(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111614025.7 (22)申请日 2021.12.27 (71)申请人 浙江英集动力科技有限公司 地址 310000 浙江省杭州市余杭区仓前街 道龙园路8 8号2幢208、 209-1、 209-2室 (72)发明人 赵琼　穆佩红　裘天阅　谢金芳　 (74)专利代理 机构 常州市科谊专利代理事务所 32225 专利代理师 孙彬 (51)Int.Cl. F24F 11/38(2018.01) F24F 11/54(2018.01) F24F 11/64(2018.01) G06F 17/18(2006.01) G06F 30/27(2020.01)G06K 9/62(2022.01) F24F 140/12(2018.01) F24F 140/20(2018.01) (54)发明名称 一种基于stacking融合算法的中央空调故 障诊断方法及装置 (57)摘要 本发明公开了一种基于stacking融合算法 的中央空调故障诊断方法， 包括： 建立中央空调 系统数字孪生模 型； 采集中央空调系统正常运行 和不同故障时的状态数据， 并进行数据预处理和 特征提取后获得样本数据集； 将样 本数据集划分 为训练数据集和测试数据集， 同时搭建双层 stacking模型； 采用k折交叉验证方法训练各基 学习器， 获得各个基学习器的预测结果作为次级 训练数据集； 训练各基学习器时， 选取多组不同 的机器学习算法进行组合， 生 成多组组合模式下 的次级训练数据集； 将多组次级训练数据集输入 次级学习器进行训练获得多个中央空调故障诊 断模型； 对多个中央空调故障诊断模 型的预测性 能进行评价， 选取性能最佳的模 型作为最优中央 空调故障诊断模型进行故障诊断。 权利要求书6页 说明书14页 附图2页 CN 114484731 A 2022.05.13 CN 114484731 A 1.一种基于stacking融合算法的中央空调系 统故障诊断方法， 其特征在于， 所述中央 空调系统故障诊断方法包括： 步骤S1、 采用机理建模和数据辨识方法建立中央空调系统数字 孪生模型； 步骤S2、 通过多个传感器采集中央空调系统正常运行和不同故障时的状态数据， 对状 态数据并进行数据预 处理， 采用小波包分解算法和小波包重构算法对预处理后的数据变量 进行特征提取， 根据灰色 关联度算法对提取的特 征进行选择后获得样本数据集； 步骤S3、 将样本数据 集划分为训练数据 集和测试数据 集， 同时搭建双层stacking模型， 确定基学习器的个数为m， 次级学习器的个数为1； 步骤S4、 采用k折交叉验证方法训练各个基学习器， 获得各个基学习器的预测结果作为 次级训练数据集； 训练各基学习器时， 选取多组不同的机器学习算法进 行组合， 生成多组组 合模式下的次级训练数据集； 步骤S5、 将多组次级训练数据集输入次级学习器进行训练获得多个 中央空调故障诊断 模型； 步骤S6、 通过测试数据集对多个中央空调故障诊断模型的预测性能进行评价， 选取预 测性能最佳的模型作为最优中央空调故障诊断模型， 并通过所述最优中央空调故障诊断模 型进行中央空调系统的故障诊断。 2.根据权利要求1所述的一种基于stacking融合算法的中央空调系 统故障诊断方法， 其特征在于， 所述步骤S1中， 采用机理建模和数据辨识方法建立中央空调系统数字孪生模 型， 包括： 构建中央空调系统的物理模型、 逻辑模型和仿真模型； 其中， 所述物理模型的构建包括： 至少建立冷水机组、 冷冻水循环系统和冷却水循环系统； 所 述冷水机组包括压缩机、 蒸发器、 冷凝器和节流阀； 所述冷冻 水循环系统包括冷冻 水泵、 冷 冻水管和空气处 理机组； 所述冷却水循环系统包括冷却水泵、 冷却水 管和冷却塔； 所述逻辑模型的构建包括： 依据中央空调系统各个物理实体之间的逻辑机理关系建立 可控制的闭环逻辑模型， 将物理模型映射至 逻辑模型； 所述仿真模型的构建包括： 基于采集的中央空调系统 的运行数据、 状态数据、 物理属性 数据搭建中央空调系统仿真模型； 将所述物理模型、 逻辑模型和仿真模型进行虚实融合， 构建中央空调系统物理实体在 虚拟空间的系统级数字 孪生模型； 将中央空调系统 的多工况实时运行数据接入所述系统级数字孪生模型， 采用反 向辨识 方法对所述系统级数字孪生模型的仿真结果进 行自适应辨识 修正， 获得辨识 修正后的中央 空调系统的数字 孪生模型。 3.根据权利要求2所述的一种基于stacking融合算法的中央空调系 统故障诊断方法， 其特征在于， 所述冷水机组的模型建立包括： 忽略压缩机的吸排气压力损失以及忽略压缩机与环境换 热， 建立压缩机模型表示 为： 权　利　要　求　书 1/6 页 2 CN 114484731 A 2其中， mr为制冷剂质量流量； Vth为压缩机理论输气量； v1为压缩机吸气比容； ξ为输气系 数； Pths为压缩机等熵压缩过程 的理论耗功； Pi为压缩机实际压缩过程 的耗功， 即为指示功 率； Pel为压缩机实际压缩过程所需输入的电功率， 即功率计所测得的功率； k为等熵压缩指 数； Pe为蒸发压力， 即压缩机吸气压力； Pk为冷凝压力， 即压缩机排气压力； ηi为压缩机的指 示效率； ηel为压缩机的电效率； h2为压缩机出口制冷剂焓值； h1为压缩机进口制冷剂焓值； 所述冷凝器的模型建立包括： 忽略冷凝器与外界的换热、 制冷剂与冷却水的流动视为一维均匀流动， 获得冷凝器内 换热过程表示 为： Qc＝mw,ccp,w(two,c‑twi,c)＝mr(hri,c‑hro,c)； Q1,c＝K1,cF1,cΔt1,c； Q2,c＝K2,cF2,cΔt2,c； Q3,c＝K3,cF3,cΔt3,c； 其中， Qc为冷凝器总换热量； mw,c为冷却水流量； cp,w为水的定压比热； twi,c为冷却水进口 温度； two,c为冷却水出口温度； tri,c为制冷剂进口温度； tro,c为制冷剂出口温度； mr为制冷剂 流量； hri,c为冷凝器入口制冷剂焓值； hro,c为冷凝器出口焓值； Q1,c、 Q2,c、 Q3,c分别为冷凝器过 热区、 两相区和过冷区换热量； F1,c、 F2,c、 F3,c分别为冷凝器过热区、 两相区和过冷区的换热 面积； Δt1,c、 Δt2,c、 Δt3,c分别为冷凝器过热区、 两相区和过冷区的换热温差； K1,c、 K2,c、 K3,c 分别为冷凝器过 热区、 两相区和过冷区传热系数； 所述蒸发器的模型建立包括： 忽略蒸发器与外界的换热、 制冷剂与冷冻水的流动视为一维均匀流动， 获得蒸发器内 换热过程表示 为： Qe＝mw,ecp,w(twi,e‑two,e)＝mr(1‑x)(hro,e‑hri,e)； Q1,e＝K1,eF1,eΔt1,e；权　利　要　求　书 2/6 页 3 CN 114484731 A 3