面向缺失数据基于SVR-SVDD的冷水机组故障检测方法

摘要：

冷水机组是建筑中的主要能耗源,冷水机组故障将导致建筑能耗显著提升.实际现场中,传感器由于发生故障或误操作等,采集数据会存在缺失情况.若当模型输入向量中某些参数缺失,导致无法完成故障检测诊断任务,将严重影响故障检测诊断方法的现场实际应用.基于此,面向缺失数据,本文提出1种基于支持向量回归(SVR)和支持向量数据描述(SVDD)融合的冷水机组故障检测方法,通过对缺失数据进行修复,增强数据缺失时的故障检测性能.首先,基于SVR算法对缺失数据进行修复,补全非完整数据集,以此有效保留缺失数据所隐含的信息;然后,使用修复的完整数据集对SVDD模型进行训练,从而显著增强数据缺失下的故障检测性能.使用实验数据验证提出方法的有效性.结果显示:与直接删除缺失数据的方法相比,在单变量和多变量缺失两种情况下,提出方法显著增强了检测性能,最高将检测正确率提高了 48％.

关键词：冷水机组、缺失数据修复、故障检测、支持向量回归、支持向量数据描述

所属期刊栏目：39

分类号：TU831(房屋建筑设备)

资助基金：国家自然科学基金;河南省高校科技创新人才支持计划;创新团队支持计划资助项目

在线出版日期：2023-03-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：193-201