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%。