数据挖掘技术在制冷空调行业的应用

基于制冷空调行业大数据介绍了数据挖掘的基本过程,重点阐述了制冷空调行业中常用的决策树、支持向量机等有监督学习算法和聚类分析、关联规则分析等无监督学习算法的原理与应用;简要介绍了数据挖掘工具R及数据挖掘技术在制冷空调行业的研究现状。认为大数据可推动制冷空调行业转型发展,利用大数据可最终实现空调产品高度智能化、企业运营数字化、用户体验极致化等。

基于PCA-Clustering的压缩机回液故障诊断

在多联机(VRF)空调系统中,压缩机回液将导致能量损失。本文结合大数据提出了一种基于PCA-Clustering的压缩机回液故障诊断的方法。首先提取出故障相关变量,并通过数据预处理,剔除异常值与空值;然后将处理后的数据进行主成分分析(PCA),获取降维后的新主元变量数据;最后将新的主元变量进行聚类分析(Clustering analysis)得到回液故障数据分类标签。结果表明:该方法能够在数据标签未知的情况下,较好的区分不同类别的压缩机回液故障及正常数据,使压缩机回液故障诊断率达到94.29%。

基于支持向量机的多联机系统制冷剂充注量故障检测与诊断

利用支持向量机算法,建立了制冷剂充注量故障检测与诊断模型。采用网格搜索和十折交叉验证方法优化模型,通过测试数据验证模型性能。结果表明,制冷剂充注不足时的故障检测与诊断准确率较高,但制冷剂充注过量时准确率明显偏低。经过优化后,制冷剂充注量故障检测与诊断的总准确率由82.2%提高到94.6%。

基于支持向量机的建筑能耗预测研究

建筑能耗预测对建筑节能工作具有重要意义,本文采用支持向量机算法对建筑进行能耗预测,并对建立的能耗模型进行了优化。通过相关性分析选取特征向量,然后对变量重要性进行排序,选取最优变量,采用十折交叉验证和网格搜索法进行参数寻优。结果表明,优化后的支持向量机模型的均方根误差由之前的12.61 降为6.09,优化结果显著,能较好地进行建筑能耗预测工作。