本技術屬于故障診斷領域，尤其涉及一種壓縮機的故障診斷方法、裝置和冷水機組。

背景技術：

1、壓縮機是冷水機組的核心部件，為制冷系統(tǒng)提供動力，當電機冷卻發(fā)生故障時，電機繞組溫度將不斷升高，導致壓縮機運行效率下降，甚至引發(fā)絕緣失效，帶來安全隱患。相關技術中，主要通過對電機繞組溫度進行實時監(jiān)控，以對電機冷卻進行故障診斷，實現(xiàn)電機冷卻故障的早期預警。然而，該方法診斷結果的精準度不高，且無法對故障的原因及嚴重程度進一步評估。

技術實現(xiàn)思路

1、本技術旨在至少解決現(xiàn)有技術中存在的技術問題之一。為此，本技術提出一種壓縮機的故障診斷方法、裝置和冷水機組，檢測精度和準確度較高，且能夠對故障后的運行維護提供有效的指導，有效提高壓縮機電機運行的可靠性和安全性。

2、第一方面，本技術提供了一種壓縮機的故障診斷方法，該方法包括：

3、獲取壓縮機中電機的實際繞組溫度信息和第一目標閾值；

4、在基于所述實際繞組溫度信息和所述第一目標閾值，確定電機冷卻故障的情況下，基于所述電機的功率信息和壓差信息中的至少一種，確定所述壓縮機的故障類型；

5、基于所述故障類型，確定所述壓縮機的故障等級。

6、根據(jù)本技術的壓縮機的故障診斷方法，通過實測的實際繞組溫度信息進行電機冷卻故障的檢測，充分考慮流經(jīng)制冷劑流量和環(huán)境溫度的影響，檢測精度和準確度較高；在電機冷卻故障檢測的基礎上，進一步診斷故障類型并基于故障類型確定故障等級，能夠對故障后的運行維護提供有效的指導，有效提高壓縮機電機運行的可靠性和安全性。

7、根據(jù)本技術的一個實施例，所述基于所述實際繞組溫度信息和所述第一目標閾值，確定電機冷卻故障，包括：

8、基于所述實際繞組溫度信息和所述第一目標閾值，確定目標異常檢測算法；所述目標異常檢測算法為基于規(guī)則的異常檢測算法或基于模型的異常檢測算法；

9、基于所述目標異常檢測算法，確定所述電機冷卻故障。

10、根據(jù)本技術的一個實施例，所述實際繞組溫度信息包括實際繞組溫度，所述第一目標閾值包括繞組溫度報警閾值；所述基于所述實際繞組溫度信息和所述第一目標閾值，確定目標異常檢測算法，包括：

11、在所述實際繞組溫度大于所述繞組溫度報警閾值的情況下，確定所述目標異常檢測算法為所述基于規(guī)則的異常檢測算法；

12、在所述實際繞組溫度不大于所述繞組溫度報警閾值的情況下，確定所述目標異常檢測算法為所述基于模型的異常檢測算法。

13、根據(jù)本技術的一個實施例，所述基于所述目標異常檢測算法，確定所述電機冷卻故障，包括：

14、在基于所述目標異常檢測算法進行故障報警的情況下，基于所述故障報警的次數(shù)，確定所述故障報警信息；

15、在所述故障報警信息大于第二目標閾值的情況下，確定所述電機冷卻故障。

16、根據(jù)本技術的一個實施例，所述實際繞組溫度信息包括實際繞組溫度和實際繞組溫升值中的至少一種，所述第一目標閾值包括繞組溫度報警閾值和繞組溫升報警閾值中的至少一種；所述基于所述目標異常檢測算法進行故障報警，包括：

17、在所述實際繞組溫度大于所述繞組溫度報警閾值的情況下，進行故障報警；

18、在所述目標異常檢測算法為所述基于模型的異常檢測算法的情況下，獲取所述實際繞組溫升值和預測繞組溫升值之間的差值絕對值；所述預測繞組溫升值為基于繞組溫升模型獲取的；

19、在所述差值絕對值大于所述繞組溫升報警閾值的情況下，進行故障報警。

20、根據(jù)本技術的一個實施例，在所述目標異常檢測算法為所述基于模型的異常檢測算法的情況下，所述基于所述目標異常檢測算法，確定所述電機冷卻故障，包括：

21、基于所述實際繞組溫升值、預測繞組溫升值和所述繞組溫升報警閾值，確定所述電機冷卻故障；所述預測繞組溫升值為基于繞組溫升模型獲取的。

22、所述基于所述實際繞組溫升值、預測繞組溫升值和所述繞組溫升報警閾值，確定所述電機冷卻故障，包括：

23、根據(jù)本技術的一個實施例，在所述實際繞組溫升值和所述預測繞組溫升值之間的差值絕對值大于所述繞組溫升報警閾值的情況下，確定所述電機冷卻故障。

24、根據(jù)本技術的一個實施例，所述預測繞組溫升值基于如下步驟確定：

25、將所述壓縮機的實際工作參數(shù)輸入至繞組溫升模型，獲取所述溫升模型輸出的所述預測繞組溫升值；

26、其中，所述繞組溫升模型包括擬合多項式模型、機器學習模型或物理模型，所述實際工作參數(shù)包括實際壓縮機功率、實際制冷劑出口壓力、實際制冷劑進口壓力、實際制冷劑出口溫度和實際制冷劑進口溫度中的至少一種。

27、根據(jù)本技術的一個實施例，在所述基于所述實際繞組溫升值、預測繞組溫升值和所述繞組溫升報警閾值，確定所述電機冷卻故障之前，所述方法還包括：

28、在所述繞組溫升模型未標定的情況下，基于所述壓縮機的實際工作參數(shù)標定所述繞組溫升模型；

29、在所述繞組溫升模型已標定且訓練樣本滿足目標條件的情況下，基于所述訓練樣本更新所述繞組溫升模型，所述訓練樣本從所述實際工作參數(shù)中獲取。

30、根據(jù)本技術的一個實施例，所述基于所述電機的功率信息和壓差信息中的至少一種，確定所述壓縮機的故障類型，包括：

31、在所述功率信息大于第一閾值的情況下，確定所述故障類型為內短路；

32、在所述壓差信息小于第二閾值的情況下，確定所述故障類型為壓差異常。

33、根據(jù)本技術的一個實施例，所述基于所述電機的功率信息和壓差信息中的至少一種，確定所述壓縮機的故障類型，包括：在所述功率信息大于第一閾值的情況下，確定所述故障類型為內短路；

34、在所述功率信息不大于所述第一閾值且所述壓差信息小于第二閾值的情況下，確定所述故障類型為壓差異常；

35、在所述功率信息不大于所述第一閾值且所述壓差信息不小于所述第二閾值的情況下，確定所述故障類型為冷卻流量異常。

36、根據(jù)本技術的一個實施例，所述基于所述故障類型，確定所述壓縮機的故障等級，包括：

37、在所述故障類型為內短路的情況下，基于所述實際繞組溫度信息和所述功率信息中的至少一種，確定所述故障等級。

38、根據(jù)本技術的一個實施例，所述基于所述實際繞組溫度信息和所述功率信息中的至少一種，確定所述故障等級，包括：

39、在所述實際繞組溫度信息大于嚴重內短路溫度閾值，或者所述功率信息大于嚴重內短路功率百分比閾值的情況下，確定所述故障等級為嚴重故障；

40、在所述實際繞組溫度信息大于中度內短路溫度閾值且不大于所述嚴重內短路溫度閾值，或者所述功率信息大于中度內短路功率百分比閾值且不大于所述嚴重內短路功率百分比閾值的情況下，確定所述故障等級為中度故障；

41、在所述實際繞組溫度信息不大于所述中度內短路溫度閾值，且所述功率信息不大于所述中度內短路功率百分比閾值的情況下，確定所述故障等級為輕度故障。

42、第二方面，本技術提供了一種壓縮機的故障診斷裝置，該裝置包括：

43、第一處理模塊，用于獲取壓縮機中電機的實際繞組溫度信息和第一目標閾值；

44、第二處理模塊，用于在基于所述實際繞組溫度信息和所述第一目標閾值，確定電機冷卻故障的情況下，基于所述電機的功率信息和壓差信息中的至少一種，確定所述壓縮機的故障類型；

45、第三處理模塊，用于基于所述故障類型，確定所述壓縮機的故障等級。

46、根據(jù)本技術的壓縮機的故障診斷裝置，通過實測的實際繞組溫度信息進行電機冷卻故障的檢測，充分考慮流經(jīng)制冷劑流量和環(huán)境溫度的影響，檢測精度和準確度較高；在電機冷卻故障檢測的基礎上，進一步診斷故障類型并基于故障類型確定故障等級，能夠對故障后的運行維護提供有效的指導，有效提高壓縮機電機運行的可靠性和安全性。

47、第三方面，本技術提供了一種冷水機組，包括：

48、壓縮機；

49、電機，所述電機與所述壓縮機連接；

50、如第二方面所述的壓縮機的故障診斷裝置，所述壓縮機的故障診斷裝置分別與所述壓縮機和所述電機電連接。

51、第四方面，本技術提供了一種非暫態(tài)計算機可讀存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述第一方面所述的壓縮機的故障診斷方法。

52、第五方面，本技術提供了一種計算機程序產(chǎn)品，包括計算機程序，所述計算機程序被處理器執(zhí)行時實現(xiàn)如上述第一方面所述的壓縮機的故障診斷方法。

53、本技術實施例中的上述一個或多個技術方案，至少具有如下技術效果之一：

54、通過實測的實際繞組溫度信息進行電機冷卻故障的檢測，充分考慮流經(jīng)制冷劑流量和環(huán)境溫度的影響，檢測精度和準確度較高；在電機冷卻故障檢測的基礎上，進一步診斷故障類型并基于故障類型確定故障等級，能夠對故障后的運行維護提供有效的指導，有效提高壓縮機電機運行的可靠性和安全性。

55、進一步地，通過結合基于規(guī)則的異常檢測算法和基于模型的異常檢測算法，在基于規(guī)則的異常檢測算法診斷繞組溫度正常的情況下，進一步基于模型的異常檢測算法診斷繞組溫升是否正常，以判斷電機冷卻是否故障，能夠在檢測瞬發(fā)性故障或者較嚴重的故障的基礎上，進一步檢測漸變性故障，從而實現(xiàn)故障的早期預警，適用于任何故障檢測情景，具有較高的靈活性和普適性，能夠有效提高壓縮機電機運行的可靠性和安全性。

56、更進一步地，通過將繞組溫升模型設置為擬合多項式模型、機器學習模型或物理模型，可滿足不同應用場景的精度；將繞組溫升模型的參數(shù)設置為機組運行的功率(或電流)、制冷劑進入和離開電機的壓力和溫度，獲取容易，無需安裝復雜昂貴的檢測設備，成本較低。

57、再進一步地，通過機組運行的工作參數(shù)在線自動化標定和在線自動化更新繞組溫升模型，無需人工設置，具備較好的通用性。

58、本技術的附加方面和優(yōu)點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本技術的實踐了解到。