1研究背景
图1 复合空调系统运行原理示意图
2模型搭建
2.1 系统动态数学模型的建立
现阶段对复合空调系统性能的研究多集中于稳态特性，然而该系统在故障工况下运行参数可能会剧烈变化，对系统运行可靠性造成严重威胁。为解决上述问题，在对各部件内制冷剂及空气流动换热过程、系统各模式运行特点以及故障特性分析的基础上，建立了复合空调系统动态数学模型，该模型适于预测系统在复杂工况下的非稳态运行特性，其求解流程如图2所示。
图2 各模式动态模型求解流程
2.2 系统故障诊断模型的建立
为解决当前故障诊断模型无法处理系统动态运行数据的问题，本节提出基于卷积神经网络(CNN)的复合空调系统故障诊断模型。由于CNN模型是一种黑箱模型，为提高模型的可用性，本文还对该模型诊断依据进行分析[7]。故障诊断模型建立流程如图3所示，模型的建立主要由数据获取，数据预处理，模型训练及结果的后处理4部分构成。
图3 基于CNN的复合制冷系统故障诊断模型流程图
数据中心空调系统需要全年持续满足数据中心供冷需求，且为使机柜级末端不出现空气结露问题，蒸发温度应保持在室内空气露点温度以上[8]。本文研究了制冷剂泄漏、蒸发器风机损坏以及冷凝器脏堵这三种数据中心空调系统中的常见故障，对系统运行性能及可靠性影响，并以故障发生后制冷量不满足供冷需求及出现结露的时间为评价指标，衡量故障对系统可靠性的影响。
3.1 制冷剂泄漏故障下系统运行特性
蒸气压缩模式下，制冷剂泄漏降低了系统内制冷剂的质量，引起系统运行状态的改变。图4给出了制冷剂泄漏对系统运行状态的影响，泄漏发生后，蒸发温度可以在压缩机调节作用下较长时间保持稳定，但随着泄漏程度加剧，系统失去调节能力，蒸发温度迅速下降，并低于露点温度。另一方面，由于系统蒸发温度及过热度在泄漏开始后较长时间内与设定点偏差较小，制冷量也保持稳定。此后，随着系统过热度逐渐超过设定值，系统制冷量开始下降并最终低于供冷需求。
(a)饱和温度
(b)过冷度和过热度
(c)制冷量和COP值
图4 蒸气压缩模式下制冷剂泄漏故障对系统的影响
如图5所示，泵驱热管模式下，泄漏初期蒸发温度在冷凝器风机的调节作用下变化也不显著。随着泄漏的恶化，蒸发器内出现过热度，蒸发温度出现波动且制冷量迅速下降，此时系统也可能出现冷量不足及空气结露问题。
(a)饱和温度和过热度
(b)制冷量和COP值
图5 泵驱热管模式下制冷剂泄漏对系统影响
3.2 蒸发器风机损坏故障下系统运行特性
如图6所示，当系统在蒸气压缩模式下运行时，蒸发器风机损坏会使得系统制冷量低于需求，引起服务器出现过热，在此过程中系统冷凝温度和压缩机频率的减小较为明显。
(a)制冷量和压缩机频率
(b)饱和温度
图6 蒸气压缩模式下蒸发器风机损坏对系统影响
如图7所示，泵驱热管模式下，蒸发器风机故障会引起饱和温度波动和冷凝器风机频率下降，且系统同样会出现冷量低于需求的问题。
(a)制冷量和冷凝器风机频率
(b)饱和温度
图7 泵驱热管模式蒸发器风机损坏影响
3.3 冷凝器脏堵故障下系统运行特性
图8给出了蒸气压缩模式下冷凝器脏堵对系统的影响，该故障使得系统冷凝温度及压缩机频率增加，COP值下降，但对系统可靠性影响不大。
(a)饱和温度
(b)制冷量和COP值
图8 蒸气压缩模式下冷凝器脏堵对系统的影响
图9给出了泵驱热管模式下冷凝器脏堵对系统的影响，热管模式下该故障对系统运行参数的影响主要体现在冷凝器风机频率升高。与蒸气压缩模式相比，热管模式下脏堵故障同样不会造成蒸发温度低于室内空气露点温度的问题，但可能导致制冷量低于设备冷却需求。
(a)冷凝温度及风机频率
(b)制冷量和COP值
图9 泵驱热管模式下冷凝器脏堵对系统影响
为验证基于CNN的故障诊断模型性能的优越性，本文选择了基于SVM和NN的故障诊断模型进行了对比。以上两种算法是空调系统故障诊断模型中的常用算法[9]。
4.1 故障诊断模型准确性
如图10所示，在蒸气压缩模式下SVM，NN和CNN模型对制冷剂泄漏的漏检率分别为1.31%，2.55%和0.51%。CNN模型的漏检率较SVM和NN分别低61.1%和80%，体现出该模型对泄漏故障较完善的诊断能力。
(a)正常工况
(b)制冷剂泄漏
(c)冷凝器脏堵
(d)蒸发器风机损坏
图10 各模型在蒸气压缩模式下的评价指标
如图11所示，在泵驱热管模式下，SVM和NN模型对于正常工况的诊断性能较差，精确度仅在85%左右，较CNN低12%，这意味着故障工况更有可能被误认为正常工况，二者在此分类的F1值也都小于90%。
(a)正常工况
(b)制冷剂泄漏
(c)冷凝器脏堵
(d)蒸发器风机损坏
图11 各模型在泵驱热管模式下的评价指标
4.2 模型诊断依据
Score-CAM是一种显示卷积神经网络模型分类依据的评价方法，在空调系统故障诊断中可给出各故障分类主要依赖的输入特征。本文采用此方法评价CNN模型对于各故障的诊断依据，其结果如图12所示，图中右上角数字代表输入特征在该分类下分数排序，颜色对应分数大小。在泵驱热管模式下，冷凝器风机频率是故障诊断模型的重要依据。这是由于在当前控制逻辑下，冷凝器风机频率是系统的执行器参数，系统中发生的故障会使得该参数偏离正常工况。蒸气压缩模式下的故障诊断中，室外温度和压缩机频率则是得分较高的特征。
(a)泵驱热管
(b)蒸气压缩
图12 两种模式下故障诊断模型的Score-CAM结果
本文建立了复合空调系统动态数学模型，研究了典型故障对系统运行性能影响，以此为基础搭建了系统故障诊断模型，并明确了模型诊断的主要依据。 在蒸气压缩模式下发生制冷剂泄漏故障时，过冷度是检测制冷剂早期泄漏的重要指标。在泵驱热管模式下，冷凝器风机频率是预测制冷剂泄漏的重要参数。在两种模式下，系统均可能出现供冷不足及室内空气结露问题。
蒸发器风机故障在蒸气压缩模式下主要导致压缩机频率和冷凝温度下降，热管模式下该故障则导致冷凝器风机频率降低。该故障在两种模式下均会导致系统出现供冷不足的问题。
冷凝器脏堵在蒸气压缩模式下引起的冷凝温度、压缩机频率的升高是检测该故障的重要特征，泵驱热管模式下该故障主要导致冷凝器风机频率的上升。在两种模式下，该故障的出现都不会引起空气结露，但会显著降低系统COP值。
由于能够有效捕捉故障对系统动态运行特性的影响，基于CNN的系统故障诊断模型在各模式下性能均显著优于非时序模型。模型的可解释性研究表明，CNN模型在蒸气压缩模式下诊断所依据的主要特征为室外温度和压缩机频率，泵驱在热管模式下则为室外温度和冷凝器风机频率。
作者简介张义奇，工学博士，毕业于东北大学，导师为韩宗伟教授，研究方向为数据中心高效冷却系统。
韩宗伟，东北大学长聘教授，博士生导师，工学博士，沈阳市高层次人才（领军人才）、国家注册公用设备工程师（暖通空调）、辽宁省可再生能源学会常务理事、中国机械工业教育协会制冷与低温工程专业委员会委员、中国工程建设标准化协会太阳能利用专业委员会委员、国家自然科学基金评审专家、教育部研究生学位论文评审专家、《可再生能源》、《建筑节能》编委、《制冷学报》编委，《制冷与空调》青年编委。研究方向：高效制冷与热泵、高精度控温等。主持国家自然科学基金项目3项，第一或通讯作者发表SCI论文50余篇，授权发明专利25项，获得省部级奖励3项。
Email：hanzw@smm.neu.edu.cn
