建筑暖通空调系统的跨层故障检测和诊断外文翻译资料

 2022-04-28 10:04

英语原文共 9 页,剩余内容已隐藏,支付完成后下载完整资料


建筑暖通空调系统的跨层故障检测和诊断

Siyu Wu,Jian-Qiao Sun

加州大学默塞德分校工程学院,CA 95343,USA

文章信息

文章记录:收于2010年9月17日,2011年1月7日修订,2011年1月13日接受。

关键词: 建筑节能 HVAC系统 空间和时间 分区跨层次的故障检测

摘要

本文提出了一种跨层次的故障检测方法。所提出的方法的两个关键特征是1)HVAC系统中的所有单元的能量描述和2)时空分割策略,这允许我们以统一的方式将FDD策略应用于整个建筑物。介绍了各级HVAC单元的能量流模型。介绍了用于监测能量性能的绝对和相对参考的概念。我们讨论了HVAC系统的内在复杂性,并通过相关分析提出了VAV的分组策略。给出了时间和空间分区的例子。给出了数值算例,说明AHU水平上的两个故障和VAV水平上的一个故障的交叉水平检测。

符号名称

HVAC装置的能源消耗

流量密度()

x与y之间的相关系数

标准偏差

投影角度()

A 风管截面积()

AHU,AH 空气处理机组

流量容积热容量()

D 阻尼器位置()

E 流量(kJ)

EA 排气

FO 学院办公室

M 测量

OA 室外空气

OS 办公室套装

Q 体积流量()

RA 回风

RF AHU的回风机

RM 房间

S 楼梯

SA 供气

SC 套房连接

SF AHU送风机

SP 流量静压(Pa)

T 流动温度(K)

V 流量()

VAV 变风量单位

VG VAV集团

VS 所有VAV的总和

介绍

建筑物是地球上增长最快的能源消耗设施之一。根据美国能源部2009年建筑能源数据库,建筑使用了全国72%的电力,占全国能源消费总量的38.9%,价值达到了3920亿美元[1-3]。目前,采暖,通风和空调(HVAC)系统占美国商业和住宅建筑能耗的57%。不幸的是,由于各种故障,暖通空调可能无法满足性能预期,从而浪费了超过20%的能源消耗。因此,开发自动化,快速响应,准确可靠的故障检测与诊断(FDD)方案,以保证HVAC的正常运行,以节约能源,具有很大的潜力。根据国家标准与技术研究院(NIST),FDD方法有可能节省10-40%的暖通空调能耗[4]。HVAC的软件包可以帮助建立新建筑和现有建筑的建筑和翻新标准。鉴于世界范围内的能源危机和环境意识的提高以及当前建筑中可再生能源的有限使用[5],HVAC的FDD对于提高建筑物的能源效率至关重要。

HVAC是一个复杂而高度集成的系统。例如,加利福尼亚州默塞德校区的建筑物暖通空调系统具有顶层桥,中层空气处理单元(AHU)和低层空气分配器(称为变风量(VAV))的三层结构。每个级别都包含大量组件,例如传感器,控制器,执行器和风门。HVAC系统的硬件和软件跨越不同的层面。环境和建筑因素导致同级单位能耗不同。单个组件可能有一个故障,会降低整个系统的性能[6]。这种固有的复杂性大大增加了HVAC系统的FDD的难度。

现有的暖通空调系统FDD方法可以分为两类:统计方法和基于仿真的方法。统计方法采用故障检测算法,与过去的正常情况进行比较,分析现状。在VAV内,Qin[7]等人采用混合方法利用专家规则来检测VAV中的十种类型的故障。Song[8]等人发明了一种方便的工具来检测基于室内温度波动的VAV中的故障。Yang[9]等人使用分形相关维度来检测噪声条件下相对较小的偏差分量故障。Cho[10]等人考虑风扇,传感器和风门故障的瞬态模式。通过设定适当的训练阈值,Du[11,12]等人可以检测风门和VAV终端的流量传感器故障。至于AHU,Schein[4,13]等人在AHU中发现了二十八条规则来检测五种典型故障。Ghiaus[14]开发了一个键合图来检测空调系统中的故障。Chen[15]等人开发了一种易于实现的FDD方法来检测屋顶空调器中的故障。Wang和Xiao[16-18]应用主成分分析(PCA)检测AHU中的传感器故障。Carling和Haves[19]等相关研究也将三种故障检测方法与现场数据进行了比较。Norford[20]等人根据其灵敏度,稳健性,所需传感器的数量以及易于实现来评估故障检测方法。对于其他HVAC设备如冷风机和冷却塔的FDD研究也可以在Namburu[21],Haves[22]等,Castro[23]等,Han[24]等,Navarro[25]等,Bailey[26],Khan[27]等和Weyer[28] 等人的工作中找到。

另一方面,模拟方法计算和预测正常操作。预测形成了故障检测的基础。Clarke等人开发了一个模拟辅助控制来模拟和测试建筑能源管理系统(BEMS)的响应[29]。Djuric等人审查了建设寿命试运行的可能性和必要性,并使用优化工具和BEMS数据估计加热系统性能[30,31]。Song等人研究了将简化的仿真程序植入能源管理和控制系统(EMCS)的可行性[32]。Pedrini等人应用EnergyPlus模拟工具开发了一种监测巴西商业建筑能源性能的方法[33]。劳伦斯伯克利国家实验室的研究人员多年来一直在研究Modelica和EnergyPlus仿真工具[34]。由于暖通空调系统内在复杂,有些热模型需要进一步优化,所以模拟方法的计算效率和标定繁琐性是一个值得关注的问题。

实现系统级FDD还有改进的空间。特别是需要开发用于检测HVAC系统的不同级别的故障的体系结构,其侧重于能量消耗。与大多数基于计算模型的方法相比,所提出的方法应该在计算上是有效的,并且从校准角度来看不那么麻烦。本文开发了具有这些特征的FDD方法。

本文的其余部分安排如下。在第2节中,我们介绍了所提出的跨层次FDD方法的基本思想和原理图。在第3节中,我们解释了原理图的细节,以演示如何应用所提出的方法。第4节介绍了加州大学默塞德分校校园建筑物监测数据的FDD的三个数值例子。

提出的算法概述

我们建议检测AHU和VAV等有故障的HVAC单元,而不是冷冻风扇或阻尼器等部件故障。该算法由离线训练和实时应用组成。

离线训练需要大量的已知故障的正常和异常数据。时间和空间分区是根据建筑,环境因素和房间的能源消耗而创建的。在异常数据的帮助下,我们计算FDD阈值。图1的左侧框图显示了离线训练算法的步骤。

图1 建筑暖通空调系统中的跨层FDD的示意图

实时算法首先用传感器FDD检查测量完整性[16-18]。然后将离线训练计算的阈值应用于错误的HVAC单元的交叉检测和确认。我们可以借助文献中已有的方法,将断层的根源缩小到部件层面。图1的右侧显示了实时应用算法的过程。

最后,累积的实时数据也将用于更新离线识别的阈值。

3. 方法

3.1 能量流模型

HVAC故障触发通过AHU或VAV的流量的异常能量密度。例如,VAV装置中的阻塞风门或泄漏风道需要从其上级AHU提供更多的冷却或加热供气。VAV中的室温传感器故障可能会触发控制系统请求异常冷却或加热供气。我们从所有HVAC单元中提取流动能量密度的特征,并将这些特征的正常模式作为FDD参考。我们可能检测到一个故障的HVAC单元的流量能耗。

让我们考虑不同层次的流量能量传输和硬件单元消耗。冷水机组向建筑物提供冷水。泵将水转移。VFD风扇产生压差以供应空气。供应给HVAC系统的能量最终转化为具有一定温度和速度的水或空气流。HVAC单元具有如图2所示的输入和输出流程。按照伯努利的原理,流经单位的能量由下式给出

比热容C v和流量密度rho;都是已知的温度和压力函数。这是热流体的一个很好的模型[35]。单位输入流量能量密度与输出流量能量密度的差值代表本单元的流量能耗。

图2 具有输入和输出空气或水的HVAC单元。

以空调机组为例,VAV单元具有作为输入的AHU供气和作为输出的返回空气。采样间隔内VAV的流量消耗由下式给出

就测量数据而言,上述能量变化可以重写为

位置

按照相同的方法,我们可以计算AHU单元的流量能耗,如图3所示,有两个输入和两个输出

位置

图3 具有两个输入和输出空气流量的典型AHU。

3.2 时间和空间分区

HVAC单元具有一定的流动能量消耗模式,随着时间的变化,环境条件,建筑因素,人员占用和控制设定点。我们对这些单位进行分组,使得在不同的时间间隔内,一个组内的流量能耗消耗相似。并且可以使用相同且更严格的故障检测阈值来监控a组中的单元。

3.2.1 空间分区

图4显示了安装在UC Merced校园的科学与工程大楼(SE BLDG)三楼的十五个VAV(V351-V365)的楼层图。我们使用2009年5月1日至5月28日采集的传感器数据。作为空间分区策略,我们研究了单个VAV的能量性能与室外温度之间的日常关联,并使用相关性水平作为基础将这些VAV划分为不同的组。

图4 UC Merced校区理工大楼三楼的VAV分布

阳光照射是影响VAV能量性能的因素之一,特别是在加利福尼亚州。人类的职业也起着重要的作用。基于这两个因素,我们可以将这15个VAV划分为四组:办公套件(OS),教员办公室(FO),套间连接(SC)和楼梯(S)。办公套件有两个直接暴露在阳光下的墙壁。楼梯的方式只有一个大玻璃墙接受阳光。教师办公室也只有一个朝向太阳的窗户。套房连接没有直接的阳光照射。总是有人走在楼梯上。学生有时会通过套件连接。大部分时间,教师办公室只有一个人。办公室套房由院长偶尔来访。相关分析似乎表明,太阳照射平均影响相关性水平,而人类职业导致相关性波动。

建筑设计决定了某些VAV之间的相关性。以院长的套房为例。套间内的VAV是热耦合的,因为房间内的空气自由流动。另一方面,V365和V361的教员办公室更独立,因为他们之间没有直接的热交互。表1总结了太阳暴露和人类占领对四组VAV的影响。

表1 加州大学默塞德分校理工大楼三楼的VAV分组,以及日照和人的职业的影响。

剩余内容已隐藏,支付完成后下载完整资料


资料编号:[464589],资料为PDF文档或Word文档,PDF文档可免费转换为Word

包括VAV

太阳曝光

占用

办公室组合

V351-V358

最强

最不复杂的

学院办公室

V359,V361-V365

强大

较不复杂

楼梯

V360

强大

最复杂的

套房连接

原文和译文剩余内容已隐藏,您需要先支付 30元 才能查看原文和译文全部内容!立即支付

以上是毕业论文外文翻译,课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。