基于XGBoost的冷水机组故障诊断研究.pdfVIP

摘要

目前，建筑能耗占社会总能耗的比例高达30%，其中，暖通空调与制冷（HVACR）系

统的能耗占比过半。冷水机组作为HVACR系统的核心设备，一旦“带病”运行，不仅会导

致系统运行效率低下，能源损耗增加，还会导致系统功能缺失，严重的甚至会危及生命财产

安全。对冷水机组展开故障诊断研究可以及时发现机组故障，具有重要意义，现已成为能源

领域的热门研究方向之一。

本文结合ASHRAERP-1043冷水机组故障模拟实验数据，采用分析论证的方法对冷水机

组历史运行监测数据进行研究，发现冷水机组运行监测数据有不平衡、含噪声、非线性、非

高斯和特征维度高等问题。针对这些问题，基于XGBoost算法对冷水机组故障诊断展开如下

研究：

(1)将极限梯度提升(XGBoost)算法用于冷水机组故障诊断任务中，并基于混淆矩阵建立了

三级评价体系。基于RP-1043故障仿真数据库建立了22个数据集，与支持向量机(SVM)和人

工神经网络(ANN)类算法进行比较，XGBoost算法在样本数量较少（小样本）时平均Kappa值

为0.912，在样本数量较大（大样本）时平均Kappa值为0.931，均高于其它算法，证明XGBoost

算法是冷水机组故障诊断的有效解决