上海地源热泵中央空调维修

       针对传统设备管理模式下存在的问题，阐述了现代设备管状态监控和设备故障状态维修的必要性。分析了暖通空调(HVAC)系统故障的特征，并就建立故障检测与诊断系统的方法、实现步骤、相关技术等进行了探讨。
关键字：故障特征 故障诊断 故障预测 设备状态 设备管理

        随着智能建筑的兴起，建筑内设备数量和复杂性都显著增加，日常配件消耗、维修费用明显上升。由于建筑的复杂性和多样性，也使中央空调系统的故障诊断和处理更加困难。因此，只有采用先进的设备管理技术，才能确保设备的正常运行，避免重大事故的发生。

       在传统的设备管理模式中，往往要有明显迹象表明设备性能变差时才去确定这台设备是否应该检修，或根据规程已经到了大修期限，才着手组织大修。这样就存在以下问题：一是其运转情况无法统计准确；二是本可不必大修解决的问题拖到了故障累积成必须大修的程度，导致设备维修费用升高。传统的维修思路是：当设备不能正常工作甚至无法工作后才去寻找故障并维修。这样做的结果，首先是设备停止运行，影响了正常服务，其次是故障往往不仅是部件问题，甚至到了必须更换整套设备的地步，使得维修成本巨增；三是维修工作被动，变成“头痛医头，脚痛医脚”，工作紧张，配件消耗多，设备性能差。

        按老办法管理，由于建筑设备的分散性和复杂性使设备工程师劳动强度增大，维护质量跟不上需要。那种靠填写值班日志、抄表记录、出现报警信号后才去排除故障的人工方法显然已经不能适应新的形势。虽然新的系统有了类似黑匣子之类的自动数据记录器，但这也只能作为事后分析的依据。

       在智能建筑中大量采用了空调系统及相关设备，它们规模庞大、设备复杂，在设备管理和维修方面的花费也较大。当某个设备出现故障时，设备可能在东，电源又可能在西，因此维护人员可能要跑遍整个建筑去排除故障，即使找到了故障所在的设备间，往往又是一大堆不同系统的设备，摆在同一狭小的空间里，要迅速确定故障所在并加以排除也不是一件轻松的事。这种困难在智能建筑中尤其突出，如果设备常出故障及维护困难，将在很大程度上影响到这些建筑的声誉。另外，如果配件储备不够，需要临时组织货源（尤其是进口配件），也会延长维修时间。

      国外有一些公司已经开发了一些设备状态监测和故障诊断系统，我国对此也很重视，并将积极开展设备状态监测和故障诊断技术放在了重要的科研位置，而且已取得了一些成绩。例如：某煤炭工业公司，利用油液状态监测对设备潜在故障进行了成功预报，几年来为企业节约资金80多万元；某自来水公司采用设备数据采集分析管理系统，在主要设备上选点监测，经过几年实践，采集了大量数据，已初步探索出设备故障的诊断标准和监测故障的经验，成功地发现了几起故障隐患，通过设备状态监测与故障预测有效地实现了设备的状态维修，不仅保证了设备正常运行，而且还降低了运行维修费用。

      国外早在80年代就已经非常重视对设备管理的研究，某些技术已应用于实际工程。目前，在美国，面积5000ｍ2以上的商业建筑大多已经采用了设备管理自动化系统，这些系统在日常的空调、消防、保安、照明等方面已经给设备工程师带来了极大的便利。而我国的设备管理手段相对比较落后，很多设备处于人工值守状态，管网设施主要依靠人工管理和维护。这不仅要求工作人员有丰富的经验，还要求他们一直处于高度警觉状态，所以劳动强度是很大的。即使这样，某些故障是很难避免的。因此，积极开展设备管理理论和方法的研究具有重大意义，它能限度地提高管理效率，并保证机组的节能运行，降低管理成本。

1 ＨＶＡＣ系统常见故障特征分析及故障分类

      ＨＶＡＣ系统是由管道连接各种空调设备而组成的一个相互关联、相互影响的系统，如果系统中有一个部件出现故障，则会影响其它部件的工作，进而影响整个系统的特性。例如：在蒸汽压缩式制冷循环中，如果冷冻水泵出现故障，则单位时间通过蒸发器的水量减小，蒸发温度及蒸发压力降低，压缩机的压缩比升高，功耗增加，系统的ＣＯＰ值下降，严重时会损坏压缩机。这说明故障具有关联与传递的特征。

       由于ＨＶＡＣ系统的故障具有传递性，一个部件出现故障会影响其它部件的正常工作，会引起多个参数的变化，所以有时就很难判断到底故障的位置在哪里，也很难分清哪些是原因性数据，哪些是结果性数据，使故障诊断变得复杂。

      虽然ＨＶＡＣ系统非常复杂，但也是由不同层次的子系统组成的。比如：冷却水系统、冷冻水系统、制冷剂系统、自动控制系统等。所以，发生的故障总是隶属于某一层次，在这一层次中，总有一个或几个特征参数的变化与之相对应。例如：在采用风冷冷凝器的蒸汽压缩式制冷循环中，如果冷凝器中的风机出现故障，它就隶属于冷凝系统，则会引起通过冷凝器盘管的风量及冷凝器的出风温度发生变化，风量和出风温度即是这一故障的特征参数（又称为原因参数）。利用故障的这一特性，我们可以提出诊断模型，并对原因参数和结果参数进行分类，从而实现对故障的正确诊断。这说明故障具有层次性与参数对应性的特征。

      空调系统可能出现的故障很多，也很复杂，根据不同的特征，可将它们进行分类归纳。根据故障显现的程度，可分为显性故障和隐性故障。如：风机停转、导线脱落这种易察觉的故障属于显性故障；换热器结垢、制冷剂渗漏等不易察觉的故障属于隐性故障。根据故障对系统造成影响的程度，可分为软故障和硬故障。如：风机停机、电机烧毁等使设备完全失效的故障为硬故障；阀门关闭不严、仪表漂移设备性能下降等故障为软故障。根据故障发生的时间长短，可分为突发性故障和渐进性故障。另外，根据故障发生的部位，可分为机械性故障、空气处理过程或设备及空气分布部分的故障、配电和自动控制部分的故障等。

2 设备运行状态的智能化监测和设备管理的自动化

       鉴于以上情况，传统的设备管理模式早已不能适应智能建筑发展的要求，实现设备预测维修和设备主动式智能化管理已迫在眉睫。目前，楼宇自动化系统（ＢＡＳ）已经能通过网络实现现场输入／输出、控制站、操作员站和工程师站之间的协调运行，利用集成网络所提供的技术，能快速而便利地传递和控制数据，通过网关在数据网络和控制网络之间提供界面。这种先进的网络形式利用网络通信技术，集数据采集、分析和控制为一体，非常适合于智能建筑的设备管理与控制。它采用现行通信系统中行之有效的、已定义好的协议服务，可以容易实现节点间的对等通讯，使系统设计大大简化。而按照标准协议设计的节点还可以实现不同系统、不同产品间的互联。这种全新的现场总线构建形式为分散的建筑设备提供了互操作和开放的控制网络。

       带远程诊断的智能设备管理模式是更的管理模式。根据异常的工况或变坏的运行特性，通过计算机数据分析处理系统能根据若干征兆群，确定特定故障的概率，并对设备的维修计划、维修时间表、维修方案等作出决策。

        大力开展基础研究，逐渐完善设备管理系统。设备诊断技术涉及数学、电子、计算机、信号处理等多学科，加强设备诊断监测技术的研究，包括设备状态监诊理论，开发设备状态监测设备、仪器，收集研究并制定各种设备的运行状态标准（正常工况和故障数据库），研究故障机理和诊断分析技术，开展状态诊断（故障预测）工作，编制诊断、监测程序和相关分析应用软件，提供设备状态信息等方面。

       系统集成是分布式设备管理的关键。信息技术本身将随高科技不断发展，智能化设备管理的未来许多应用将是建立在网络的基础上，并且要求有良好的人机交互能力和多维信息处理能力。神经网络技术在设备管理系统中的应用，能实现真正的智能化管理，它是一个能对分布式计算机环境实施前期预报管理和智能管理的解决方案。它能够同时自动分析、监控数以千计的系统状态参数。通过神经智能系统可以查找潜在设备故障，给最终用户提供自动化建议，优化多供应商环境中的设备应用服务水平，使系统监控、管理功能更强。

       计算机及网络技术的发展，为ＨＶＡＣ设备自动诊断系统的发展提供了良好的条件。将计算机实时检测分析用于设备管理，实现关键设备运行状态的集中管理、集中分析。要实现设备联网管理，必须应用远程故障诊断技术。根据异常的工况，或变坏的运行特性，通过计算机数据分析处理系统，确定出征兆与故障产生之间的概率，并对设备的故障检测、故障诊断、维修计划、维修时间、维修方案等做出决策。

       设备管理系统的关键技术是应用软件的开发。能处理上万个实时数据的大型系统，开放性和集成性成为这类系统的特征。楼宇控制系统的一体化集成具有系统集成、功能集成、网络集成和软件界面集成等特点。它是把多个功能单一的控制器通过通信技术和计算机网络联成一个系统。

     为了提高系统的可靠性，设备管理控制中心的计算机可采用主、备机的冗余形式，备机和主机不一定装在一起，可通过局域网互联，并使备机处于热备状态。主控室内常设置智能模拟屏和大屏幕投影仪，直观地显示数据。智能屏上有详细的管网图，实时数据由位于各管道相应位置的智能显示窗显示出来。一般在这种规模的系统中还配备维护工作站、监控工作站等操作站，它们也互联成局域网。控制这个系统的软件系统实际上就是正在研发的设备管理专家系统。

3 建立设备故障检测与诊断系统的一般步骤

3.1 分析并确定各故障对应的相关参数

      当某一故障发生时，总有一些相关参数与之对应。相关参数可能很多，通过统计和必要的研究后，根据相关程度的高低筛选出有足够建立故障模型的参数组。掌握了这些相关参数之后，才能利用这些数据来建立故障数据库及相关的故障模型。

3.2 采集相关参数的运行数据，建立故障数据库

       空调系统运行时，各个参数都有其正常的波动范围，如果参数波动超出这一范围，就可能发生了某种故障。通过前述理论分析或实验研究，已经能够找出各故障对应的相关参数，再将这些相关参数的数据进行分析，建立其形成某种故障的数据模型。当这些参数波动超出其正常范围，则就对应某一种故障。单纯故障的模型比较容易建立，建立多种故障的模型则比较困难，但它也是以单纯故障模型为基础的。数据采集是建库的基础工作，是一项有相当难度的研究工作，一般都在实验室中进行，主要通过仿真方式获得。当然，也不排除从真系统中得到的宝贵数据，甚至从灾难性事故记录回放中取得的教训。数据采集系统将采集来的有关空调系统运行数据先与正常状态数据库进行比较，如果属于正常数据，则采集系统继续采集数据；如果数据不正常，则进行分类、分析、统计、存档，以便于故障诊断时调用。现场数据的实时采集以及实时数据、历史数据和数据库信息的存储，是监测系统和报表管理系统运行的基础性工作，是长远性工作，随着系统运行时间的增长，系统本身获得的“经验”也是逐步积累的。

3.3 建立识别系统

      建立了故障模型数据库后，就要将采集来的数据与故障模型数据库对应起来，并判断出与采集来的数据最为接近的模型，经分析软件判断出故障名称。这就涉及到模型识别的问题，也即数据分类方法，就是采用什么分类方法将采集来的数据归为模型数据库中的某一类。

      常用的分类方法有：人工神经网络法、贝叶司（Ｂａｙｓ）法、理论选择（ｒｕｌｅ－ｂａｓｅｄ）法、统计模型法、模糊识别法等。不同的分类方法有不同的特点，所以在选择时要根据故障数据的不同特点选择合适的方法，以提高识别效率和准确度。

3.4 对数据库进行训练和改进

      编制具有学习功能的系统软件，利用专家知识对系统进行训练，使系统的性能逐步提高，最后达到预期效果。例如，实现设备预防性维护的重要环节之一就是要求系统本身能自动获取设备故障的征兆。开发应用软件时，从一开始就必须重视数据库的建立 完善的故障数据库对系统的成功应用起着重要的作用。

4 应用

       在空调系统停机、启动和稳定工作时，各参数的正常波动范围不同，而且不同故障在不同的运行阶段所呈现的明显程度也不同，所以，可以将检测模型分为三个模型，即停机模型、启动模型和稳定运行模型。

       停机模型在空调系统晚间停机时启用，可用于检测各传感器是否正常，电压是否正常，空调主机中各种压力、油温、油位是否正常等。也即做启动前的检查，若发现问题，就及时排除。

       启动模型适用于空调系统从开机到开机后约15分钟这一时间段，主要检测与制冷剂流量有关的故障，如，制冷剂是否有泄漏、制冷剂管路是否堵塞等。这是因为制冷剂的故障流量特征曲线与正常流量特征曲线在这段时间内差别最明显。

     稳定运行模型主要用于检测在空调系统稳定运行时的故障。

5 结束语

       设备管理和设备运行对保证建筑的正常使用都同样重要。现代化的管理也需要现代化技术的支持，设备管理系统的开发和应用无疑将推进智能化建筑的发展，它对保证设备正常运行、设备故障迅速修复和设备故障预防都有十分重要的意义。除此之外，开发高品质的设备管理系统，还可以节约能源，提高劳动效率，创造明显的社会效益。设备的维护费用最终可大幅度下降，在经济上是十分合算的。把设备故障和事故隐患解决在萌芽状态，既可避免重大事故发生，又可保证设备正常运行，还能降低运行成本。ＨＶＡＣ系统的故障检测及诊断技术是建筑设备领域中的一个新课题，其中涉及多个学科的知识，既需要有空调、制冷方面的专业知识，又需要计算机、自动控制方面的知识，还需要管理学和应用数学知识。目前，这一技术的应用还有很多问题值得探讨，也还有不少技术难题没有解决。但是，无论从经济角度还是从整个建筑的性能来考虑，都应积极开展ＨＶＡＣ系统故障检测及诊断技术的研究。

       现代设备管理系统的发展趋势是通过应用故障诊断技术，根据设备状态作出维修计划，使设备维修和维护做到有的放矢。以科学化、数字化的设备状态管理模式代替以往模糊的、感官化的经验型设备管理模式。设备智能化管理将为业主、用户、设备运行维护人员带来极大的利益。先进的设备管理技术是降低运行成本、节省能源和保障系统正常工作的关键。设备是智能建筑中配置的重要资源，因此，提高设备的可靠性对提高设备的效率、保证居住者利益、降低成本、提高经济效益都具有十分重要的意义。

参考文献

1 John.M.House,Won.Yong.Lee,Dong.Ryul.Shin.Classification Techniques for Fault Detection and Diagnose of an Air-handing Unit.ASHARE Transactions,105,1999

2. Meli.Stylianou,Darius.Nikanpour.Performance monitoring,Fault detection,and diagnosis of Reciprocating Chillers. ASHARE Transactions,102,1996(Ⅰ)

3 Edwars.S.J，etc.Expert system for real-time monitoring and fault diagnosis.NASA-CR,1989

4 Eds.J.Building Optimization and Fault Diagnosis Source Book，Annex

5. 郑洁.周玉礼.建筑设备故障诊断与预测技术.《工程设计CAD与智能建筑》.2002；7

6. 郑洁.周玉礼.李兴友.暖通空调系统故障诊断技术及应用.《机电一体化》2003；3用什么分类方法将采集A