多联式空调的大数据应用分析

金国华

（对外经济贸易大学 统计学院 北京 100029）

引言

随着国民经济的不断发展，目前国内多联式空调的应用范围越来越广，在中央空调市场中多联式空调的占有率高达51.6 %，远超其他产品[1]。多联式空调与传统的中央空调不同：冷媒传热系统大，冷媒传递路径长，冷媒控制精度要求高。一般多联式空调控制系统均采用分布式控制，在控制系统中对空间、时间、温度、湿度等多维度复杂变化进行全场景控制。由于多联式空调的冷热需求变化大、运行随机性强，目前理论计算、实验测试、模拟仿真等传统设计方法受限于样本量少、场景简单、行为模型缺失的条件制约，使得多联式空调实际运行能效和运行效果之间存在一定差异。随着计算机技术的快速发展，大数据应用于多种评价体系。比如：赵海湉等提出了一种结合主客观大数据参数、多属性决策方法的绿色建筑空调系统运行评价体系[2]；陈焕新等将数据挖掘技术、大数据技术应用在制冷系统[3，4]；魏玉龙等基于大数据深度学习改善空调温湿度控制方法[6]。因此在空调结合计算机技术的快速发展期间，数据搜集和分析速度日新月异。若通过大数据平台将大数据应用于多联式空调的开发，可将多联式空调的产品研发从实验室扩展到用户端，推动其深化研发与快速发展。本文简单介绍多联式空调大数据的搜集与应用，探讨大数据应用到产品研发中的可行性。

1 数据搜集：大数据信息搜集架构的搭建

多联式空调机组一般采用分布式控制系统，其系统的不同内、外机之间已可采用空调内部网络通讯及交互信息。不同的厂商采用不同的通讯方式，如CAN、RS485、HBS等[8]，均可确保机组信息交互及时，系统内部参数完整。在该通讯网络上层，可进一步采用WiFi、GPRS、4G等数据采集模块，采集并转换机组内部运行数据以便将该机组与互联网互通，最终实现控制中心服务器与空调之间的信息交互，图1为多联式空调机组数据搜集网络示意图。

图1 多联式空调机组数据搜集网络图

2 数据挖掘：大数据信息种类与应用

当控制中心服务器搜集到全国多地多台空调设备的参数时，随着设备安装量上升，大数据收集系统平台可根据搜集到的足够多的机组数据机型大数据的分析与应用。服务器端需对机组设备数据建立数据档案，包含但不限于机组条码身份、机组安装位置、机组型号、机组运行程序代码版本等基本身份信息。数据档案建立后，可根据实际大数据分析需求搜集相关信息，一般包含以下几个种类：

1）关键零部件可靠运行的相关数据搜集与分析应用

设备系统的运行可靠性通过大数据技术、智能诊断等可得到有效提升[5]。空调的关键零部件可靠运行影响整机的可靠运行，掌握关键零部件的运行数据可以分析整机的运行状况并随之判断机组运行可靠性。随着计算机成本的降低、处理速度的提升，实时搜集已使用空调的压缩机、风机、水泵、电加热、电磁阀、传感器等各类关键元器件的电压、电流、运行状态数据，形成海量实时运行参数数据反馈给服务器平台。服务器平台可采集大量的实际运行参数，这些参数与在实验室搜集的个体数据相比，数据体量大，运行工况多，更能接近用户实际使用情况，为提高机组运行可靠性提高可靠的数据基础。

2）用户使用习惯的相关数据搜集与分析应用

在全国各地运行的多联式空调具有使用地域广，使用人群多，安装环境多样等特点。与之对应的，在无大数据背景下开发的机组，一般普遍基于国家标准以及实验室运行数据开发，因此，空调机组开发过程中较难接近用户真实使用习惯，进而影响并制约空调研发的进一步发展。实时搜集用户的开机时长、待机时长、设定温度、设定风速、特殊功能使用等各种实际使用情况数据，实时分析用户使用习惯并根据使用习惯调整机组压机、风机等关键部件的优化运行，可使产品更节能，使用更舒适，响应国家节能减排的号召。另外，若用户主动开放使用习惯修正功能，服务器可根据大数据计算及回归分析结果，启动自学习并推送优化后的操作建议，进而通过改善使用习惯达到产品个性化节能的效果。

3）系统运行寿命的数据分析与挖掘

空调产品开发过程中，会经过一系列的实验测试，但产品测试试验的目的一般是验证产品是否能达到国家标准、生产标准等。而关于产品寿命、关键元器件寿命的评估，传统开发均是通过加速老化试验做的评估预判，这种预判可能存在预判寿命错误或者保守设计造成的质量过剩等情况。基于大数据体系的多联式空调可在产品全生命周期跟随记录产品生产、安装、调试、运行、维修等各种数据，也可搜集并记录关键零部件的工作电压、电流、工作温度等实际真实数据，进而搜集到大量样本的实际运行寿命数据，这些实际运行寿命数据对产品研发以及关键元件物料选型有重大的指导意义。

4）空调运行分类挖掘与分析应用

基于大数据系统对机组实时运行过程记录时，可以对数据进行分类与挖掘，一般可以包括：不同气候区域的机组运行数据分析、不同用户群的机组运行数据分析、不同机组类别的数据分析、不同季节的机组运行状态数据分析与挖掘等。通过不同种类的运行数据分别挖掘与分析可实现机组的细分市场的针对性开发，提高用户对产品的认可度。

3 数据应用：控制算法及方法反哺设计

3.1 通过用户使用习惯，改善设计

可根据大数据研究分析多联式空调用户习惯，比如中国制冷空调实际运行状况研究报告通过分析连续使用机组时常的大数据发现[1]，用户连续使用时长55 %集中在8 h以内，这个数据可以清晰分析我国居民空调使用习惯的具体时长数据分布，也可以直观反应出用户对快速制冷、制热的具体时长分布要求。在设计研发阶段，提前考虑空调启动期间，根据统计的具体时长针对性地加大压缩机能力输出，提升快速制冷效果或快速制热效果，可极大提升用户空调使用感受，有利于提高用户对该品牌产品购买粘性，产生“使用效果好”的信赖度和评价。

通过大数据分析统计，使用多联式空调机组同时开内机台数数量也有所不同[1]。全国用户有60 %时间开1台内机、27 %开2台内机，仅有4 %时间开3台及以上内机，冷热需求变化大，负荷运行范围宽。在规划及设计产品阶段，提前考虑空调宽运行范围的特点，而不是简单依据国家标准和相关经验数据来规划产品。根据该统计分析结论，厂家可重点研发宽范围柔性调节负载输出的产品，最大限度提高产品不同能力输出特别是低负载输出的能效，不但为用户节省电费，更可以为国家节能减排做贡献。

分析统计用户使用习惯，可以指导厂家设计开发相关的产品以更贴近用户。相较于传统的研发手段，一般主要是依据国家标准、行业标准及研发经验来进行的，设计出来的机组常常留有较大余量，不利于节能。而通过大数据分析则可以针对建筑不同地点、不同室内外环境、建筑的不同功能、用户的不同使用习惯等来设计机组，这将大大节省新产品研发的时间及成本，并提高产品品质。

3.2 通过报警数据，改善服务，比如区分机型做不同的服务配备

目前多联式空调产品一般分为两大类型产品：家用多联式空调和商用多联式空调。从大数据分析两类空调的日常报警数据[7]，可以看出不同的机型类别对应的安装工程报警频次存在显著差异。由于使用在商用场合的商用多联式空调机组系统复杂，空调内外机网络相对较大，商用多联式空调机组维保处理速度相对较慢，影响用户体验，进而影响品牌形象。可针对以上两个数据分析做出对应的改进措施：针对复杂商用多联式空调机组系统，需重点加强商用多联式空调机组的维保队伍，以进一步增加产品整体竞争力。

4 大数据应用分析的其余注意事项

空调数据具有多变量、多状态、强耦合的特征，多联式空调多节点控制复杂、实时性要求高，多联式空调产品内部采用单一现场级总线控制网络，因此控制网络节点规模大、传输低、独立封闭等，难以实时获取大量样本数据及满足动态高效调控。以30万台套多联式空调产品估算，每6 s进行全部参数的传输，一天需要传输约6 000亿个参数，要实现海量数据应用，需解决大规模、多工况的数据采集、存储、挖掘分析及运算问题，因此需要采用高保真采样与传输技术、分布式大数据云平台等技术手段，搭建合适的全样本大数据平台。

5 总结与展望

大数据在空调系统优化、新产品研发、故障诊断、能耗与维护预测等方面提供了新的思路。企业与用户之间的关系将变得更加紧密，个性化定制服务、用户习惯分析、自动控制服务等，将满足人们对空调便利化、智能化、节能化的更高需求。在大数据时代，数据就是财富，有效、快速的挖掘出数据中的信息，技术创新永无止境，空调行业将在大数据技术的推动下获得更快速发展，为人类健康舒适的生活、生产做出贡献。