本发明属于热泵除霜技术领域，具体涉及一种基于风机电流的空气源热泵除霜远程监控系统及监控方法。
背景技术：
空气源热泵技术是基于逆卡诺循环原理建立起来的一种节能、环保制热技术。空气源热泵系统通过自然能(空气蓄热)获取低温热源，经系统高效集热整合后成为高温热源，用来供暖或供应热水。空气源热泵的适应范围广，运行成本低，对环境无污染，具有良好的节能减排效果，现已广泛应用于化工、热能、制热、暖通等领域。
虽然空气源热泵在我国城市发展中广泛应用，但是由于空气源热泵室外侧换热器在冬季运行时存在结霜现象使得空气源热泵冬季供暖时的运行状况却不理想。空气源热泵室外换热器结霜会减少空气流量，降低机组供热性能。伴随着室外换热器壁面霜层的增长，室外换热器蒸发温度下降、机组制热量降低、风机性能衰减和输入电流增大、供热性能系数降低，严重时出现压缩机停机，从而导致机组不能正常工作。基于结霜情况下会使输入电流发生变化，所以在此对结霜状态下风机电流的变化进行研究，通过对流过风机的电流的实时监测和诊断从而及时地发现结霜现象并控制除霜。现有的基于风机电流控制除霜的技术，多仅采用宏观特征(幅值与正弦频率)进行阈值比较，识别率较低，控制效果欠佳。
技术实现要素：
为解决传统情况下除霜不及时、误除霜造成的除霜效率低下，除霜效果差的问题，本文提出了一种基于风机电流的空气源热泵除霜远程监控系统及监控方法。该系统利用机器学习对风机电流信号进行分析，借助于远程监控平台实现对空气源热泵室外侧换热器运行状态的实时监测，若发现结霜故障时，监控平台将迅速发出预警并控制热泵进行除霜。
为了达到上述发明目的，本发明采用以下技术方案：
基于风机电流的空气源热泵除霜远程监控系统，包括：电流测量装置，实时测量空气源热泵蒸发器风机的电流信号；无线传输装置和数据采集模块，电流测量装置通过无线传输装置将采集的电流信号传输给数据采集模块；数据转换模块，对数据采集模块采集的数据进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值；数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；除霜控制模块，根据所述诊断结霜情况，对空气源热泵蒸发器进行除霜控制。
作为本发明的优选方案之一，所述数据转换模块中，利用hilbert变换进行滤波、解调操作，利用小波包分析、频域分析或czt转换进行分解和重构操作。
作为本发明的优选方案之一，所述特征提取算法采用小波包分解、快速傅里叶变换、主成分分析中的任一种。
作为本发明的优选方案之一，所述机器学习方法包括人工神经网络学习方法、深度学习和支持向量机学习方法。
作为本发明的优选方案之一，所述电流测量装置包括开关电源和电流传感器；所述无线传输装置包括无线信号发射器、无线信号接收器、控制信号发射器和控制信号接收器，电流测量装置通过无线信号发射器和无线信号接收器将采集的电流信号传输给数据采集模块；除霜控制模块通过控制信号发射器和控制信号接收器进行空气源热泵蒸发器的除霜控制。
作为本发明的优选方案之一，还包括远程监测模块，对蒸发器风机的电流信号进行实时监测和远程诊断，远程监测模块与数据诊断模块和除霜控制模块相连，除霜控制模块根据远程诊断信息或数据诊断模块的诊断结霜情况进行除霜控制。
作为本发明的优选方案之一，所述远程监测模块包括远程诊断工作站、数据服务器和显示设备，远程诊断工作站包括智能移动终端，显示设备用于显示实时监测信息、远程诊断信息和数据诊断模块的诊断结霜情况。
本发明还提供一种基于风机电流的空气源热泵除霜远程监控方法，包括以下步骤：
s1，实时采集空气源热泵蒸发器风机的电流信号；
s2，对所述电流信号进行数据预处理：获取宏观特征，并依次对电流信号进行滤波、解调、分解和重构操作，得到数据信息；
s3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；
s4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；
s5，根据所述诊断结霜情况，进行除霜控制。
作为本发明所述控制方法的优选方案之一，还包括步骤：s6，远程监测所述电流信号并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。
本发明与现有技术相比，有益效果是：
本发明从流过风机的电流入手，将采集到的电流数据通过滤波、解调、分解和重构等预处理，通过特征提取算法提取特征数据值，再结合机器学习等数据分析从而对空气源热泵的室外侧换热器结霜的情况加以判断，以便于及早地发现并清除故障，减少热泵在结霜状态下的效率低下，保证空气源热泵机组在高效状态下运行。利用无线传输装置和远程监测平台实现对热泵的实时监测，摆脱了监测地点的约束，更加灵活便捷地掌握空气源热泵室外侧换热器的运行状况。
附图说明
图1是本发明所述远程监控系统结构示意图；
图2是本发明所述远程监控方法流程示意图。
具体实施方式
以下将对本发明的技术方案作进一步解释说明。
实施例一
如图1所示，本实施例所述基于风机电流的空气源热泵除霜远程监控系统，包括空气源热泵循环系统11、空气源热泵蒸发器的风机12、交流电源13、数据采集模块14、数据转换模块15、数据诊断模块16、除霜控制模块17、远程监测模块18、电流测量装置21、无线信号发射器31、无线信号接收器32、控制信号发射器33、控制信号接收器34。
所述空气源热泵蒸发器的风机12用于增加空气源热泵循环系统11中蒸发器周围的风速实现强制对流，所述电流测量装置21连接在空气源热泵蒸发器的风机12与交流电源13之间的导线上，所述数据采集模块14、数据转换模块15、数据诊断模块16依次连接，所述数据采集模块14与电流测量装置21通过无线传输装置进行信号的传输，所述数据诊断模块16分别与除霜控制模块17、远程监测模块18连接，使该系统既可依靠诊断信息自动控制除霜，也可通过远程监测平台人为干预控制除霜。
所述电流测量装置21包括开关电源和电流传感器两部分，用于检测风机电流的变化；电流传感器可采用电磁式、电子式等多种类型，安装方式根据传感器类型的不同和所测电流的大小采用感应式安装或者接入型安装的方法。
所述数据采集模块14是将传感器或其他待测设备的模拟和数字测量单元中自动采集非电量或者电量信号送到处理器中进行分析处理。其主要由数据采集卡构成，可通过pxi、串口、usb、以太网或者无线网等总线接入数据采集系统。
所述数据转换模块15是对所采集的原始数据信息进行数据预处理和特征提取，数据预处理在获取宏观特征的同时，对数据进行hilbert变换等的滤波、解调操作，然后再利用小波包分析、频域分析或czt转换(chirp-ztransform)等的分解和重构操作，从而获取有用的数据信息，特征提取是指利用特征提取算法对数据进行时域和频域分析，其特征提取算法可采用小波包分解、快速傅里叶变换、主成分分析等方法。
所述数据诊断模块16是将所提取的特征信号利用机器学习智能学习方法进行信号处理，对数据信息进行分类从而实现对结霜故障的诊断，其中机器学习方法包括人工神经网络、深度学习、支持向量机等多种学习方法。
所述无线传输装置是利用无线技术进行数据传输的一种装置，其传输方式可采用wifi、zigbee、433mhz、gprs、以太网等。所述无线传输装置由无线信号发射器31、无线信号接收器32、控制信号发射器33、控制信号接收器34组成。其中无线信号发射器31和无线信号接收器32用于发射和接收电流测量装置21的数据信号进行数据的传输，控制信号发射器33和控制信号接收器34用于发射和接收除霜控制模块17发出的除霜指令进行空气源热泵蒸发器除霜。
所述远程监测模块18包括远程诊断工作站、数据服务器和显示设备，用于诊断信息的实时显示和数据的存储。其中远程诊断工作站可采用智能移动终端，例如智能手机，平板电脑等。显示设备用于显示实时监测数据、远程诊断信息以及数据诊断模块的诊断结霜情况，实现了对空气源热泵蒸发器的实时监测，以便于用户迅速便捷地了解热泵信息，从而实现对热泵的控制。
所述除霜控制模块17可根据数据诊断模块的诊断结霜情况来实现除霜控制，若诊断出结霜故障则控制热泵进行除霜。同时，也可根据用户在远程监测模块18的远程诊断工作站做出的除霜指令，进行除霜控制。
本实施例所述除霜远程监控系统，对风机电流数据通过滤波、解调、分解和重构等预处理，通过特征提取算法提取特征数据值，再结合机器学习等数据分析从而对空气源热泵的室外侧换热器结霜的情况加以判断，可得到更为准确的判断数据，以便于及早地发现并清除故障，减少热泵在结霜状态下的效率低下，保证空气源热泵机组在高效状态下运行。利用无线传输装置和远程监测平台实现对热泵的实时监测，摆脱了监测地点的约束，更加灵活便捷地掌握空气源热泵室外侧换热器的运行状况。
实施例二
如图2所示，本实施例提供一种基于风机电流的空气源热泵除霜远程监控方法，其至少包括以下步骤：
s1，实时采集空气源热泵蒸发器风机的电流信号；
s2，对所述电流信号进行数据预处理：获取宏观特征，并依次对电流信号进行滤波、解调、分解和重构操作，得到数据信息；
s3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；
s4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；
s5，根据所述诊断结霜情况，进行除霜控制。
s6，远程监测所述电流信号并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。
本除霜控制方法可采用实施例一所述监控系统及其控制原理相似的系统来实现，当采用实施例一所述监控系统时，该基于风机电流的空气源热泵除霜远程监控方法的具体操作包括以下步骤：
步骤一：由电流测量装置21对流经空气源热泵蒸发器的风机12上的电流信号进行测量采样；
步骤二：无线信号发射器31将电流测量装置21的采集测量数据发送给无线信号接收器32，最终由数据采集模块14接收；
步骤三：数据采集模块14将所采集的数据传送给数据转换模块15对所采集的原始数据信息进行数据预处理和特征提取。本发明在利用宏观特征的同时，对数据进行hilbert变换等的滤波、解调操作，然后再利用小波包分析、频域分析或czt转换(chirp-ztransform)等的分解和重构操作，从而获取有用的数据信息，进而利用特征提取算法对数据进行时域和频域分析以提取特征数据值。
步骤四：数据诊断模块15将所提取的特征数据值利用机器学习智能学习方法进行信号识别，对数据信息进行分类从而实现对结霜情况的诊断。该模块根据诊断信息通过除霜控制模块17进行除霜控制；
步骤五：除霜控制模块17根据数据诊断模块15或远程监测模块18传输的诊断信息，利用控制信号发射器33发射除霜指令和控制信号接收器34接收除霜指令，从而达到控制除霜的目的。
步骤六：远程监测模块18对热泵电流数据信息进行实时的监测，并且将诊断信息进行实时的显示，用户根据诊断信息对热泵的除霜模式实现实时的控制。
对本发明所述远程监控系统和远程监控方法进行试验的过程中，通过数据转换模块和数据诊断模块的精确分析，以及各个模块的无线传输和电性连接，可达到较为精确的除霜控制效果，保证空气源热泵机组在高效状态下运行。
应当说明的是，上述实施例均可根据需要自由组合。以上所述仅是对本发明的优选实施例及原理进行了详细说明，对本领域的普通技术人员而言，依据本发明提供的思想，在具体实施方式上会有改变之处，而这些改变也应视为本发明的保护范围。
技术特征：
1.基于风机电流的空气源热泵除霜远程监控系统，其特征在于，包括：
电流测量装置，实时测量空气源热泵蒸发器风机的电流信号；
无线传输装置和数据采集模块，电流测量装置通过无线传输装置将采集的电流信号传输给数据采集模块；
数据转换模块，对数据采集模块采集的数据进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值，
数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；
除霜控制模块，根据所述诊断结霜情况，对空气源热泵蒸发器进行除霜控制。
2.根据权利要求1所述的系统，其特征在于：所述数据转换模块中，利用hilbert变换进行滤波、解调操作，利用小波包分析、频域分析或czt转换进行分解和重构操作。
3.根据权利要求2所述的控制系统，其特征在于：所述特征提取算法采用小波包分解、快速傅里叶变换、主成分分析中的任一种。
4.根据权利要求3所述的系统，其特征在于：所述机器学习方法包括人工神经网络学习方法、深度学习和支持向量机学习方法。
5.根据权利要求4所述的系统，其特征在于：所述电流测量装置包括开关电源和电流传感器；所述无线传输装置包括无线信号发射器、无线信号接收器、控制信号发射器和控制信号接收器，电流测量装置通过无线信号发射器和无线信号接收器将采集的电流信号传输给数据采集模块；除霜控制模块通过控制信号发射器和控制信号接收器进行空气源热泵蒸发器的除霜控制。
6.根据权利要求5所述的系统，其特征在于：还包括远程监测模块，对蒸发器风机的电流信号进行实时监测和远程诊断，远程监测模块与数据诊断模块和除霜控制模块相连，除霜控制模块根据远程诊断信息或数据诊断模块的诊断结霜情况进行除霜控制。
7.根据权利要求6所述的系统，其特征在于：所述远程监测模块包括远程诊断工作站、数据服务器和显示设备，远程诊断工作站包括智能移动终端，显示设备用于显示实时监测信息、远程诊断信息和数据诊断模块的诊断结霜情况。
8.基于风机电流的空气源热泵除霜远程监控方法，其特征在于：包括以下步骤：
s1，实时采集空气源热泵蒸发器风机的电流信号；
s2，对所述电流信号进行数据预处理：获取宏观特征，并依次对电流信号进行滤波、解调、分解和重构操作，得到数据信息；
s3，利用特征提取算法对所述数据信息进行时域和频域分析，提取特征数据值；
s4，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；
s5，根据所述诊断结霜情况，进行除霜控制。
9.根据权利要求8所述的方法，其特征在于：还包括以下步骤：
s6，远程监测所述电流信号并做出远程诊断，用户根据所述诊断结霜情况或远程诊断信息进行除霜模式的实时控制。
10.根据权利要求9所述的方法，其特征在于：采用权利要求7所述的控制系统操作步骤s1-s6。
技术总结
本发明提供一种基于风机电流的空气源热泵除霜远程监控系统及控制方法，系统包括：电流测量装置，实时测量空气源热泵蒸发器风机的电流信号；数据转换模块，对所述电流信号进行滤波、解调、分解和重构，获取数据信息，再利用特征提取算法进行时域和频域分析，提取特征数据值，数据诊断模块，利用机器学习方法对特征数据值进行信号识别，分类并诊断结霜情况；除霜控制模块，根据所述诊断结霜情况，对空气源热泵蒸发器进行除霜控制。本发明将采集到的风机电流数据通过数据预处理和特征提取，再结合机器学习等数据分析从而对空气源热泵的室外侧换热器结霜的情况加以判断，以便于及早地发现并清除故障，保证空气源热泵机组在高效状态下运行。
技术研发人员：徐英杰;陈宁
受保护的技术使用者：浙江工业大学
技术研发日：.11.19
技术公布日：.02.11
