摘要：HVAC领域系统的软故障由于具有渐变特，对系统造成的危害非常大，针对缺乏历史故障数据，将定性方法与大数据技术相结合，建立通过横向比较实时监测参数的大数据预诊系统故障的模型，并进行分析验证，指出横向大数据分析技术适用于有多套设备同时运行且实时监测数据量大的系统'将故障定性分析方法与大数据技术结合$得到的横向大数据预诊故障模型能够较准确地预先发现并报告故障位置及原因。
关键词：大数据技术；暖通空调；系统软故障
引言
HVAC领域系统故障可分为硬故障和软故障，硬故障是指系统硬件等发生故障，软故障是指使系统部件性能逐渐衰退甚至失效的故障$如制冷剂泄漏%冷凝器结垢%制冷剂含不凝性气体%阀门开启度不当等，硬故障一般具有突发性%破坏性且容易被检测到的特征，而软故障一般不容易被察觉，其影响是渐变的，但软故障持续一段时间后会造成系统功能严重衰退，若被忽略可能造成严重的后果，由于软故障发展缓慢，不容易通过简单的传感器测量发现，因此它对系统造成的危害有时甚至会大于硬故障，大数据技术可以通过对大量数据的分析统计，判断系统可能将要发生的故障，利用大数据技术预检系统故障有2种途径，第一种为纵向数据分析法，即将大量历史数据进行统计归纳，得到故障发生前的监测数据的表现特征，并通过将当前监测数据与该特征进行比较，预先判断可能发生的故障，第二种为横向数据分析法，即将当前监测数据进行横向比较，通过监测到的个别异常数据的表现及时发现故障发生的前兆，前者对历史数据的体量要求很大，否则数据分析结果很难有统计意义'后者则要求有多台相同设备同时运行。此外，由于软故障是逐渐发展的$因此它的发生没有一个明显的界限，而是渐变过程，与其相关的监测数据的异常变化也是一个范围$而非具体值，并且这个范围的区间与每个系统的具体特征#如管理水平%管路特征"有关，这就使得利用纵向大数据技术方法预测诊断软故障，必须结合系统自身特征收集相关数据，才能及时有效地发现并清除潜在的软故障危害。
一、大数据技术概述
大数据技术，主要是利用对于大量数据所得出的数据进行分析以及统计，以此合理有效的判断出系统在之后的运行过程当中，所可能会发生的故障问题。而基于大数据技术预诊系统的故障问题，主要是由纵向数据分析方法以及横向数据分析方法。而纵向数据分析方法，主要上将庞大的历史数据资料重新进行筛选以及归纳，从而合理的得出问题故障发生之前的一些检测数据上的表现状况，接着在利用当前已经监测过的数据与此表现状况进行相互之间的对比，从而预先的判断出后期会发生的哪些可能性的问题故障，而横向数据分析方法，主要就是利用当前所监测到的数据，进行横向上的对比，并主要利用监测所得到的一些较为突出的异常数据的显示，从而判断出后期可能要发生的问题故障。前者纵向数据分析方法主要对于历史数据的需求量是较为大的，否则，对于数据的分析结果上，很难做到有效的统计，而对于横向数据分析方法来可能，主要是要求具有很多台相同的设备来同时的进行运行。此外，由于软故障它本身就是逐渐发展起来的，自身并没有一个准确的发生现象的界定，它是不断的发展形成的，而与之相关的检测数据上也是一个逐渐变化的范围的，并未一个具体值的表现。
二、大数据预诊软故障的基本模型
由于冷冻站对各设备和管路的监测数据非常多，如果同时对所有监测数据进行正常与否的判断$不仅对诊断系统的计算机能力要求很高，更重要的是还需要大量的已发生故障的历史数据，因此$笔者利用巡检法，通过同时与同类设备监测数据进行横向比较，实现预诊软故障的目的，为通过快速巡检，及时检测到初发期的软故障$首先需要对多种监测数据进行优先级划分$进而根据相关理论建立诊断逻辑关系，最终建立系统的故障预诊。
期刊文章分类查询,尽在期刊图书馆
三、大数据技术在预诊暖通空调系统软故障中的应用概述
（一）软故障特征以及预诊方式上的确定
近些年来，很多相关的研究人员都在对现有的故障诊断的方式上重新进行了划分，而主要划分为定性分析与定量分析，这两种有效的故障诊断方式而定量分析方法，主要是依照于大量的数据来进行建立的，并根据分析对象的各个项上的参数来进行一种定量的分析方法，其定量分析方法主要是被使用于针对具有大量的数据资料的故障问题进行诊断的，其主要是使用于硬故障当中。而软故障，本身就具有很难的固定性，并且也很难的建立起精确的故障预诊模型，从而不是适合使用定量分析方法。而定性分析方法，主要就是依照着某个领域上的相关专家或是学者的大量经验，并合理有效的利用好能够具体分析的实施工具，从而在根据分析对象过去的状态对比于现代的状态，来提供出全新的状态资料，从而在最大限度上判断出该监测对象的各种数值上的变化趋势的一种有效的定性监测方法。因为此种方法本身就具有与软故障预测所相匹配的特点，所以该方法被使用于各种软故障预诊当中。
（二）故障预诊模型的验证
在利用大数据技术对实施检测的数据进行巡检的故障预测模型当中，其主要的思路完全使用于各种具有多套设备同时处于运行的系统，但是，因其不同的系统，所存在的特征以及原理上的差异化，从而对于所需要监测的数据的优先级上面也是需要重新的划分的，并且根据不用的巡检法预诊软故障在具体运行过程当中，是要根据其主要的特性来进行确定的，下文主要是以冷冻水系统为主要的讨论案例，从而对此进行软故障的预诊分析。冷冻水系统故障预诊与验证。首先一定要先对各个运行参数进行重新的分级，此外由于不同设备在运行的过程当中，电流对于故障的反应程度也是具有差异化的，所以，在将整个机组的运行电流定义在了A优先级，而冷冻水的温度则被定义在了B优先级上，那么冷冻水在流量的过程就为定义在C优先级上。然后，在已经确定好各个参数数值是处于合理的范围之内的，冷水机组在运行过程当中，电流的百分比应当被规定在为98%左右，而对于冷冻水的温度上应当顶之灾5～13度上，流量则被顶之灾790m/h上下。而根据此数据显示出来的异常现象是冷水机组在整个运行过程当中，电流的百分比偏于小化，这样就可以根据逻辑关系或者一些相关的监测来诊断出的原因可能是因为，水泵出现故障，或是闸门在开启时的力度过于小化。而经过经过相关的实际故障检验以后，确定为故障时因为阀门在开度的过程当中，存在着某些问题。
四、总结
HVAC领域系统故障，主要是分为硬、软两种故障，而硬故障通常指的就是系统的硬件的方面发生了故障问题，而软故障，通常指的就是系统部件的性能上逐渐发生失效甚至于衰退的故障问题。只有真正的加强基于大数据技术在预诊暖通空调系统软故障当中的重视度，才能有效的提升我国对于暖通空调系统软故障的诊断效率。
参考文献：
[1] 应康玺，徐佩荣，潘雷彬，et al.大数据技术在预诊暖通空调系统软故障中的应用[J].制冷与空调，2016，16（5）.
[2] 余梅.大数据技术在预诊暖通空调系统软故障中的应用[J].化工设计通讯，2017（1）.
[3] 孟丽.大数据技术在预诊暖通空调系统软故障中的应用分析[J].工程技术（文摘版）：00096-00096.
[4] 张少敏，毛冬，王保义.大数据处理技术在风电机组齿轮箱故障诊断与预警中的应用[J].电力系统自动化，2016，40（14）：129-134.
[5] 刘达新，裘乐淼，王志平.基于运行大数据学习的复杂装备故障诊断技术及其典型应用[J].中兴通讯技术，2017（4）.
论文作者:黄维新
论文发表刊物:《基层建设》2019年第19期
论文发表时间:2019/9/21
标签：数据论文; 故障论文; 软故障论文; 技术论文; 系统论文; 方法论文; 横向论文; 《基层建设》2019年第19期论文;