建筑空調設備系統中故障檢測和診斷技術的發展

摘要:最近有很多關于建筑空調設備系統中缺陷狀況的報告,發生故障時很難保持適宜的室內溫度,而且故障會導致建筑能耗增大。本文的目的是,當故障發生時檢測室內空氣溫度變化和能耗增加,并且開發一種幫助尋找整個建筑空調設置系統中故障地點的簡易FDD工具。

關鍵詞:空調設備系統;FDD

一 引言

空調設備系統的進程是一項重視質量的進程,其目的如下:闡明物主要求的系統性能并研究其功能是否符合預定目的和標準,并記錄其結果。最近,通過討論,設計單位、業主、施工單位以及運行管理者都認為,委任是保持生活史過程中系統質量的很有影響的概念;在這樣的環境下,一些諸如如何處理管理空調設備系統故障的主要任務仍未解決,故障檢測和診斷(FDD)即委任進程的一個測試項目。系統故障不僅使得空調系統的主要設備/子系統正常運行,而且也不能取得初始系統功能。盡管在某種程度上幾乎所有的空調設備系統都有各自的故障,但是很難根據常識迅速的找出它們。近來的調查表明,故障期間的增加能耗和遞增的費用不僅僅是無意義的浪費,而且會導致室內環境的惡化。然而,FDD工具的開發由于缺乏實踐使用功能而很不實用。本文的目的是開發一種簡易的FDD工具并將其應用于空調設備系統;而且,當在初始階段創造出工具原型以后,在本文中通過使用模型來闡明其功效。

二FDD工具發展的概要

在一般的工具發展中,已經研究過主要的基于模型的方法,測量主要的故障因素(如空氣溫度、空氣容量、冷卻線圈前后的氣流)并將它們輸入事先調節好模型參數的模擬模型中,基于模型的方法將比較輸出空氣溫度的預測結果和測量結果。在假定預測結果正確的條件下,如果測量結果和預測結果存在差異,則認為冷卻線圈存在故障。雖然這個方法簡單而有效,但是也存在一些問題:

①空調設備系統由很多基本裝置組成,由于不能預測故障發生的時間和區域,因此所有的基本裝置都應該監控;

②因此應該在所有的基本裝置上安裝適當的傳感器,這就導致極大的傳感器浪費;

③最近,建筑能源管理系統(BEMS)被引進新近構成建筑并儲存了大量數據。即使使用了BEMS,要從大量數據中檢索關于故障的有用信息,仍然要很多勞力和時間;另一方面,由于很多現存的建筑的空調設備系統并沒有這種BEMS,所以只能得到有限的數據項。

我們的工具不需要安裝新的傳感器,只需要使用限定數目的基本數據項就能在整個空調設備系統中縮小故障發生的可能區域。首先,假設在空調設備系統有很多故障的情況下運行模擬實驗,這些故障將區分出模擬實驗的輸出(例如能源消耗和室內溫度)和正常值;而且,區別幅度依賴于故障的嚴重程度,也就是說當故障嚴重時和正常值之間的區別大,故障不嚴重時區別小。通過分類/組織這些偏離數據能創建一個流圖,將偏離數據作為起始點反追蹤流圖,能估計出故障發生的區域。單獨使用這個工具并不能精確的檢測和診斷故障,而要在縮窄故障后應用到一般的基于模型系統前提下使用。工具發展的完善使得我們能精確的檢測和診斷故障并有效的阻止故障導致的能源浪費和花費。

三 創建FDD工具原型

創建工具原型。 一種FDD的標準工具被創造了出來并定義了不同報錯的變量。在現實過程中,于直接獲得數據相比,這種通過計算空調系統每天的消耗功率或者計算空調時區平均的環境溫度更為有效,錯誤可以通過某種偏差報告出來。當C級報警時,同樣的錯誤也可以被A或B類報告出來。當C和B類正常運轉時,A和B類有可能已經出現了錯誤。

四結論

在這篇文章中,闡明了那些導致室內溫度和能源消耗動蕩的故障,并且通過分類和組織推論創造FDD工具原型。希望使用一些設備深入研究,能可靠而迅速的檢測和診斷故障,例如使用可移動測量設備能縮窄發生故障的范圍。然而,本文只采用一種基本研究來開發整個FDD工具。因此,非常希望能使用PID控制的安裝容量或不合適參數設置來檢測多種類型的故障。因此在考慮這些故障時需要作出以下努力來研究這個工具的多樣性:

①通過實驗來驗證和改進工具;

②根據現存的建筑和空調系統來進行個案分析。

參考文獻

[1] Japan Building Mechanical and Electrical Engineers Association, Troubleshooting for Architectural Equipment, Ohmsha, 2004.

[2] T.I. Salsbury, R.C. Diamond, Fault detection in HVAC systems using model-based feedforward control, Energy and Buildings 33 (2001) 403–415.

[3] Y. Bing, H.C. Dolf, P. Van, P. Siamark, General modeling for model-based FDD on building HAVC system, Simulation Practice and Theory 9 (2002)387–397.

[4] H. Yoshida, S. Kumar, Development of ARX model based off-line FDD technique for energy efficient buildings, Renewable Energy 22 (2001) 53–59.

[5] K. Kuniyoshi, Y. Akashi, T. Hayashi, D. Sumiyoshi, Y.H. Song, T. Izaki, A study on energy-saving diagnosis of the air conditioning system in the building, part 1. Outline of the HVAC&R experimental analysis system, Kyushu Chapter Architectural Research Meeting (Environment) of Architectural Institute of Japan, 2005, pp. 437–440.

[6] Japan Building Mechanical and Electrical Engineers Association, Instruction Manual for HASP/ACSS/8502 Program, Standard Simulation Program for Air Conditioning Systems, 1986.

[7] H. Akasaka, Architectural Institute of Japan, Expanded AMeDAS Weather Data, Architectural Institute of Japan, 2002.

[8] Y.H. Song, Y. Akashi, K. Kuniyoshi, T. Hayashi, Study on fault detection and diagnosis of building air-conditioning system, part 2.Investigation of faulty status using calculation, Summaries of Technical Papers of Annual Meeting of Architectural Institute of Japan, D-2, 2005,pp. 1431–1432.