解耦并行故障诊断与太阳能辅助空气源热泵系统的模型解释
《Regional Studies in Marine Science》:Decoupling-Parallel Fault Diagnosis and Model Interpretation for Solar-Assisted Air Source Heat Pump Systems
【字体:
大
中
小
】
时间:2026年05月15日
来源:Regional Studies in Marine Science 2.4
编辑推荐:
关南李|徐伟军|袁媛|徐成亮|李涛|徐荣基|张乐|吕青
武汉科技大学城市建设学院,武汉430065,中国
摘要:太阳能辅助空气源热泵(SAASHP)系统是一种高效的可再生能源技术,被广泛用于住宅供暖。然而,由于其复杂的结构、强烈的子系统耦合、随机性的太阳辐射以及动态的用
关南李|徐伟军|袁媛|徐成亮|李涛|徐荣基|张乐|吕青
武汉科技大学城市建设学院,武汉430065,中国
摘要:太阳能辅助空气源热泵(SAASHP)系统是一种高效的可再生能源技术,被广泛用于住宅供暖。然而,由于其复杂的结构、强烈的子系统耦合、随机性的太阳辐射以及动态的用户需求,这些系统经常出现各种运行故障,包括太阳能集热器(SC)污染、空气源热泵(ASHP)性能下降、传感器偏差和流动泄漏等问题。传统的基于数据的故障诊断(FD)方法在这些强耦合系统中表现不佳,这是由于子系统之间的相互干扰以及深度学习模型缺乏可解释性。为了克服这些挑战,本文提出了一种新颖的解耦-并行(DP)诊断策略,该策略从时间和物理维度上将SAASHP系统分解为SC和ASHP两个子系统。针对这两个子系统,分别开发了两个专用的卷积神经网络(CNN)模型,并通过决策级集成进行融合。基于能量守恒原理和低成本传感器测量数据,这两个模型通过决策融合实现了系统范围内的故障检测。使用经过验证的SAASHP仿真模型,在四种严重程度的八种常见故障情况下,对DP策略进行了评估,这些评估涵盖了并行和串行配置的SAASHP系统。结果显示,DP的平均准确率为0.945,平均误诊率和漏诊率分别为0.05和0.06。与不采用解耦方法的CNN(NDC)诊断策略相比,DP在准确性上提高了超过0.2,并且误诊率和漏诊率分别减少了近0.66和0.12。通过分析不同训练规模、稳态条件、六个地理位置(中国六个城市)以及未来气候情景(2030年和2060年),进一步验证了该诊断策略的性能和模型的鲁棒性。层级相关性传播(LRP)方法被用于模型解释,表明DP能够有效识别关键故障特征,定位精度达到90%。这表明DP具有高度可靠性,并为多能源耦合建筑系统中的故障诊断提供了一个可解释的建模框架。
引言
在全球能源转型和追求双碳目标的背景下,建筑领域占社会总能使用的36%[1]。供暖和热水系统是低碳升级的关键领域。太阳能辅助空气源热泵(SAASHP)系统有效地结合了太阳能集热器(SC)和空气源热泵(ASHP),实现了可再生能源利用与高效电能使用的深度协同。通过利用太阳能的清洁和可再生特性以及ASHP的高效能量传输能力,SAASHP在阳光充足时优先使用太阳能供暖,在阴天或夜间自动切换到热泵模式,从而显著减少了对化石燃料的依赖。SAASHP在住宅供暖中得到广泛应用,并显示出提高能源效率和减少碳排放的巨大潜力[2]。研究表明,SAASHP可以将二氧化碳排放量减少多达82%,并缩短回收期超过1.93年[3],使其成为建筑中清洁能源供应的重要组成部分。然而,这也带来了技术、经济和政策层面的挑战与机遇[4]。一个SAASHP供暖系统在一个供暖季节内可节省高达7,690.5元人民币,并减少12,323.55公斤的二氧化碳排放[5]。
SAASHP是一个高度耦合的能源系统,它在光学、热学、电气和流体领域表现出多物理场的耦合特性,由SC回路和ASHP制冷剂循环组成。然而,SC和ASHP子系统之间的强耦合、随机太阳辐射以及动态用户行为常常导致多种运行故障(如SC污染、ASHP性能下降和传感器偏差),这些故障使用传统方法难以准确诊断。这些限制导致了性能下降、能源浪费、可靠性问题和经济损失[6],因此需要一个更加智能且可解释的诊断框架。
大量研究致力于改进SAASHP系统,主要成果集中在三个领域:系统配置、运行策略以及性能监控与评估。在系统配置方面,李等人[7]建立了特定区域的選擇指南。袁等人[8]分析了城市/农村环境中的太阳能耦合ASHP应用。魏等人[9]开发了一个误差为±15%的ASHP结霜率模型。Manesh等人[10]提出了一种性能优于单级和级联ASHP的光伏-热力耦合热泵。陈等人[11]发现,在中国的高寒城市地区,光伏-ASHP系统在效率、成本效益和减碳方面具有优势。张等人[12]展示了一个大规模直接膨胀光伏-热力系统的冬季光伏效率提升和更高的COP(Coefficient of Performance)。谭等人[13]开发了一种带有空气源压缩机制的太阳能混合热泵。李等人[14]认为双储罐太阳能组合系统的电能消耗最低。
在运行策略方面,刘等人[15]为太阳能不足地区提出了最佳启停控制方案。邓小平等人[16]优化了太阳能辅助热泵干燥系统,使平均COP提高了16.8%,年化成本降低了20.6%。Bhadra等人[17]为极寒冷气候提供了高效的供暖解决方案。陆等人[18]将能源效率提高了23%,并保持了15年的土壤热平衡。马等人[19]展示了SAASHP热水系统的节能效果。在性能监控与评估领域,史等人[20]回顾了直接膨胀式太阳能辅助热泵。王等人[21]通过COP、成本和回收期评估了三种SAASHP系统。Mohanraj等人[22]、[23]评估了不同配置的热力学性能和经济可行性。Benchamma等人[24]分析了双源热泵的季节性能因子。Poppi等人[25]研究了影响电能消耗和经济性能的因素。刘等人[26]表明,太阳能-空气热泵可以减轻蒸发器结霜并提升低温性能。张等人[27]为寒冷地区的太阳能-ASHP耦合系统提供了设计指南。
然而,优化系统配置、运行策略和性能监控的有效性从根本上取决于系统的正常运行。故障的发生改变了优化的基线,因此实时、准确和有效的故障诊断(FD)是确保整体系统效率的关键前提。针对SAASHP系统的故障,孙等人[28]识别出43种SAASHP故障模式(其中34.88%属于中等风险),结构稳定性和传感器精度被认为是高风险因素。在太阳能热能故障诊断方面,de Keizer等人[29]回顾了长期检测方法(例如optisol和ANN)。Faure等人[30]总结了传统方法的局限性,并提出了基于过程历史的方向。Kataria等人[31]使用Snake Optimizer进行光伏重新配置,XGBoost进行故障检测(准确率98%)。Habib等人[32]提出了一种基于低成本光耦合器的光伏故障检测方法(<5毫秒,零误触发),无需昂贵的传感器或数据集。Barandier等人[33]回顾了热泵故障检测方法(基于规则、统计、黑盒和灰盒)。
近年来,神经网络在故障诊断中的应用日益增多。根据上述综述研究,SAASHP系统的故障诊断可以大致分为三类:基于物理的模型、数据驱动方法和混合方法:
(1)基于物理的模型依赖于精确的物理机制建模。对于ASHP系统,Llopis-Mengual等人[34]开发了一个用于ASHP软故障检测的物理模型,在理想条件下取得了高准确率,但需要难以测量的参数,限制了实际应用。刘等人[35]提出了一种基于反向传播神经网络和最大似然估计的FD方法,尽管模糊集转换可能导致SAASHP耦合的偏差。
(2)数据驱动方法因不依赖精确的物理模型而发展迅速。Eom等人[36]提出了一种基于CNN的制冷剂充注故障检测方法(准确率99.9%,RMSE 3.1%),但模型的可解释性仍有改进空间。Castilla等人[37]为平板SC开发了一种ANN数字孪生模型,实现了温度预测和故障检测,但其在SAASHP耦合中的通用性较差。
(3)混合方法结合了基于物理和数据驱动的方法。Ruiz-Moreno等人[38]结合了模型驱动和数据驱动技术进行太阳能集热器故障检测,取得了高准确率,但模型的可解释性仍然有限。孙等人[28]提出了基于模糊逻辑的SAASHP故障模式和影响模型,发现维护策略可降低成本超过20%。
尽管在太阳能热系统故障诊断方面取得了进展,但仍存在三个主要研究空白:
(1)大多数故障诊断方法仅针对单个子系统(SC或ASHP)设计。当直接应用于SAASHP等耦合系统时,它们可能无法有效处理集成系统中的动态耦合和运行模式切换。不同子系统和运行模式之间的特征变化(例如,SC在白天运行而在夜间停止工作,ASHP间歇性运行)可能导致故障特征的相互掩盖或混淆,最终导致误诊和漏诊率较高。
(2)尽管深度学习模型(如CNN)可以实现高故障诊断准确率,但其“黑盒”决策过程阻碍了工程应用。操作人员无法理解诊断推理,使得结果难以信任和采用。依赖平均故障诊断准确率作为主要指标往往忽略了模型决策与物理机制之间一致性的定量评估,从而对其在实际应用中的可靠性产生怀疑,特别是在耦合的SAASHP子系统中。
(3)许多故障诊断方法依赖昂贵的测量数据,如制冷剂流量和压力,这限制了工程的实用性。此外,关于现实影响因素(如多样的地理气候、未来气候变化情景和不断增加的故障严重程度)的故障诊断性能评估和验证不足。这种全面性的缺失阻碍了这些方法在现实世界中的应用潜力评估。
为了解决上述挑战,本研究提出了一种新型的解耦-并行故障诊断策略,并附有模型解释。具体研究目标和贡献如下:
(1)针对SAASHP系统的耦合效应,本研究首先提出了一种解耦-并行(DP)故障诊断策略,从时间和物理维度上分离SC和ASHP子系统(即子系统、时间和物理原理与实际应用),为SC和ASHP分别建立并行卷积神经网络(CNN)诊断子模型。通过这种解耦-并行(DP)策略,可以提高每个子系统的故障辨别能力,并降低耦合系统的误诊和漏诊率。
(2)在提出的DP策略中,使用层级相关性传播(LRP)方法解释了每个子系统所使用的CNN故障诊断模型的决策过程。通过量化评估模型识别的特征与领域知识(即专家关键故障特征)之间的对齐程度,实现了基于LRP的模型解释,从而提高了所提出DP策略的透明度和可信度。
(3)为了解决实际应用问题,提出的DP策略仅使用低成本的温度测量数据进行模型开发。在包括训练样本大小、稳态预处理、地理位置(中国六个城市)和未来气候情景(2030年、2060年)等多种系统配置、故障类型和严重程度条件下,进行了全面的诊断性能影响分析。这种综合评估有助于提供坚实的性能基准,促进更广泛的实施。
本研究的科学创新之处在于以下三点:
(1)与以往将所有测量数据输入单一黑箱模型的研究不同(Kataria等人[31]用于光伏重新配置和故障诊断,Habib等人[32]用于基于低成本光耦合器的光伏诊断,Ruiz-Moreno等人[38]用于太阳能热力厂的级联神经网络故障检测),DP策略明确地从时间和物理维度上分离了SC和ASHP子系统。这消除了太阳和制冷剂回路之间强耦合引起的特征干扰。如图7和图8所示,DP的平均准确率为0.945,高于不采用解耦方法的CNN(NDC)基线超过0.2,并且误诊率和漏诊率分别降低了0.66和0.12。据我们所知,目前尚无公开研究在《可再生能源》期刊中探讨类似的SAASHP或太阳能热能故障诊断解耦策略。
(2)虽然现有的基于深度学习的故障诊断方法(如[38])仍然是黑盒模型,但LRP与Shapley Additive Explanations(SHAP)相结合,用于解释模型决策。引入了LA指标来定量评估模型识别特征与专业知识和故障诊断经验之间的对齐程度。SHAP结果(图20)显示模型识别特征与专家识别的故障特征有100%的重叠,证实模型学习了具有物理意义的模式。在先前的可再生能源出版物中,尚未对基于深度神经网络的故障诊断(FD)在太阳能辅助空气源热泵(SAASHP)系统中的定量解释进行过深入研究。(3) 与需要昂贵流量计、压力传感器或额外硬件[31],[38]的方法不同,DP策略完全依赖于大多数实际SAASHP系统中已有的低成本温度传感器。这使得该方法易于部署,适用于改造和实际工程应用。此外,其鲁棒性已在六个地理位置和未来气候情景下得到了全面验证,这在之前的可再生能源FD研究中很少被探讨,而这些研究关注的是平衡诊断准确性和实际应用之间的问题。
**提出的DP诊断策略原理**
提出的DP诊断框架旨在通过结构化的解耦与并行融合方法明确解决SAASHP系统中的耦合问题,如图1(并联系统)和图2(串联系统)所示。它包括两个主要步骤:(1) 解耦,以及 (2) 并行。
**研究框架**
整个研究框架如图3所示,分为四个组成部分:
(1) 武汉地区SAASHP系统的案例研究与数据采集;
(2) 基于CNN子系统模型的解耦-并行(DP)FD策略的开发;
(3) 故障诊断策略的FD性能评估及其影响因素分析;
(4) FD模型解释结果和可解释性评估。
**传统机器学习模型与NDC、DP的FD结果比较**
图7比较了传统机器学习算法与NDC和DP诊断策略在并联系统和串联系统配置下的诊断准确性。利用深度学习的NDC和DP诊断策略在诊断准确性上均优于传统机器学习算法。其中,结合了完全解耦和并行处理架构的DP诊断策略实现了最高的诊断准确性,比NDC高出超过0.2。
**结论**
本研究提出了一种解耦-并行策略,并结合模型可解释性分析,以解决太阳能辅助空气源热泵系统中高误诊率以及现有故障诊断模型的“黑盒”特性问题。具体而言,DP诊断策略通过时间和物理解耦有效地隔离了太阳能集热器(SC)和空气源热泵(ASHP)子系统之间的故障特征,显著提高了诊断的准确性和可靠性。其平均准确率为0.945。
**CRediT作者贡献声明**
李冠南:撰写——审稿与编辑、撰写——初稿、验证、监督、软件、资源、方法论、概念化。
徐伟军:撰写——初稿、可视化、验证、调查、数据整理、概念化。
吕青:软件、数据整理。
张磊:调查、形式分析。
李涛:资源、调查、形式分析。
徐荣基:监督、软件。
袁媛:撰写——审稿与编辑、项目管理、调查。
**利益冲突声明**
作者声明他们没有已知的财务利益关系或个人关系可能影响本文报告的工作。
**致谢**
本研究得到了福建高校新能源设备检测重点实验室(莆田大学)(XNY202401)、国家自然科学基金(52508137, 51906181)以及武汉科技大学“十四五”湖北省优势特色学科(团队)项目(2023D0504)的支持。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号