基于CFlow的数据生成框架，用于冷水机组故障诊断，并结合潜在空间评估方法

《ADVANCED ENGINEERING INFORMATICS》：A CFlow-based data generation framework for chiller fault diagnosis with a latent space evaluation method

　　

关南李|邢高|魏莉|段传民|严志斌|王东月|李坤

摘要

用于供暖、通风和空调（HVAC）故障检测与诊断（FDD）的生成数据增强策略通常被归类为间接概率建模范式。这些方法往往作为黑盒模型运行，缺乏可靠性评估机制。本文提出了一种基于条件归一化流（CFlow）的统一框架，作为一种直接的概率建模方法。该框架结合了使用可逆变换进行精确似然估计的数据生成方法与潜在空间可解释性方法。这种可解释性组件通过整合潜在空间可视化和“路径有效性率”（$V_{\mathit{路径}}$' role="presentation">$V_{\mathit{路径}}$）指标来揭示生成过程的可靠性。在ASHRAE RP-1043冷水机组数据集上的验证表明，该框架提高了支持向量机（SVM）的故障诊断性能。实验观察到，CFlow模型的表现优于其他生成模型。在不平衡场景下，F1分数提高了18.20%；在数据稀缺场景下，F1分数提高了11.40%。此外，该模型在大多数故障类别上的准确率达到了1.00，表明数据分布捕捉效果良好。这项工作为工程信息学领域提供了一种可解释且可靠的数据生成解决方案，为冷水机组系统的先进故障检测与智能决策支持提供了宝贵的数据基础。