陳煥新 劉江巖 胡云鵬 李冠男

（華中科技大學(xué)制冷及低溫工程系 武漢 430074）

大數(shù)據(jù)在空調(diào)領(lǐng)域的應(yīng)用

陳煥新 劉江巖 胡云鵬 李冠男

（華中科技大學(xué)制冷及低溫工程系 武漢 430074）

本文闡述了傳統(tǒng)空調(diào)數(shù)據(jù)的主要來(lái)源，從空調(diào)研發(fā)等幾個(gè)方面分析了傳統(tǒng)空調(diào)數(shù)據(jù)的用途；圍繞空調(diào)產(chǎn)品和空調(diào)企業(yè)，梳理了空調(diào)領(lǐng)域大數(shù)據(jù)的產(chǎn)生原因及來(lái)源；空調(diào)大數(shù)據(jù)的多度量性、多維度性、地域性等特點(diǎn)對(duì)數(shù)據(jù)挖掘提出了挑戰(zhàn)；探討了大數(shù)據(jù)在空調(diào)領(lǐng)域的應(yīng)用，重點(diǎn)分析了大數(shù)據(jù)在空調(diào)系統(tǒng)優(yōu)化、故障診斷、建筑能耗與維護(hù)預(yù)測(cè)、企業(yè)人力資源和資金分配、企業(yè)提供個(gè)性化定制服務(wù)等方面的用途；通過(guò)挖掘海量空調(diào)數(shù)據(jù)可以預(yù)測(cè)用戶行為，表明空調(diào)領(lǐng)域大數(shù)據(jù)安全防護(hù)應(yīng)當(dāng)?shù)玫街匾暋?/p>

數(shù)據(jù)挖掘；制冷空調(diào)；故障診斷；能耗分析

隨著計(jì)算機(jī)技術(shù)、互聯(lián)網(wǎng)技術(shù)的高速發(fā)展，大數(shù)據(jù)時(shí)代的到來(lái)已經(jīng)勢(shì)不可擋，數(shù)據(jù)量的爆炸式增長(zhǎng)為各行各業(yè)帶來(lái)了新的機(jī)遇和挑戰(zhàn)?！癗ature”、“Sci?ence”等國(guó)際頂級(jí)期刊相繼出版?？?，闡述大數(shù)據(jù)的到來(lái)可能對(duì)互聯(lián)網(wǎng)、超級(jí)計(jì)算等多個(gè)行業(yè)帶來(lái)的機(jī)遇與挑戰(zhàn)［1－4］；2012年3月29日，奧巴馬政府公布了“大數(shù)據(jù)研發(fā)計(jì)劃”（Big Data Research and Develop?ment Initiative），該計(jì)劃的目標(biāo)是改進(jìn)現(xiàn)有人們從海量和復(fù)雜的數(shù)據(jù)中獲取知識(shí)的能力［5］；2013年被稱為“大數(shù)據(jù)元年”，以互聯(lián)網(wǎng)金融為代表的大數(shù)據(jù)應(yīng)用席卷而來(lái)，如余額寶、微信支付等，大數(shù)據(jù)應(yīng)用逐漸深入到各個(gè)領(lǐng)域，為各行各業(yè)帶來(lái)了新的生機(jī)；2014 年11月6日，包括中國(guó)電信、東方航空等在內(nèi)的8家單位發(fā)起、45家企業(yè)聯(lián)合組成的中國(guó)企業(yè)大數(shù)據(jù)聯(lián)盟在北京成立。這標(biāo)志著大數(shù)據(jù)應(yīng)用已經(jīng)逐漸深入到各個(gè)領(lǐng)域，包括傳統(tǒng)行業(yè)。該聯(lián)盟致力于推動(dòng)跨界大數(shù)據(jù)標(biāo)準(zhǔn)制定與合作，促進(jìn)大數(shù)據(jù)技術(shù)成果應(yīng)用推廣；匯聚各方力量，借鑒世界先進(jìn)經(jīng)驗(yàn)，為我國(guó)大數(shù)據(jù)產(chǎn)業(yè)健康發(fā)展做出貢獻(xiàn)［6］。

大數(shù)據(jù)通常指那些大小已經(jīng)超出常規(guī)軟件與硬件工具能夠收集、處理及分析的數(shù)據(jù)集合。維基百科定義大數(shù)據(jù)為：“所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工，在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、并整理成人類所能解讀的信息?！保?］麥肯錫全球數(shù)據(jù)研究所（Mckinsey Global Institute）于2011年發(fā)表的論文中這樣描述大數(shù)據(jù)：“大數(shù)據(jù)是指大小超出了典型數(shù)據(jù)庫(kù)軟件工具收集、存儲(chǔ)、管理和分析能力的數(shù)據(jù)集?！保?］關(guān)于大數(shù)據(jù)盡管目前沒(méi)有統(tǒng)一的定義，但各個(gè)表述的核心內(nèi)容是一致的。大數(shù)據(jù)的特點(diǎn)公認(rèn)為3個(gè)V：巨量性（Volume）、即時(shí)性（Velocity）、多樣性（Variety）。

1 傳統(tǒng)空調(diào)領(lǐng)域數(shù)據(jù)的來(lái)源與應(yīng)用

傳統(tǒng)空調(diào)領(lǐng)域的數(shù)據(jù)主要包括兩個(gè)方面：

1）空調(diào)系統(tǒng)數(shù)據(jù)。包括空調(diào)系統(tǒng)零部件的規(guī)格參數(shù)、系統(tǒng)整體性能參數(shù)（如制冷量、COP等）。對(duì)于中央空調(diào)而言，還包括風(fēng)機(jī)系統(tǒng)、水泵系統(tǒng)、冷卻塔、變配電系統(tǒng)等配套設(shè)施的規(guī)格參數(shù)；空調(diào)實(shí)驗(yàn)和運(yùn)行時(shí)各類傳感器產(chǎn)生的監(jiān)測(cè)數(shù)據(jù)、控制系統(tǒng)的控制信號(hào)等也是空調(diào)數(shù)據(jù)的重要來(lái)源。

2）空調(diào)企業(yè)在生產(chǎn)與銷售空調(diào)時(shí)產(chǎn)生的數(shù)據(jù)。包括空調(diào)設(shè)計(jì)時(shí)材料和零部件的篩選數(shù)據(jù)；工廠生產(chǎn)數(shù)據(jù)；企業(yè)人事管理、財(cái)務(wù)、銷售、物流數(shù)據(jù)；空調(diào)售后維護(hù)、修理、回收數(shù)據(jù)等。

對(duì)于空調(diào)企業(yè)，空調(diào)系統(tǒng)的數(shù)據(jù)主要用于產(chǎn)品的更新?lián)Q代，通過(guò)實(shí)驗(yàn)、仿真，數(shù)據(jù)采集和分析，實(shí)現(xiàn)系統(tǒng)部件優(yōu)化、整體優(yōu)化及控制策略優(yōu)化；這些數(shù)據(jù)還是業(yè)內(nèi)專家學(xué)者、設(shè)計(jì)研究院、企業(yè)等制定行業(yè)標(biāo)準(zhǔn)的依據(jù)；自20世紀(jì)八十年代以來(lái)逐漸興起的制冷空調(diào)系統(tǒng)故障檢測(cè)與診斷研究［9－10］，目前已經(jīng)成為國(guó)內(nèi)外制冷空調(diào)領(lǐng)域的研究熱點(diǎn)之一，該研究主要采用基于定量模型方法、基于定性模型方法以及基于歷史數(shù)據(jù)等方法，建立故障診斷模型，通過(guò)采集空調(diào)的實(shí)時(shí)運(yùn)行數(shù)據(jù)，實(shí)現(xiàn)空調(diào)系統(tǒng)的在線故障檢測(cè)與診斷。

2 空調(diào)領(lǐng)域大數(shù)據(jù)來(lái)源

空調(diào)領(lǐng)域大數(shù)據(jù)來(lái)源包括了傳統(tǒng)數(shù)據(jù)的來(lái)源，隨著計(jì)算機(jī)技術(shù)、自動(dòng)控制技術(shù)的飛速發(fā)展，空調(diào)系統(tǒng)的復(fù)雜化，數(shù)據(jù)來(lái)源更加廣闊。大型建筑中要實(shí)現(xiàn)房間溫濕度的高精度控制，控制系統(tǒng)將越來(lái)越精密。計(jì)算機(jī)計(jì)算分析的數(shù)據(jù)以及發(fā)送的控制指令越來(lái)越多。其次，安裝在空調(diào)系統(tǒng)中的各類傳感器越來(lái)越多，傳輸?shù)谋O(jiān)控?cái)?shù)據(jù)將飛速增長(zhǎng)，存儲(chǔ)成本降低及存儲(chǔ)能力的增加使這些數(shù)據(jù)能夠保存下來(lái)。此外，空調(diào)企業(yè)規(guī)模的擴(kuò)大，企業(yè)管理系統(tǒng)的升級(jí)，營(yíng)銷方式的多樣化，產(chǎn)生和存儲(chǔ)的數(shù)據(jù)也越來(lái)越多，也將成為空調(diào)領(lǐng)域大數(shù)據(jù)的主要來(lái)源。大數(shù)據(jù)來(lái)源可以分為系統(tǒng)大數(shù)據(jù)和企業(yè)大數(shù)據(jù)兩方面來(lái)敘述。

2.1 空調(diào)產(chǎn)品及空調(diào)系統(tǒng)大數(shù)據(jù)

2.1.1 零部件篩選數(shù)據(jù)

空調(diào)產(chǎn)品設(shè)計(jì)之前需要對(duì)不同的零部件及材料進(jìn)行篩選與組合。材料、零部件的來(lái)源與種類繁多，這意味著大量的數(shù)據(jù)。不同的材料與型號(hào)的零部件搭配出不同的系統(tǒng)，而最終驗(yàn)收通過(guò)的系統(tǒng)往往有很多次失敗的搭配，這些過(guò)程也會(huì)產(chǎn)生大量的數(shù)據(jù)。

2.1.2 空調(diào)設(shè)計(jì)數(shù)據(jù)

空調(diào)產(chǎn)品設(shè)計(jì)過(guò)程，從設(shè)計(jì)要求的提出、制定設(shè)計(jì)計(jì)劃，到市場(chǎng)調(diào)研、設(shè)計(jì)定位，再到產(chǎn)品設(shè)計(jì)草圖、結(jié)構(gòu)設(shè)計(jì)，直至最終的樣機(jī)模型的制成，會(huì)產(chǎn)生大量的數(shù)據(jù)。只有通過(guò)分析大量的市場(chǎng)調(diào)研數(shù)據(jù)，才能準(zhǔn)確定位產(chǎn)品；而大量的計(jì)算機(jī)虛擬設(shè)計(jì)，可以節(jié)省設(shè)計(jì)時(shí)間、降低材料成本、降低失敗率。過(guò)去，失敗的設(shè)計(jì)方案往往都被刪除，數(shù)據(jù)挖掘技術(shù)可以從過(guò)去的設(shè)計(jì)數(shù)據(jù)中尋找出有價(jià)值的設(shè)計(jì)信息，每一代新產(chǎn)品的問(wèn)世都代表著大量的設(shè)計(jì)數(shù)據(jù)，這將成為空調(diào)產(chǎn)品設(shè)計(jì)的新財(cái)富。

2.1.3 空調(diào)實(shí)驗(yàn)數(shù)據(jù)

空調(diào)新產(chǎn)品的問(wèn)世需要經(jīng)過(guò)一系列的實(shí)驗(yàn)和性能測(cè)試，這些過(guò)程中產(chǎn)生了大量的數(shù)據(jù)，而其中許多失敗的實(shí)驗(yàn)數(shù)據(jù)在過(guò)去由于存儲(chǔ)成本高而刪除，此外，產(chǎn)品測(cè)試實(shí)驗(yàn)的目的只是驗(yàn)證產(chǎn)品是否已經(jīng)達(dá)到生產(chǎn)標(biāo)準(zhǔn)，實(shí)驗(yàn)往往只要一個(gè)參數(shù)，其他可采集的參數(shù)都不會(huì)保存或在實(shí)驗(yàn)完成后刪除。例如空調(diào)的壽命測(cè)試，研發(fā)人員最終需要的數(shù)據(jù)只是空調(diào)的壽命值，而這其中高達(dá)幾萬(wàn)小時(shí)的連續(xù)測(cè)量數(shù)據(jù)，一方面由于存儲(chǔ)成本高，另一方面是沒(méi)有手段獲得數(shù)據(jù)中的價(jià)值，最終都被放棄?，F(xiàn)在隨著存儲(chǔ)成本的降低以及數(shù)據(jù)挖掘技術(shù)的不斷完善，這些數(shù)據(jù)將成為空調(diào)領(lǐng)域數(shù)據(jù)的新來(lái)源，展現(xiàn)新的價(jià)值。

2.1.4 空調(diào)運(yùn)行數(shù)據(jù)

計(jì)算機(jī)成本的降低、存儲(chǔ)和處理速度的提升，為空調(diào)系統(tǒng)大數(shù)據(jù)的產(chǎn)生奠定了基礎(chǔ)。在一座大型建筑中，冷水機(jī)組、水泵、風(fēng)機(jī)等各類用電設(shè)備的記錄電表就數(shù)以百計(jì)，建筑自動(dòng)控制系統(tǒng)（BAS）一天內(nèi)通過(guò)各類傳感器獲得的數(shù)據(jù)以及計(jì)算機(jī)發(fā)出的控制指令就達(dá)百萬(wàn)個(gè)［11］（如圖1所示）。另外，許多企業(yè)實(shí)現(xiàn)了中央空調(diào)系統(tǒng)的遠(yuǎn)程監(jiān)控，在全國(guó)各地銷售的中央空調(diào)產(chǎn)品中的各類傳感器將實(shí)時(shí)運(yùn)行參數(shù)反饋給企業(yè)控制平臺(tái)，一旦空調(diào)機(jī)組發(fā)生或可能發(fā)生故障，企業(yè)可以及時(shí)做出相應(yīng)控制調(diào)整或聯(lián)系維修人員上門(mén)維修，通過(guò)網(wǎng)絡(luò)傳播的實(shí)時(shí)監(jiān)控?cái)?shù)據(jù)量將非常巨大。

2.1.5 其他數(shù)據(jù)

空調(diào)系統(tǒng)數(shù)據(jù)還包括其他數(shù)據(jù)，如出廠檢測(cè)數(shù)據(jù)、產(chǎn)品廢棄數(shù)據(jù)等，這些數(shù)據(jù)也是空調(diào)系統(tǒng)大數(shù)據(jù)的一部分。

2.2 空調(diào)企業(yè)大數(shù)據(jù)

空調(diào)企業(yè)的發(fā)展將離不開(kāi)大數(shù)據(jù)，企業(yè)的人事、資金、物流網(wǎng)絡(luò)的管理、市場(chǎng)營(yíng)銷等都會(huì)產(chǎn)生大量的數(shù)據(jù)（如圖2所示）。在大數(shù)據(jù)時(shí)代，這些數(shù)據(jù)將成為企業(yè)的財(cái)富，是企業(yè)發(fā)展的核心競(jìng)爭(zhēng)力。

圖1 監(jiān)測(cè)數(shù)據(jù)和控制指令Fig.1 M onitoring data and control instruction

圖2 空調(diào)企業(yè)大數(shù)據(jù)來(lái)源Fig.2 Source of big data in air?conditioning enterprise

2.2.1 人事管理數(shù)據(jù)

空調(diào)行業(yè)作為傳統(tǒng)行業(yè)之一，特點(diǎn)是企業(yè)規(guī)模較大，人員結(jié)構(gòu)較復(fù)雜，這在一定程度上增加了企業(yè)管理的難度。企業(yè)的人事管理，諸如人員的招聘、晉升、調(diào)動(dòng)、日?？记诘裙ぷ?，職務(wù)分析、績(jī)效評(píng)估、人員培訓(xùn)、檔案保管等過(guò)程中產(chǎn)生了大量數(shù)據(jù)，這些數(shù)據(jù)對(duì)于調(diào)整企業(yè)人員結(jié)構(gòu)，分配企業(yè)人力資源，具有重要的意義。

2.2.2 資金管理數(shù)據(jù)

經(jīng)濟(jì)的發(fā)展過(guò)程中涌現(xiàn)了大量的集團(tuán)性公司，大型的空調(diào)企業(yè)管理層級(jí)多、跨地域廣。企業(yè)的發(fā)展壯大產(chǎn)生了大量的財(cái)務(wù)、銷售數(shù)據(jù)，為準(zhǔn)確分析企業(yè)的償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力等提供了可能，有利于合理調(diào)整資金流向，促進(jìn)企業(yè)的健康發(fā)展。

2.2.3 市場(chǎng)營(yíng)銷數(shù)據(jù)

隨著市場(chǎng)競(jìng)爭(zhēng)壓力的不斷增大，企業(yè)的營(yíng)銷手段越來(lái)越多樣，在企業(yè)營(yíng)銷管理、用戶分析、市場(chǎng)宣傳與拓展、產(chǎn)品促銷、用戶反饋等過(guò)程中，產(chǎn)生了大量的數(shù)據(jù)。通過(guò)大數(shù)據(jù)關(guān)聯(lián)分析、聚類分析等手段，可以幫助企業(yè)尋找消費(fèi)人群、分析產(chǎn)品定位，進(jìn)而策劃促銷活動(dòng)，拓展市場(chǎng)。

2.2.4 物流數(shù)據(jù)

空調(diào)企業(yè)物流包括供應(yīng)、生產(chǎn)、銷售、回收廢棄物等幾個(gè)方面的物流，大型空調(diào)企業(yè)擁有若干制造工廠、倉(cāng)庫(kù)、專屬的轉(zhuǎn)運(yùn)設(shè)施和渠道商，這些子系統(tǒng)組成了完整的企業(yè)物流鏈。在整個(gè)完整的循環(huán)活動(dòng)中，產(chǎn)生了大量的物流數(shù)據(jù)。利用大數(shù)據(jù)分析手段來(lái)應(yīng)用這些數(shù)據(jù)，有利于企業(yè)快速分析物流信息、快速響應(yīng)客戶服務(wù)，減少物流成本，提升企業(yè)競(jìng)爭(zhēng)力。

2.2.5 其他企業(yè)數(shù)據(jù)

空調(diào)企業(yè)還有諸如贊助、廣告、維護(hù)、維修、產(chǎn)品回收等數(shù)據(jù)，這些數(shù)據(jù)也是企業(yè)大數(shù)據(jù)的組成成分。

3 空調(diào)領(lǐng)域數(shù)據(jù)挖掘

數(shù)據(jù)挖掘技術(shù)的誕生解決了傳統(tǒng)的數(shù)據(jù)分析方法難以分析海量數(shù)據(jù)的難題，它基于統(tǒng)計(jì)學(xué)的抽樣、估計(jì)和假設(shè)經(jīng)驗(yàn)，人工智能、模式識(shí)別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論等，而數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)技術(shù)、可視化技術(shù)的發(fā)展，為數(shù)據(jù)挖掘技術(shù)提供了技術(shù)支撐。

空調(diào)領(lǐng)域的大數(shù)據(jù)具有以下幾個(gè)特點(diǎn)：巨量性、多度量性、多維性、地域性。

1）多度量性。衡量空調(diào)系統(tǒng)健康運(yùn)行的參數(shù)指標(biāo)眾多，如溫度、壓力、流量、功率、風(fēng)速等，這些參數(shù)具有不同的度量。

2）多維性。記錄空調(diào)系統(tǒng)運(yùn)行狀態(tài)的一組數(shù)據(jù)，就有幾十個(gè)不同的參數(shù)，導(dǎo)致了其多維性。

3）地域性。不同地區(qū)的空調(diào)運(yùn)行數(shù)據(jù)不同，這與地區(qū)的氣候條件有關(guān)。而企業(yè)在不同地區(qū)的銷售、物流數(shù)據(jù)也有很大差別，這取決于不同地區(qū)用戶的需求量。

因此，空調(diào)領(lǐng)域數(shù)據(jù)挖掘技術(shù)不僅要滿足對(duì)多度量、多維度的數(shù)據(jù)的分析，還要能夠滿足針對(duì)不同地域空調(diào)數(shù)據(jù)的知識(shí)發(fā)現(xiàn)，這對(duì)空調(diào)領(lǐng)域數(shù)據(jù)挖掘提出了挑戰(zhàn)?？照{(diào)領(lǐng)域數(shù)據(jù)挖掘的方法研究已逐漸展開(kāi)，常用的方法主要有：神經(jīng)網(wǎng)絡(luò)（Neural Network）［12］、支持向量機(jī)（Support Vector Machine）［13］、貝葉斯網(wǎng)絡(luò)（Bayesian Network）［14］等。

4 空調(diào)領(lǐng)域大數(shù)據(jù)的應(yīng)用

空調(diào)領(lǐng)域大數(shù)據(jù)的應(yīng)用可以從空調(diào)系統(tǒng)的應(yīng)用和企業(yè)與用戶的應(yīng)用兩方面來(lái)闡述。大數(shù)據(jù)分析能夠?qū)崿F(xiàn)空調(diào)系統(tǒng)零部件優(yōu)化、空調(diào)系統(tǒng)整體優(yōu)化、空調(diào)控制策略優(yōu)化，可以大大減少新產(chǎn)品的研發(fā)周期，提升企業(yè)競(jìng)爭(zhēng)力。對(duì)于空調(diào)企業(yè)，大數(shù)據(jù)分析可以優(yōu)化企業(yè)人員結(jié)構(gòu)和資金分配方式、調(diào)整物流網(wǎng)絡(luò)，進(jìn)而降低成本，節(jié)省企業(yè)資金。空調(diào)企業(yè)可以根據(jù)氣候條件為用戶提供空調(diào)個(gè)性化定制、室內(nèi)環(huán)境的個(gè)性化調(diào)節(jié)及互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的智能控制服務(wù)。此外，通過(guò)分析用戶使用空調(diào)的規(guī)律可以預(yù)測(cè)用戶的行為，這涉及到大數(shù)據(jù)安全性及客戶的隱私保護(hù)問(wèn)題（如圖3所示）。

圖3 空調(diào)大數(shù)據(jù)的應(yīng)用Fig.3 Application of big data in air?conditioning field

4.1 空調(diào)系統(tǒng)優(yōu)化與新產(chǎn)品研發(fā)

前瞻產(chǎn)業(yè)研究院分析報(bào)告的數(shù)據(jù)顯示，我國(guó)建筑能耗約占社會(huì)總能耗的33%。我國(guó)正處于建筑鼎盛期，每年建成的房屋面積超過(guò)所有發(fā)達(dá)國(guó)家每年建成房屋面積的總和，而97%以上是高耗能建筑［15］?？照{(diào)系統(tǒng)作為建筑能耗大戶，其能耗占建筑總能耗的50%～70%，節(jié)能潛力巨大。因此，空調(diào)系統(tǒng)節(jié)能研究具有重大意義。大數(shù)據(jù)在這方面的應(yīng)用主要從系統(tǒng)優(yōu)化及控制策略優(yōu)化兩方面入手。

4.1.1 空調(diào)系統(tǒng)優(yōu)化

1）房間空調(diào)器（小型家用空調(diào)）優(yōu)化?？照{(diào)系統(tǒng)的效率主要取決于壓縮機(jī)的能效、換熱器的換熱效率、風(fēng)機(jī)的能效、節(jié)流裝置的效率、系統(tǒng)管路、制冷劑的種類等。企業(yè)生產(chǎn)的同一型號(hào)空調(diào)器售往全國(guó)各地甚至世界各地，為了使空調(diào)能夠適應(yīng)不同氣候地區(qū)的室外環(huán)境，壓縮機(jī)設(shè)計(jì)的運(yùn)行范圍較大，這樣將降低壓縮機(jī)效率。此外，換熱器（冷凝器、蒸發(fā)器）的換熱效率與管子內(nèi)外徑、管路類型、排數(shù)、間距、肋片類型等有關(guān)。部件規(guī)格參數(shù)選取的差異，都將影響系統(tǒng)整體的性能和效率。

針對(duì)上述問(wèn)題，大數(shù)據(jù)分析可以從兩方面著手解決：一是分析不同型號(hào)空調(diào)的歷史運(yùn)行數(shù)據(jù)、設(shè)計(jì)時(shí)不同配置空調(diào)的實(shí)驗(yàn)數(shù)據(jù)等，獲得整體較優(yōu)配置；同時(shí)可以分析各個(gè)部件實(shí)驗(yàn)數(shù)據(jù)，實(shí)現(xiàn)單個(gè)部件的性能優(yōu)化，這為新產(chǎn)品開(kāi)發(fā)提供了捷徑。二是分析不同地區(qū)空調(diào)運(yùn)行數(shù)據(jù)，得到針對(duì)不同氣候地區(qū)的空調(diào)較優(yōu)配置，為不同地區(qū)的用戶提供個(gè)性化空調(diào)定制，這樣將大大提高空調(diào)效率，節(jié)省能耗，降低生產(chǎn)設(shè)計(jì)成本。

2）商用空調(diào)、中央空調(diào)（大型空調(diào)）的優(yōu)化。中央空調(diào)的負(fù)荷、系統(tǒng)分區(qū)等問(wèn)題引發(fā)冷熱不均，冷凍水系統(tǒng)水力不平衡、冷水機(jī)組裝機(jī)容量偏大等問(wèn)題，是造成運(yùn)行能耗大量浪費(fèi)的原因。中央空調(diào)系統(tǒng)現(xiàn)場(chǎng)設(shè)備眾多，合理的配置、合理的安裝及合理的運(yùn)行控制是機(jī)組健康運(yùn)行的保證。目前國(guó)內(nèi)設(shè)計(jì)商用空調(diào)、中央空調(diào)等主要是依據(jù)國(guó)家標(biāo)準(zhǔn)、行業(yè)標(biāo)準(zhǔn)及相關(guān)經(jīng)驗(yàn)數(shù)據(jù)來(lái)進(jìn)行的，設(shè)計(jì)出來(lái)的機(jī)組常常留有較大余量，不利于節(jié)能。通過(guò)大數(shù)據(jù)分析則可以針對(duì)建筑不同地點(diǎn)、不同室內(nèi)外環(huán)境、建筑的不同功能來(lái)設(shè)計(jì)機(jī)組以及其他現(xiàn)場(chǎng)設(shè)備（水泵、風(fēng)機(jī)、冷卻塔等），計(jì)算機(jī)可以模擬出設(shè)計(jì)的空調(diào)機(jī)組的運(yùn)行工況，預(yù)測(cè)系統(tǒng)能耗及能夠達(dá)到的室內(nèi)環(huán)境品質(zhì)，這將大大節(jié)省新產(chǎn)品研發(fā)的時(shí)間及成本。

4.1.2 空調(diào)系統(tǒng)控制策略優(yōu)化

空調(diào)自動(dòng)控制技術(shù)由二十世紀(jì)六十年代傳統(tǒng)的雙位ON／OFF控制模式發(fā)展至今，經(jīng)歷了PID控制、自適應(yīng)控制、最優(yōu)控制、解耦控制、模糊控制及神經(jīng)網(wǎng)絡(luò)控制等控制方法［16］。但大型中央空調(diào)系統(tǒng)是典型的多變量、強(qiáng)耦合、多狀態(tài)、大滯后的系統(tǒng)，很難精確建立數(shù)學(xué)模型，傳統(tǒng)與現(xiàn)代的控制方法在應(yīng)用過(guò)程中因?yàn)樽詣?dòng)控制效果不理想，需要輔以人工調(diào)節(jié)，不僅導(dǎo)致了人力資源的浪費(fèi)，而且會(huì)由于控制的不精確而使得系統(tǒng)耗能增加。

對(duì)空調(diào)歷史運(yùn)行數(shù)據(jù)進(jìn)行挖掘，通過(guò)計(jì)算機(jī)對(duì)空調(diào)系統(tǒng)的歷史控制策略進(jìn)行綜合分析，在計(jì)算機(jī)中建立出最優(yōu)的控制模型，此后空調(diào)系統(tǒng)的控制策略可能不再依賴于模糊控制、神經(jīng)網(wǎng)絡(luò)控制等方式，而是通過(guò)計(jì)算機(jī)的大量運(yùn)算有針對(duì)性地發(fā)送控制指令。計(jì)算機(jī)將根據(jù)傳感器傳遞的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)來(lái)對(duì)機(jī)組進(jìn)行實(shí)時(shí)調(diào)整，使空調(diào)機(jī)組一直處于最佳運(yùn)行狀態(tài)，保證室內(nèi)環(huán)境的品質(zhì)的恒定。計(jì)算機(jī)可以自動(dòng)記錄各個(gè)負(fù)荷區(qū)域的運(yùn)行狀態(tài)，不斷更新控制模型中機(jī)組的運(yùn)行數(shù)據(jù)，使控制模型越來(lái)越精確，機(jī)組就會(huì)越用越好用、越用越節(jié)能。

4.2 空調(diào)系統(tǒng)故障檢測(cè)、診斷與預(yù)測(cè)

空調(diào)大數(shù)據(jù)為實(shí)現(xiàn)在線的空調(diào)系統(tǒng)故障檢測(cè)、診斷與預(yù)測(cè)提供了良好的數(shù)據(jù)來(lái)源?；跀?shù)據(jù)挖掘的制冷空調(diào)系統(tǒng)故障診斷方法是繼傳統(tǒng)的故障檢測(cè)與診斷方法的進(jìn)一步提升。

故障檢測(cè)與診斷的方法包括基于定量模型方法、基于定性模型方法、基于歷史數(shù)據(jù)的方法等［17］。數(shù)據(jù)量大小對(duì)于空調(diào)系統(tǒng)的故障檢測(cè)與診斷研究有著決定性的作用，數(shù)據(jù)量越大，建立的模型就越精確，診斷檢測(cè)與故障的效果越好，效率越高。過(guò)去由于數(shù)據(jù)存儲(chǔ)限制，能用于空調(diào)故障診斷研究的數(shù)據(jù)量非常少，傳統(tǒng)方法對(duì)專家知識(shí)依賴程度高，能夠檢測(cè)和診斷的故障較少，檢測(cè)精度和效率也受到限制，故其在空調(diào)領(lǐng)域的實(shí)際應(yīng)用并不廣。

基于大數(shù)據(jù)的空調(diào)系統(tǒng)故障檢測(cè)與診斷則是通過(guò)挖掘分析大量的空調(diào)運(yùn)行數(shù)據(jù)，包括空調(diào)正常運(yùn)行數(shù)據(jù)與故障數(shù)據(jù)、空調(diào)維護(hù)與修理數(shù)據(jù)、計(jì)算機(jī)或運(yùn)行人員控制數(shù)據(jù)等，全面挖掘分析空調(diào)數(shù)據(jù)，建立空調(diào)故障檢測(cè)與診斷模型，加入建筑自動(dòng)控制系統(tǒng)（BAS），實(shí)現(xiàn)在線的故障檢測(cè)與診斷。模型會(huì)實(shí)時(shí)更新機(jī)組的運(yùn)行數(shù)據(jù)，使模型更加精確，檢測(cè)與診斷效率更高。

要實(shí)現(xiàn)空調(diào)系統(tǒng)故障預(yù)測(cè)功能，需要空調(diào)系統(tǒng)從正常運(yùn)行到發(fā)生故障的所有數(shù)據(jù)，建立的故障預(yù)測(cè)模型就可以根據(jù)以往系統(tǒng)發(fā)生故障時(shí)前一段時(shí)間的數(shù)據(jù)來(lái)判斷系統(tǒng)是否即將發(fā)生故障，并判斷故障發(fā)生的位置，這樣可以省去系統(tǒng)的全面維護(hù)工作，只需要工作人員針對(duì)性地護(hù)理，節(jié)省了大量的人力資源。過(guò)去，由于存儲(chǔ)成本的限制，難以收集一臺(tái)空調(diào)生命周期內(nèi)完整的數(shù)據(jù)，而通常情況下空調(diào)系統(tǒng)故障工況下的數(shù)據(jù)獲取是在實(shí)驗(yàn)條件下完成的，這種實(shí)驗(yàn)成本高，對(duì)設(shè)備損害大，而且數(shù)據(jù)量小?，F(xiàn)在隨著存儲(chǔ)成本的降低，收集完整的空調(diào)運(yùn)行數(shù)據(jù)將得以實(shí)現(xiàn)，通過(guò)對(duì)大量數(shù)據(jù)的挖掘分析，建立起空調(diào)系統(tǒng)故障預(yù)測(cè)模型，就可以實(shí)現(xiàn)空調(diào)的在線故障預(yù)測(cè)功能。

4.3 空調(diào)系統(tǒng)（建筑）能耗與維護(hù)預(yù)測(cè)

對(duì)空調(diào)歷史運(yùn)行數(shù)據(jù)進(jìn)行挖掘，可以實(shí)現(xiàn)空調(diào)系統(tǒng)或建筑能耗與高峰電量需求預(yù)測(cè)［18］。建筑的數(shù)據(jù)除了中央空調(diào)（熱泵）的數(shù)據(jù)外，還包括室外氣象數(shù)據(jù)、房間使用規(guī)律、人員活動(dòng)規(guī)律、照明、耗電設(shè)備耗電量等數(shù)據(jù)，這些都決定著建筑的整體能耗。計(jì)算機(jī)通過(guò)數(shù)據(jù)分析建立預(yù)測(cè)模型，可以準(zhǔn)確預(yù)測(cè)不同氣候地區(qū)建筑未來(lái)幾天內(nèi)可能消耗的電量，進(jìn)而通過(guò)智能電網(wǎng)合理分配各地負(fù)荷。

此外，從海量數(shù)據(jù)中可以提取出空調(diào)系統(tǒng)各個(gè)部件及傳感器的壽命值，計(jì)算機(jī)可以根據(jù)機(jī)組長(zhǎng)期的運(yùn)行及維護(hù)數(shù)據(jù)，預(yù)測(cè)各個(gè)部件及傳感器需要更換的時(shí)間，方便維修人員進(jìn)行針對(duì)性維護(hù)，這將大大提升機(jī)組效率，減少人力消耗，降低維護(hù)成本。

4.4 不同（氣候）地區(qū)機(jī)組性能預(yù)測(cè)與個(gè)性化定制

我國(guó)地域廣闊，南北地域氣候條件相差較大，廣州地區(qū)夏季時(shí)間長(zhǎng)、氣溫高，北京地區(qū)夏季時(shí)間相對(duì)較短，最高氣溫也比南方地區(qū)低。即使在同一省份中，不同地區(qū)的室外條件也有差別，有的地方臨近湖泊、水庫(kù)等水源，室外濕度較大，有的地方則較干旱，空氣含濕量低?？照{(diào)企業(yè)銷往全國(guó)各地產(chǎn)品規(guī)格參數(shù)往往都是相同的。各地不同的氣候條件，導(dǎo)致同一型號(hào)的空調(diào)在不同地區(qū)的運(yùn)行工況的差別，這也造成了不同地區(qū)空調(diào)運(yùn)行能耗不同。而空調(diào)在某些地區(qū)長(zhǎng)期處于滿負(fù)荷或低負(fù)荷條件下運(yùn)行，對(duì)于空調(diào)系統(tǒng)而言是不利的。因此，針對(duì)各個(gè)地區(qū)不同氣候條件、不同的室外環(huán)境，匹配使用不同的空調(diào)是非常有必要的。在過(guò)去，這需要大量的針對(duì)性實(shí)驗(yàn)及數(shù)據(jù)采集，無(wú)疑是一個(gè)非常耗費(fèi)人力物力的工程。

大數(shù)據(jù)的到來(lái)為此提供了解決方法。對(duì)全國(guó)各地空調(diào)運(yùn)行數(shù)據(jù)、氣象數(shù)據(jù)等的挖掘分析，得到不同地區(qū)對(duì)于空調(diào)性能的需求，計(jì)算機(jī)可以根據(jù)這些需求配置出合適的空調(diào)并模擬出空調(diào)的運(yùn)行工況。因此企業(yè)可以為不同地區(qū)的用戶群提供適應(yīng)當(dāng)?shù)貧夂颦h(huán)境的空調(diào)，同時(shí)也可以根據(jù)用戶對(duì)于室內(nèi)環(huán)境的要求，提供個(gè)性化定制服務(wù)。這樣既滿足了用戶對(duì)室內(nèi)環(huán)境品質(zhì)的要求，也提升了空調(diào)的使用壽命，大大降低了空調(diào)能耗。

4.5 企業(yè)人力資源及資金合理分配

針對(duì)企業(yè)中人事、生產(chǎn)等數(shù)據(jù)進(jìn)行挖掘分析，可以優(yōu)化企業(yè)人員結(jié)構(gòu)，計(jì)算機(jī)可以根據(jù)企業(yè)生產(chǎn)任務(wù)及人事數(shù)據(jù)調(diào)整企業(yè)人員結(jié)構(gòu)，合理分配企業(yè)人力資源。此外，通過(guò)財(cái)務(wù)、銷售等資金數(shù)據(jù)，準(zhǔn)確分析企業(yè)的償債能力、營(yíng)運(yùn)能力、盈利能力、發(fā)展能力，有利于合理分配企業(yè)資金，及時(shí)調(diào)整企業(yè)的投資運(yùn)營(yíng)，有效管理資金流向。實(shí)時(shí)物流數(shù)據(jù)的分析可以優(yōu)化物流通道，保證各地區(qū)產(chǎn)品的快速供給，節(jié)省物流成本。營(yíng)銷數(shù)據(jù)分析則可以幫助企業(yè)快速尋找消費(fèi)人群、分析產(chǎn)品定位，進(jìn)而策劃促銷活動(dòng)，拓展市場(chǎng)。

4.6 用戶習(xí)慣分析與物聯(lián)網(wǎng)自動(dòng)控制

海量空調(diào)數(shù)據(jù)中還可以挖掘出用戶的習(xí)慣設(shè)置。計(jì)算機(jī)將自動(dòng)記錄用戶的偏好設(shè)置，自動(dòng)根據(jù)室內(nèi)外環(huán)境為用戶進(jìn)行調(diào)節(jié)。用戶事先設(shè)定好各類參數(shù)，計(jì)算機(jī)就可以實(shí)現(xiàn)工作場(chǎng)所、居住場(chǎng)所等環(huán)境的一致?？照{(diào)控制系統(tǒng)將并入家庭物聯(lián)網(wǎng)中，用戶可以通過(guò)手機(jī)、PC機(jī)遠(yuǎn)程控制空調(diào)。另外，用戶可以設(shè)定家庭成員組成，針對(duì)如嬰兒、孕婦、老人等成員，計(jì)算機(jī)可以通過(guò)關(guān)聯(lián)分析自動(dòng)為特殊人員設(shè)置合適的室內(nèi)環(huán)境。

4.7 用戶行為預(yù)測(cè)及大數(shù)據(jù)安全

大數(shù)據(jù)在用于分析人的行為上具有鮮明的優(yōu)勢(shì)。對(duì)用戶空調(diào)數(shù)據(jù)進(jìn)行挖掘分析，例如開(kāi)停機(jī)時(shí)間、開(kāi)機(jī)時(shí)長(zhǎng)、設(shè)定溫度等，在一定程度上可以判斷用戶的相關(guān)信息。比如用戶白天從8點(diǎn)至17點(diǎn)幾乎很少使用空調(diào)，只有在晚上使用，就可以判斷用戶有可能是上班一族，而根據(jù)用戶開(kāi)機(jī)時(shí)長(zhǎng)，可以判斷用戶的富有程度等等。根據(jù)用戶家庭裝的空調(diào)個(gè)數(shù)、使用時(shí)間等信息，可以推測(cè)出用戶的家庭人數(shù)、人員組成等。因此，隨著空調(diào)領(lǐng)域數(shù)據(jù)量的急劇增長(zhǎng)，如何保護(hù)海量的數(shù)據(jù)，保證用戶的隱私不被泄露，是大數(shù)據(jù)在空調(diào)領(lǐng)域應(yīng)用必須解決的問(wèn)題。傳統(tǒng)的數(shù)據(jù)保護(hù)方法可能難以適用，整個(gè)空調(diào)行業(yè)應(yīng)當(dāng)攜手開(kāi)發(fā)新的大數(shù)據(jù)安全防護(hù)方法，建立起相關(guān)的數(shù)據(jù)管理?xiàng)l例，共同創(chuàng)造大數(shù)據(jù)的安全應(yīng)用環(huán)境。

5 結(jié)論與展望

計(jì)算機(jī)存儲(chǔ)能力的提升和成本的降低使空調(diào)零部件篩選、系統(tǒng)設(shè)計(jì)、實(shí)驗(yàn)、測(cè)試過(guò)程中產(chǎn)生的大量數(shù)據(jù)得以保存；空調(diào)系統(tǒng)的復(fù)雜化讓數(shù)據(jù)產(chǎn)生頻率加快，數(shù)量更加龐大；空調(diào)企業(yè)的人事、資金、物流網(wǎng)絡(luò)的管理、市場(chǎng)營(yíng)銷等產(chǎn)生的大量數(shù)據(jù)將成為企業(yè)自身發(fā)展的寶貴財(cái)富。同時(shí)，多維度、多度量、地域性強(qiáng)的空調(diào)數(shù)據(jù)給挖掘分析工作帶了新的挑戰(zhàn)。

大數(shù)據(jù)在空調(diào)系統(tǒng)優(yōu)化、新產(chǎn)品研發(fā)、故障診斷、能耗與維護(hù)預(yù)測(cè)等方面提供了新的思路。企業(yè)與用戶之間的關(guān)系將變得更加緊密，個(gè)性化定制服務(wù)、用戶習(xí)慣分析、自動(dòng)控制服務(wù)等，將滿足人們對(duì)空調(diào)便利化、智能化、節(jié)能化的更高需求。

大數(shù)據(jù)給傳統(tǒng)行業(yè)帶來(lái)了大挑戰(zhàn)。傳統(tǒng)行業(yè)與大數(shù)據(jù)的結(jié)合是一條充滿未知與競(jìng)爭(zhēng)的令人興奮和憧憬的道路。在大數(shù)據(jù)時(shí)代，數(shù)據(jù)就是財(cái)富，有效、快速的挖掘出數(shù)據(jù)中的知識(shí)，是空調(diào)企業(yè)和行業(yè)內(nèi)有識(shí)之士應(yīng)當(dāng)共同努力的目標(biāo)。技術(shù)創(chuàng)新永無(wú)止境，期望空調(diào)行業(yè)在大數(shù)據(jù)時(shí)代推動(dòng)下迅猛發(fā)展，為人類健康舒適的生活、生產(chǎn)做出貢獻(xiàn)。

［1］ Lynch C.Big data：how do your data grow？［J］.Nature，2008，455（7209）：28?29.

［2］ Frankel F，Reid R.Big data：distilling meaning from data ［J］.Nature，2008，455（7209）：30?30.

［3］ Kum H，Ahalt S，Carsey T M.Dealing with data：govern?ments records［J］.Science，2011，332（6035）：1263.

［4］ Los W，Wood J.Dealing with data：upgrading infrastruc?ture［J］.Science，2011，331（6024）：1515?1516.

［5］ 科技部.美國(guó)政府出臺(tái)大數(shù)據(jù)研發(fā)計(jì)劃［EB／OL］. （2012?04?24）［2014?12?01］.http：／／www.most.gov.cn／gnwkjdt／201204／t20120424_93877.htm.

［6］ 王鵬，崔瑩.中國(guó)企業(yè)大數(shù)據(jù)聯(lián)盟成立，三主線挖掘概念股投資機(jī)會(huì)［EB／OL］.（2014?11?07）［2014?12?01］.http：／／stock.cnstock.com／stock／smk_qlgg／201411／3232816.htm.

［7］ 維基百科.大數(shù)據(jù)［EB／OL］.（2014?11?20）［2014?12?01］.http：／／zh.wikipedia.org／wiki／%E5%A4%A7% E6%95%B8%E6%93%9A.

［8］ Manyika J，Chui M，Brown B.Big data：the next fromtier for innovation，competition，and productivity［M］.Mckin?sey Global Institute，2011.

［9］ Stylianou M，Nikanour D.Performance monitoring，fault detection，and diagnosis of reciprocating chillers［J］. ASHRAE Transactions，1996，102（1）：615?627.

［10］Lee W Y，House J M，Shin D R.Fault diagnosis and tem?perature sensor recovery for an air?handling unit［J］. ASHRAE Transactions，1997，103（1）：621?633.

［11］Azam K，Kasper H.Big data from the built environment ［C］／／Proceeding of 13th International Conference on U?biquitous Computing.Beijing，2011：29?32.

［12］Chang Y.Sequencing of chillers by estimating chiller pow?er consumption using artificial neural networks［J］.Build?ing and Environment，2007，42（1）：180?188.

［13］Han H，Gu B，Kang J，et al.Study on a hybrid SVM model for chiller FDD applications［J］.Applied ThermalEngineering，2011，31（4）：582?592.

［14］Zhao Y，Xiao F，Wang S.An intelligent chiller fault de?tection and diagnosis methodology using Bayesian belief network［J］.Energy and Buildings，2013，57：278?288.

［15］中研網(wǎng).我國(guó)建筑能耗約占社會(huì)總能耗的33%［EB／OL］.（2014?05?05）［2014?12?01］.http：／／www.chinairn. com／news／20140505／190538292.shtml.

［16］張吉孔.模糊?神經(jīng)網(wǎng)絡(luò)控制原理與工程應(yīng)用［M］.哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2004：224.

［17］Katipamula S，Brambley M.Methods for fault detection，diagnostics and prognostics for building sustems?a review ［J］.Part I HVAC＆R Res，2005，11（1）：3?25.

［18］Fan C，Xiao F，Wang S.Development of prediction mod?els for next?day building energy consumption and peak pow? er demand using data Mining techniques［J］.Applied En?ergy，2014，127：1?10.

陳煥新，男，教授，博士生導(dǎo)師，華中科技大學(xué)能源與動(dòng)力工程學(xué)院，（027）87558330，E?mail：chenhuanxin＠tsinghua.org.cn。研究方向：制冷空調(diào)系統(tǒng)測(cè)控技術(shù)與計(jì)算機(jī)仿真。

About the author

Chen Huanxin，male，professor，doctoral supervisor，School of Energy and Power Engineering，Huazhong University of Science and Technology，＋86 27?87558330，E?mail：chenhuanxin＠tsing?hua.org.cn.Research fields：Measure＆control technique and computer simulaiton of refrigeration and air?conditioning system.

Application of Big Data in Air?conditioning Field

Chen Huanxin Liu Jiangyan Hu Yunpeng Li Guannan

（Department of Refrigeration and Cryogenic Engineering，Huazhong University of Science and Technology，Wuhan，430074，China）

Water This paper presents the main sources of conventional air?conditioning data，which can be used for product research and indus?try standard development.The sources and reasons of big data in air?conditioning field have been combed by both air?conditioning products and their enterprises.The big data in air?conditioning field are challengeable to be mined for its multi?metric，multi?dimension and region?alism.Applications of big data in air?conditioning field are generalized mainly on system optimization，fault detection and diagnosis，building energy prediction，allocation of enterprise human and capital resource，personalized customization etc.As user behaviors can be detected by mining the massive data，the protection of big data should be brought to the forefront.

data mining；refrigeration and air?conditioning；fault detection；energy analysis

TP311；TU831.4

A

0253－4339（2015）04－0016－07

10.3969／j.issn.0253－4339.2015.04.016

國(guó)家自然科學(xué)基金（51328602）資助項(xiàng)目。（The project was supported by the National Natural Science Foundation of China（No. 51328602）.）

2014年12月5日