及*** | |
CA2931624A1 (en) | Systems and methods for event detection and diagnosis | |
JP2005535130A (ja) | 最新のプロセス制御システム内で誤って表された計測データを取り扱う方法、システム、および媒体 | |
CN110553377B (zh) | 空调的室外换热器脏堵检测方法、***及空调 | |
KR20020075299A (ko) | 회전 기계의 수명 예측 장치와 그 장치를 이용한 장비, 및회전 기계의 수명 예측 방법과 수리 타이밍 판정 방법 | |
JP7260292B2 (ja) | 異常診断装置及び異常診断方法 | |
CN110906508B (zh) | 空调传感器的故障检测方法及*** | |
CN110376005B (zh) | 数据处理方法、制冷剂泄漏检测方法、***故障检测方法以及***性能检测方法 | |
Beghi et al. | A data-driven approach for fault diagnosis in HVAC chiller systems | |
CN115127194B (zh) | 用于检测中央空调冷水机组故障的方法、设备和介质 | |
CN115111705B (zh) | 用于检测冷水机组水流旁通故障的方法、设备和介质 | |
CN115307669B (zh) | 用于检测被测***的异常传感器的方法、设备和介质 | |
CN114646342B (zh) | 用于定位异常传感器的方法、设备和介质 | |
EP3246856B1 (en) | Degradation estimation method and degradation estimation apparatus | |
CN110986267A (zh) | 用于空调器异响的检测方法及装置、空调器 | |
JP7437163B2 (ja) | 診断装置、診断方法およびプログラム | |
CN115307670B (zh) | 用于定位中央空调***异常传感器的方法、设备和介质 | |
Liu et al. | An efficient sensor and thermal coupling fault diagnosis methodology for building energy systems | |
CN115358352B (zh) | 用于定位异常传感器的方法、设备和介质 | |
Zhang et al. | AHU sensor fault diagnosis in various operating conditions based on a hybrid data-driven model combined energy consumption | |
US20110093585A1 (en) | Method of detecting measurements in service level agreement based systems | |
US20230008510A1 (en) | State detection system | |
CN111721542B (zh) | 用于检测故障或模型失配的***和方法 | |
CN118052122A (zh) | 换热器堵塞故障识别方法、装置、电子设备及存储介质 |
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 | ||
CP03 | Change of name, title or address | ||
CP03 | Change of name, title or address |
Address after: No. 118, Building C1, No.1 Qingsheng Avenue, Nansha District, Guangzhou City, Guangdong Province, 511455 Patentee after: Guangdong Mushroom IoT Technology Co.,Ltd. Country or region after: Zhong Guo Address before: 518109 room 2202, building 1, Huide building, Beizhan community, Minzhi street, Longhua District, Shenzhen, Guangdong Patentee before: MOGULINKER TECHNOLOGY (SHENZHEN) CO.,LTD. Country or region before: Zhong Guo |