丁大偉，孔祥偉，李勝利，韓忠芳，曹佩軒

（1.北京昊華能源股份有限公司，北京 102300；2.北京手挽手勞務(wù)派遣有限責(zé)任公司 大興分公司，北京 102611；3.北京中江偉業(yè)消防工程有限公司，北京 102300；4.北京恒業(yè)世紀(jì)科技股份有限公司，北京 100077；5.北京城建亞泰中天建筑安裝工程有限公司，北京 100013）

0 引言

區(qū)別于傳統(tǒng)空調(diào)，HVAC 能夠?qū)ㄖ?nèi)部的氣體進(jìn)行處理，以達(dá)到調(diào)節(jié)空氣的作用，并且該系統(tǒng)已經(jīng)廣泛應(yīng)用于建筑業(yè)、工業(yè)等領(lǐng)域[1]。隨著供熱逐步南移，供熱覆蓋面積不斷擴(kuò)大，暖通空調(diào)系統(tǒng)不可避免地導(dǎo)致高能耗，而能源的浪費(fèi)大部分則是由于系統(tǒng)故障不能及時預(yù)測和維護(hù)而產(chǎn)生的。所以需要加大對暖通空調(diào)系統(tǒng)的故障預(yù)測與維護(hù)問題的關(guān)注。其次，傳統(tǒng)的對于暖通空調(diào)系統(tǒng)設(shè)備的管理模式為當(dāng)系統(tǒng)表現(xiàn)出明顯的問題時才會去檢修維護(hù)，或者已經(jīng)超過了檢修期限但是系統(tǒng)設(shè)備未出現(xiàn)問題而沒有檢修，于是導(dǎo)致了最終大修等問題。因此，自動化管理代替?zhèn)鹘y(tǒng)的管理模式是勢在必行的。本研究針對暖通空調(diào)系統(tǒng)的故障預(yù)測與維護(hù)、設(shè)備管理自動化兩方面進(jìn)行深入分析和研究，為管理及其維護(hù)人員提供一定的借鑒意義，以保證暖通空調(diào)系統(tǒng)維護(hù)工作順利安全地實(shí)施。

1 暖通空調(diào)系統(tǒng)的故障預(yù)測

1.1 HVAC 系統(tǒng)故障預(yù)測方法

如圖1、圖2 所示，趙陽 等[2-4]總結(jié)了HVAC 系統(tǒng)故障檢測方法的分類以及診斷方法的分類。該總結(jié)是比較到位的將人工智能通用的方法進(jìn)行了歸類，但是忽略了一個本質(zhì)的核心問題，就是無論是基于先驗(yàn)知識的還是基于模式識別的方法，都需要大量數(shù)據(jù)的驅(qū)動，而HVAC 系統(tǒng)相關(guān)的數(shù)據(jù)需要利用傳感器等硬件進(jìn)行采集，甚至人工監(jiān)測記錄的數(shù)據(jù)，這些數(shù)據(jù)也不足以形成人工智能，特別是神經(jīng)網(wǎng)絡(luò)需要的大量數(shù)據(jù)。一方面就是傳感器的數(shù)量少且質(zhì)量不高，另外一方面人工記錄成本過高會限制數(shù)據(jù)的積累。

圖1 暖通空調(diào)系統(tǒng)故障檢測方法

圖2 暖通空調(diào)系統(tǒng)故障診斷方法

隨著人工智能的發(fā)展以及深度神經(jīng)網(wǎng)絡(luò)架構(gòu)的快速迭代，如何應(yīng)用少量數(shù)據(jù)并利用現(xiàn)有人工智能領(lǐng)域的方法進(jìn)行HVAC 故障預(yù)測以及維護(hù)已經(jīng)不再是幻想。遷移學(xué)習(xí)（Transfer Learning）已具備了利用少量數(shù)據(jù)進(jìn)行學(xué)習(xí)的能力。本研究重點(diǎn)分析如何利用遷移學(xué)習(xí)進(jìn)行設(shè)備故障預(yù)測與維護(hù)。

1.2 基于遷移學(xué)習(xí)的HVAC 系統(tǒng)故障預(yù)測與維護(hù)

1.2.1 人工智能遷移學(xué)習(xí)

遷移學(xué)習(xí)（Transfer Learning）是一種通過聯(lián)合學(xué)習(xí)多個相關(guān)的任務(wù)用以提高模型泛化性能的機(jī)器學(xué)習(xí)技術(shù)。而成功應(yīng)用遷移學(xué)習(xí)的關(guān)鍵在于子任務(wù)需要是相關(guān)的。這里的相關(guān)并不意味著任務(wù)是相似的，而意味著在一定的抽象層次上這些任務(wù)可以共享一部分表征特征。如果任務(wù)確實(shí)是相似的，由于可以有效地增加每個任務(wù)的訓(xùn)練數(shù)據(jù)量，共同學(xué)習(xí)多個任務(wù)有助于在任務(wù)間進(jìn)行知識的遷移。遷移學(xué)習(xí)在訓(xùn)練數(shù)據(jù)集相比模型尺寸要小的時候最有用。

由于在神經(jīng)網(wǎng)絡(luò)中，較高層次的表示比較低層次更抽象，即更能代表實(shí)際意義，因此，神經(jīng)網(wǎng)絡(luò)也非常采用遷移學(xué)習(xí)進(jìn)行學(xué)習(xí)。如圖3 所示，展示了遷移學(xué)習(xí)一般的架構(gòu)。

圖3 遷移學(xué)習(xí)一般網(wǎng)絡(luò)架構(gòu)

1.2.2 基于遷移學(xué)習(xí)的HVAC 系統(tǒng)故障預(yù)測與維護(hù)

根據(jù)遷移學(xué)習(xí)的理論，加上HVAC 系統(tǒng)故障預(yù)測與維護(hù)的理論，本研究基于先驗(yàn)知識的任務(wù)與基于模式識別的任務(wù)合并同時建模來預(yù)測HVAC 系統(tǒng)故障。

在神經(jīng)網(wǎng)絡(luò)的輸入層，同時輸入HVAC 系統(tǒng)故障相關(guān)的先驗(yàn)知識與基于模式識別需要的少量數(shù)據(jù)得來的特有特征，然后利用神經(jīng)網(wǎng)絡(luò)隱藏層進(jìn)行遷移學(xué)習(xí)，最后在輸出層，利用任務(wù)標(biāo)簽的不同，分別輸出不同任務(wù)對應(yīng)的輸出，如圖4 所示?；谶w移學(xué)習(xí)的HVAC 系統(tǒng)故障預(yù)測與維護(hù)具備一定的可行性，隨著先驗(yàn)知識的逐步增多，可利用的信息也逐步增多，神經(jīng)網(wǎng)絡(luò)將不斷迭代更新學(xué)習(xí)，HVAC 系統(tǒng)故障的預(yù)測也將更準(zhǔn)確，維護(hù)工作將變得更簡單、更方便、更實(shí)時、更到位。

圖4 基于先驗(yàn)知識與模式識別任務(wù)遷移學(xué)習(xí)的圖示

人工智能神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)技術(shù)，可以利用各種有關(guān)設(shè)備故障的數(shù)據(jù)以及先驗(yàn)知識，來訓(xùn)練更具泛化能力的預(yù)測設(shè)備故障的神經(jīng)網(wǎng)絡(luò)模型，并且可以給用戶提供更優(yōu)質(zhì)的故障檢測方案以及故障維修建議等信息，由此解決機(jī)器故障問題，從而大幅度提升服務(wù)水平。

2 暖通空調(diào)系統(tǒng)設(shè)備管理自動化

2.1 基于智能設(shè)備的管理自動化

計算機(jī)對設(shè)備管理的實(shí)時檢測和分析，使計算機(jī)能夠根據(jù)設(shè)備的異常運(yùn)行狀態(tài)或特性，對系統(tǒng)的故障概率和設(shè)備的故障檢測信息進(jìn)行遠(yuǎn)程分析和處理。未來，智能設(shè)備的管理將更加網(wǎng)絡(luò)化，這就需要進(jìn)一步優(yōu)化的人機(jī)通信和多維數(shù)據(jù)處理能力，而能勝任這一工作的就是迅速發(fā)展的人工智能神經(jīng)網(wǎng)絡(luò)技術(shù)。基于智能設(shè)備的管理自動化系統(tǒng)也可優(yōu)化多個供應(yīng)商環(huán)境中的不同設(shè)備應(yīng)用的服務(wù)水平，使得系統(tǒng)的監(jiān)控以及管理能力可跨平臺及地區(qū)，真正地做到智能化和自動化。

2.2 基于計算機(jī)網(wǎng)絡(luò)的設(shè)備管理自動化

網(wǎng)絡(luò)設(shè)備信息化管理的關(guān)鍵技術(shù)是智能管理軟件、信息通信技術(shù)的開發(fā)與集成。它是一個能夠?qū)崟r處理數(shù)萬個數(shù)據(jù)的大型系統(tǒng)，具有開放性和集成性，易于集成到不同的應(yīng)用系統(tǒng)中，通過互聯(lián)網(wǎng)連接多個城市，并實(shí)現(xiàn)不同功能。這類型的系統(tǒng)除了有可靠的設(shè)備管理控制中心，也需具備雙機(jī)甚至多機(jī)的冷/熱備份冗余形式。一般在主控室常設(shè)置智能模擬屏幕以及投影儀，直觀地顯示實(shí)時數(shù)據(jù)。

通過利用人工智能的神經(jīng)網(wǎng)絡(luò)遷移學(xué)習(xí)技術(shù)可以對設(shè)備更智能地進(jìn)行故障方面的檢測，然后給用戶提供更優(yōu)質(zhì)的對策和建議，應(yīng)用于HVAC 系統(tǒng)中，將更有效地管理各種設(shè)備，有效提升工作效率的同時也能降低安全隱患。

3 暖通空調(diào)系統(tǒng)故障預(yù)測與設(shè)備管理系統(tǒng)優(yōu)化

3.1 基于模擬專家思維貝葉斯網(wǎng)絡(luò)的系統(tǒng)故障預(yù)測

本研究提出的方案，已有部分研究者進(jìn)行過研究。趙陽等[5-6]認(rèn)為專家能夠高效地診斷檢測信息，是因?yàn)閷＜曳e累了豐富的先驗(yàn)知識，并能將這些先驗(yàn)知識應(yīng)用到傳統(tǒng)的模糊或者概率估計方法中去，推算故障信息。香港理工大學(xué)幾位研究者[7]使用貝葉斯網(wǎng)絡(luò)來模擬專家思維，提升了故障檢測的準(zhǔn)確率，他們基于這個思路，分別建立了冷水機(jī)組故障檢測診斷貝葉斯網(wǎng)絡(luò)，變風(fēng)量末端故障檢測診斷貝葉斯網(wǎng)絡(luò)以及空氣處理單元故障檢測診斷貝葉斯網(wǎng)絡(luò)。本研究所提的遷移學(xué)習(xí)方案，目的是融合更多的先驗(yàn)知識開展故障檢測診斷研究。

3.2 借鑒全局性冗余信息的系統(tǒng)故障預(yù)測

楊文等人提出了一種基于能量平衡的HVAC 系統(tǒng)故障檢測方法，該方法利用暖通空調(diào)系統(tǒng)能量的傳遞和變換過程，建立起跨多個系統(tǒng)的傳感器數(shù)據(jù)關(guān)聯(lián)關(guān)系，將空氣處理環(huán)節(jié)、水處理環(huán)節(jié)以及配電系統(tǒng)的測量數(shù)據(jù)有效整合，充分利用全局性的冗余信息，進(jìn)而能同時針對空調(diào)設(shè)備故障、傳感器故障以及涉及配電等跨系統(tǒng)傳播的故障進(jìn)行檢測。

可見這些冗余信息雖然不能單獨(dú)使用，但是從系統(tǒng)全局性考慮，它卻給系統(tǒng)帶來了一定的增益。類似于遷移學(xué)習(xí)中的輔助任務(wù)一樣，它的加入可以使得系統(tǒng)整體性能的提升。再一次證明了基于遷移學(xué)習(xí)的HVAC 系統(tǒng)故障預(yù)測與維護(hù)的可行性。隨著技術(shù)瓶頸的突破，設(shè)備管理自動化也自然形成智能化管理體系。

4 結(jié)語

雖然技術(shù)的進(jìn)步使得HVAC 系統(tǒng)故障預(yù)測與設(shè)備管理已經(jīng)趨于智能化。但是，隨著社會的發(fā)展，對HVAC 系統(tǒng)的要求越來越高，系統(tǒng)也將越來越復(fù)雜，在故障預(yù)測和設(shè)備管理自動化方面還有一些問題需要解決，只有明確故障原因，加強(qiáng)故障診斷和檢測，才能進(jìn)一步推動暖通空調(diào)系統(tǒng)的發(fā)展。