编辑推荐：
在商业建筑中，HVAC 系统故障会导致能源浪费。研究人员针对 VAV 终端单元常见故障展开研究，在橡树岭国家实验室收集多组故障与无故障数据，生成高质量数据集。该成果有助于分析故障影响、开发 FDD 算法，意义重大。
在现代商业建筑的运行中，能源消耗一直是备受关注的话题。2021 年，美国商业建筑的能源消耗占比约 18%，其中 HVAC（heating, ventilation, and air - conditioning，供热、通风与空气调节）系统能耗就占商业建筑总能耗的 40%。即便采用最优控制和高效的 HVAC 系统，故障依然会使系统效率大打折扣，甚至造成 5% - 30% 的能源浪费。而且，HVAC 系统故障类型繁多，像气流不足或不平衡、制冷剂充注不当、风阀定位故障等。然而，开发和评估故障检测与诊断（Fault Detection and Diagnostic，FDD）方法时，高质量的故障状态数据却严重匮乏。这是因为收集实际建筑中的故障数据困难重重，尤其是高分辨率、高质量的数据，在相同建筑和运行条件下同时获取无故障和故障状态数据更是难上加难。正因如此，以往很少有研究能利用历史故障数据来开发和评估 FDD 方法。
为了解决这些问题，橡树岭国家实验室（Oak Ridge National Laboratory）的研究人员 Sungkyun Jung、Yeobeom Yoon 和 Piljae Im 开展了相关研究。他们将目光聚焦在商业建筑中常见的 VAV（variable air volume，变风量）终端单元，识别出两种常见故障 ——VAV 终端单元中风阀卡住故障和排气气流传感器故障。通过一系列实验，研究人员收集了大量数据并生成了高质量、可控的数据集。这一研究成果发表在《Scientific Data》上，为后续的研究和应用提供了重要基础。
研究人员在此次研究中主要运用了以下关键技术方法：首先，选择橡树岭国家实验室的两层灵活研究平台（Flexible Research Platform，FRP）作为测试建筑，模拟典型的建筑占用情况，利用便携式加热器、加湿器和照明控制系统，考虑人员和办公设备的散热、散湿。其次，借助建筑自动化系统（Building Automation System，BAS）来模拟故障，如通过覆盖 VAV 风阀控制和气流速率来模拟风阀卡住问题和气流传感器错误。最后，以 1 分钟为间隔收集数据，涵盖天气数据、建筑室内数据和 HVAC 系统数据等多方面信息，并对数据进行严格的技术验证。
设施信息与测试设置
研究人员选择的测试建筑为橡树岭国家实验室的两层商业建筑。该建筑每层有五个空调区域和楼梯，外墙、地板、屋顶和窗户等都有特定的构造和热特性。建筑配备 VAV 终端单元，由屋顶单元（RTU）和 10 个 VAV 终端单元组成。RTU 包含直接膨胀（DX）冷却盘管、送风机和节能器，VAV 终端单元配有再热盘管和风阀，通过调节它们来控制气流和温度。
在测试设置方面，进行了三组 VAV 终端单元风阀卡住测试和两组 VAV 终端单元气流传感器偏差测试。所有场景都有基本的测试设置，如关闭门窗、不使用百叶窗、设定送风机静压为 249 Pa 等。每个测试都包含无故障测试作为基线，由于测试周期有限且需覆盖多种场景，每个测试场景均分配一天时间进行无故障和故障测试。对于风阀卡住故障，模拟了风阀完全关闭、20%、40%、60%、80% 和 100%（完全打开）六种设置；对于气流传感器偏差故障，模拟了 + 20%、+40%、 - 20% 和 - 40% 的偏差。
数据记录
数据集包含丰富的信息，可在 Figshare 上获取。数据以时间序列的形式呈现，涵盖 HVAC 系统在不同运行条件下的运行数据，如温度、压力、控制信号、组件状态等，还包括故障是否存在及其强度的信息。数据集由五个 Excel 文件组成，每个文件都整合了建筑特定的运行数据和相应的天气信息，分为五个测试集。其中三个测试集关注风阀卡住故障，另外两个关注气流传感器偏差故障。数据还包含建筑数据（如 RTU、VAV 和房间条件）和天气数据，建筑数据涵盖各种 HVAC 系统组件和房间级别的测量参数，天气数据包括室外气温、相对湿度、气压等。对于缺失数据或未测量的数据，使用 “NAN” 表示。
技术验证
技术验证分两个阶段进行。第一阶段评估传感器读数的准确性，通过验证传感器模型和规格，确保其符合性能标准。第二阶段对现场数据进行详细分析，验证每个数据集在特定测试设置下的情况，重点区分无故障和故障条件。对于无故障验证，检查 VAV 终端单元的运行参数是否正常；对于故障验证，分析故障场景下的参数偏差，如比较风阀位置和 VAV 排气气流速率等。
通过对无故障运行数据的分析，验证了 VAV 风阀及其相关传感器和执行器的正常功能。例如，在加热和死区操作期间，VAV 风阀开口最小化以维持最小气流速率设定点，再热盘管根据温度需求开启或关闭。在故障诱导运行验证中，对风阀卡住和气流传感器偏差故障进行了验证。如在风阀卡住测试中，随着风阀开口百分比增加，气流速率上升，但当静压下降时，气流速率会趋于平稳；在气流传感器偏差测试中，测量的气流速率与设定值相符，验证了故障的准确实施。
此次研究生成的高质量数据集涵盖了 VAV 终端单元在不同故障强度下的运行数据以及无故障数据，还有全面的天气数据。这一数据集可用于深入分析 HVAC 系统故障对系统运行、室内环境和能源消耗的影响，为开发和评估 FDD 算法提供了宝贵资源，有助于比较不同 FDD 算法的性能准确性，明确未来 FDD 算法开发的重点和资源投入方向，推动 FDD 技术的不断发展，对于提高商业建筑 HVAC 系统的运行效率和能源管理水平具有重要意义。
