科创中国

将人工智能与建筑能源系统理论深度融合，攻克制约节能与故障诊断技术现场应用的瓶颈，实现系统高效运行与复杂系统智能预测、诊断和评估。 巧妙运用并尝试发展人工智能领域的前沿手段，解决阻碍建筑能源系统故障诊断技术现场应用中的瓶颈问题。通过深度融合人工智能与能源领域理论，从现场应用视角探索建筑能源系统故障诊断新理论与新方法，旨在构建诊断成本低、通用性强、复杂运行条件下鲁棒性出色的复合诊断方法，解决建筑能源系统故障诊断技术中的卡脖子问题。

1）基于现场应用视角开展一系列建筑能源系统复合故障诊断方法研究； 2）将贝叶斯理论应用到冷水机组故障检测与诊断中，解决了新故障识别问题，并将已知故障诊断正确率最大提升20%以上； 3）提出冷水机组故障特征选择策略，解决了诊断技术现场应用的经济问题； 4）提出非完整信息下冷水机组故障诊断性能增强策略，非完整信息下故障诊断正确率最大提升40%； 5）提出一种地下水能量梯级利用的地下水源热泵新系统，季节性能耗节约高达40%。

本项目提出的在线故障诊断方法及系统适用于制冷空调设备，包括家用及商用。

主要研究方向是建筑能源系统节能与智能故障诊断技术开发与应用，研究愿景是将人工智能与建筑能源系统理论深度融合，攻克制约节能与故障诊断技术现场应用的瓶颈，实现系统高效运行与复杂系统智能预测、诊断和评估。取得主要创新成果如下：1）基于现场应用视角开展一系列建筑能源系统复合故障诊断方法研究；2）将贝叶斯理论应用到冷水机组故障检测与诊断中，解决了新故障识别问题，并将已知故障诊断正确率最大提升20%以上；3）提出冷水机组故障特征选择策略，解决了诊断技术现场应用的经济问题；4）提出非完整信息下冷水机组故障诊断性能增强策略，非完整信息下故障诊断正确率最大提升40%；5）提出一种地下水能量梯级利用的地下水源热泵新系统，季节性能耗节约高达40%。 科技奖励。作为主要完成人分别获2022年度和2020年度河南省科技进步奖二等奖、2022年度河南省教育厅科技成果一等奖和2020年度陕西高等学校科学技术一等奖。 主持项目。主持国家自然科学基金青年项目1项，主持河南省重点研发与推广专项（科技攻关）和国家重点实验室开放课题等省部级项目2项，主持中原青年拔尖人才、河南省高校科技创新人才支持计划项目等。

该项技术在线应用之后，将避免冷水机组带障运行，节省由故障带来的大量能源浪费，延长设备使用寿命。带障运行导致的冷水机组能耗增加高达30%。一台制冷量为1000kW，耗功率约为285kW的冷水机组，每年工作1500h，电价为0.5元/kWh，负荷修正系数为0.6，则带障运行导致的运行费用增加38475元/年。我国目前冷水机组的总装机容量约为2.5×108kW，按照性能系数3.5，每年工作1500h，电价0.5元/kWh，负荷修正系数0.6计算，如果大约30%的冷水机组发生故障，则实施故障诊断技术，将节省60亿度电/年，节省运行费用30亿元/年。若将本项目提出的在线故障诊断方法及系统应用于其他制冷空调设备，比如家用空调器，中国家用空调器目前约2.4亿台，每年耗电约3600亿度，按其中30%发生故障，则实施故障诊断技术可节省约324亿度电/年，节省运行费用约162亿元/年。经济效益十分显著。

希望通过技术转让的形式与企业合作。