大数据统计分析方法在空调控制系统中的应用

杨 都

（珠海格力电器股份有限公司 珠海 519070）

引言

随着消费水平的提高，用户对于空调的智能化、舒适度和便捷性要求越来越高，如何确保空调在可靠运行的同时，为用户打造良好的空气品质、舒适的居住环境和良好的使用体验，成为智能空调发展的核心关键。

空气调节器的任务是向室内提供预订的冷量、热量、新风量，通过空气循环交换，以保证室内具有适宜的温度、湿度及空气品质[1]。由于空调所面向的用户人群构成复杂，用户对空调运行及节能知识了解不多，容易造成从控制源头上造成的能源浪费（例如制冷时设定温度过低，制热时设定温度过高等，造成能耗升高），影响空调的舒适使用效果（过冷、过热影响用户的舒适体验），同时也不利于各用户对能耗的控制，达不到更好的节能减排效果，对于分户计费的用户则增加了用户承担的费用[2]。空调制冷系统和控制系统结构复杂、传感器众多，任何节点的故障均会对正常使用造成影响，影响用户体验。

科学技术的发展，为解决上述问题带来了新的解决方案，基于空调控制技术、大数据技术和统计学分析方法[3，4]及更多人工智能技术，进行暖通空调控制系统的创新升级，打造智能空调成为行业发展新趋势。

1 大数据应用现状

空调系统主要由冷媒系统和控制系统组成，冷媒系统主要由压缩机、风机、各类电磁阀、高低压传感器、温湿度传感器等各类不同用途的负载和传感器构成，控制系统则根据各类传感器检测结果、负载的运行状态结合用户的目标需求，对压缩机频率、风机转速等进行调节，最终实现室内环境温度的调节。

在空调系统运行的过程中会产生大量的运行数据，包括运行参数、操作记录、故障记录等等，其中蕴含着空调的监控状态、系统节能程度、用户使用习惯、当地环境气候特征等有较高分析利用价值的信息。

随着LTE、5G、WIFI、Zigbee等通讯技术在空调上的应用，空调运行数据和历史数据的获取更加方便，加之云存储和云计算技术的应用，利用空调大数据进行分析、挖掘其运行特征、总结使用规律，进而助力空调优化升级逐渐成为空调厂家的研究方向。例如，利用空调一段时间的运行数据进行用户使用习惯的分析，进行自动控制功能的开发 ；利用历史故障数据，进行关联规则的分析，挖掘产生故障的原因；利用天气大数据结合空调室内外温度情况，进行节能控制策略制定等等。

目前，各大空调厂商均对空调大数据分析进行了一定的研究和布局，在空调大数据采集、分析、控制方面均进行了投入，物联网空调、AI空调、智能云空调、云边协同等概念次第出现，大数据在空调领域的运用呈现出积极发展的新局面。

2 大数据分析方法

空调控制系统的大数据分析方法主要分为基于通讯技术的数据采集与处理、基于统计学和云计算的数据描述与分析以及基于空调控制技术的结果解释应用等步骤。

2.1 数据获取

空调由于自身存储有限仅会存储重要信息和部分关键故障在机组本身的存储器，大量的实时运行数据和长时间的操作记录、故障记录需要通过专用设备进行获取。一般来说，厂家会配备专用的数据采集器进行数据的抓取，部分厂商还会配备4G模块、internet接口等直接连接云服务器实现实时数据上云。

大数据分析的目标是采用全样本数据，而不是抽样，获取到的数据越多、越全，对结果越有利，因此在数据采集时，需要尽可能的获取完整的样本数据。

在完成数据的采集后，需要对数据进行预处理，根据分析目标，对数据进行格式化、标准化及简单的分类、排序等处理，如果涉及多个数据表、不同的数据库等，则进行合并数据表、统一建库，以便于下一步的分析操作。例如，针对不同空调内机风挡名称不一致、数量不同等，需进行统一的量纲处理，对不同的感温包值进行数值精度统一，对不同内机的字段名称进行统一，合并不同ID内机的表格等等。表1为以空调感温包数据为例，常用的数据预处理后的样本格式。

表1 样本数据格式示例

2.2 数据的描述性分析

在完成数据的采集和预处理后，需要根据研究的目的，进行目标变量的选择，并对目标变量进行描述性分析。描述性统计[5]分析主要是对所有变量的有关数据进行数据的频数分析、集中趋势分析、离散程度等分析内容，输出一些基本的统计图表、图形，并从分析结果上获取变量自身、变量之间等问题、相关性、趋势等内容。主要包括如下分析:

1）数据的频数分析

利用频数分析和交叉频数分析可以检验异常值，可以输出频数分布表。

2）数据的集中趋势分析

用来反映数据的一般水平，主要包括数据的平均值、中位数和众数等。

3）数据的离散程度分析

主要是用来反映数据之间的差异程度，常用的指标有方差和标准差。

4）数据的分布

在统计分析中，通常要假设样本所属总体的分布属于正态分布，因此需要用偏度和峰度两个指标来检查样本数据是否符合正态分布[5]。

5）数据的相关性分析

通过相关性分析，可得出两两变量之间是否存在显著性相关关系，对解释变量的选择和模型的建立有较好的知道意义。

运用数据分析SPSS软件，表2展示了某工程空调运行数据样本常规描述性统计量，图1展示了某工程空调室内环境温度的直方图。

表2 某工程空调运行数据样本描述统计量

图1 某工程空调室内环境温度直方图

2.3 数据建模分析

在完成数据的描述性分析之后，对数据的大致形态、规律以及数据之间的关系有了初步的了解，此时需要结合分析的目标，进行数据模型选定，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型[6]。

常见的数据分析模型包括分类回归模型（例如KNN算法、决策树、贝叶斯等）、聚类分析（K均值算法）、关联分析、时序模型（支持向量机）、结构优化等等，通常需要根据数据的形态分布特征等进行选择。

根据模型进行数据分析之后，需对模型进行评估检验，通过均方误差、置信度、业务符合度等参数对模型的精度、准确性进行评估，同时结合分析的目标对模型的结果完整性进行评估。

2.4 数据解释与应用

在完成数据的建模分析之后，可以将得出的结果以及模型用于具体的业务中。例如，根据空调温度变化的特性及影响因素模型，对故障进行预测；根据用户使用习惯，对空调进行节能控制等等。同时，在模型的使用过程中，根据实际应用的效果，不断对模型进行调整和优化，以达到更好的效果。

3 应用场景

大数据分析应用于空调控制系统的各个方面，常见的应用主要有故障预测、节能控制、智能控制及智能运维等等。

3.1 故障预测

空调系统由于电磁阀、压力类传感器、温度类传感器等数量众多，压缩机、风机控制技术复杂，且大型系统冷媒循环系统庞大，在每个环节都有可能出现故障。当空调机组出现关键部件或传感器（例如温度传感器）故障时，需要售后人员到现场进行维修处理，期间无法正常使用，而维修需要周期，会对用户的生产生活造成影响。

由于空调是一个整体的系统，各部件或传感器之间并不是孤立存在的，某个故障的发生，必然会由一定的其他因素引起，因此可以通过使用大数据的分析方法对某个特定故障进行分析，寻找出其影响因素，并通过模型进行故障预测，对可能发生故障的空调进行提前检修或维护，以免对用户造成损失。

图2为针对某多联式空调工程，基于R语言的环境感温包故障回归分析模型结果，根据回归方程，可以较为方便的对某一时刻的环境温度传感器值进行预测。当机组检测到环境温度传感器故障时，可通过采用预测值进行机组应急控制，满足用户的使用需求。

图2 基于R语言的环境感温包故障回归分析模型结果

3.2 智能控制

智能一直是空调的发展方向，通过大数据分析方法，对空调的历史运行规律进行研究，并总结出其规律模型，针对特性的参数进行预测进而对控制系统进行优化是提升空调智能化的重要手段。例如通过用户使用习惯，对用户每天使用空调时间及设定温度进行智能预测；通过对温变化快慢趋势及影响因素进行分析，来实现智能节能控制等等。

由于空调运行能耗在建筑能耗构成中占据很大的比例，节能降耗一直是空调研发的重要任务。基于特定机型和特定运行环境的空调运行和使用情况大数据进行研究，可以为空调的节能控制带来助力。例如某空调工程的集中控制系统，通过建立用户开关时间、设定温度、使用时长及耗电量之间的回归模型，为用户提供设定固定时间周期内的室内机节能目标值的功能，根据用户设定的节能目标值，结合用户设定的模式、室内机环境参数（室内温度、室内湿度），根据模型进行计算，得出优化后的节能运行设定参数，并对室内机控制参数自动进行实时调整，智能分配和设定室内机输出，以达到节能效果，解决多联机耗能过高，造成不必要浪费的问题。

3.3 智能运维

大数据技术除了能助力空调控制系统的开发之外，还能为空调的运维系统提供支持。针对大型中央空调的系统工程，可通过对天气、人流量、体感舒适度及各传感器数据进行建模分析，对空调运行状态进行智能调节。

另外，空调监控系统也可以和厂家售后支持系统连接，通过故障预测的相关模型和算法，对空调运行状况进行监测。厂家云服务系统根据实时上传的运行数据，运行预测模型，智能判断故障类别及处理方案，进行智能派工，以实现即时服务，提升运维效率和用户体验。

4 结束语

本文简要介绍了大数据在空调控制系统中的应用，阐述了大数据统计分析方法的步骤，并介绍了大数据在空调控制系统中的应用场景，为空调控制系统设计和运维方面的智能化升级方案提供了一定的参考。

随着通讯技术、大数据技术和人工智能技术的发展及其在空调领域的深度应用，基于统计学原理进行空调大数据挖掘、分析、研究，进而助力空调更加智能化、节能化、舒适化，势必成为空调行业发展的新方向。