暖通空调节能效率智能检测方法.pdf

《暖通空调节能效率智能检测方法.pdf》由会员分享，可在线阅读，更多相关《暖通空调节能效率智能检测方法.pdf（14页完成版）》请在专利查询网上搜索。

1、(19)国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 202310891419.X(22)申请日 2023.07.20(71)申请人 上海东方低碳科技产业股份有限公司地址 200941 上海市宝山区园和路235号3幢A1109室 申请人 上海东方低碳系统集成有限公司(72)发明人 韩健姜敏刘小康周洁(74)专利代理机构 北京汇众通达知识产权代理事务所(普通合伙)11622专利代理师 李志男(51)Int.Cl.F24F 11/47(2018.01)F24F 11/64(2018.01)F24F 11/89(2018.01)(54)发明名称一种暖通空调。

2、节能效率智能检测方法(57)摘要本发明申请涉及空气调节技术领域，提供一种暖通空调节能效率智能检测方法，包括如下步骤，获取暖通空调系统在运行时的多组监测数据；评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异；根据差异评价结果判断各组监测数据对应的暖通空调系统工作时段的空调节能效率。本发明申请通过对暖通空调工作过程中各数据进行分析，实现对暖通空调节能效率的智能检测，进而为暖通空调的故障排查提供参考，在暖通空调出现无法直接察觉的故障时，及时对维修人员进行提醒，保证暖通空调的高效率运行。权利要求书3页 说明书9页 附图1页CN 116608549 A2023。

3、.08.18CN 116608549 A1.一种暖通空调节能效率智能检测方法，其特征在于,包括如下步骤：S100:获取暖通空调系统在运行时的多组监测数据；S200:评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异；S300:根据差异评价结果判断各组监测数据对应的暖通空调系统工作时段的空调节能效率；步骤S100具体包括：在待监测节能效率的暖通空调系统的不同设备处设置对应传感器，间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组监控数据；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能量数据；步骤S200中暖通空调系统正常运行。

4、状态的数据集的获取方法，包括：暖通空调系统正常运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统正常运行状态的数据集；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能量数据；在步骤S200中暖通空调系统高效运行状态的数据集的获取方法，包括：暖通空调系统高效运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统高效运行状态的数据集；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能。

5、量数据。2.根据权利要求1的一种暖通空调节能效率智能检测方法，其特征在于：步骤S200具体包括：确定待评价的各组监控数据对应的工作时间段和工作模式；将各组监控数据分别与正常运行状态的数据集和高效运行状态的数据集中相同工作时间段和相同工作模式下的数据进行对比；通过DTW算法获取各组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中相应数据的差异。3.根据权利要求1的一种暖通空调节能效率智能检测方法，其特征在于：步骤S200具体包括：获取多组监控数据中各对应种类数据的数据值；获取数据值对应的隶属度和偏差容忍度；分析获取多组监控数据中各数据对应的差异影响度，其中差异影响。

6、度的计算公式为：。4.根据权利要求3的一种暖通空调节能效率智能检测方法，其特征在于：数据值对应的隶属度的获取方法，包括：权利要求书1/3 页2CN 116608549 A2将暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中各对应种类数据的数值进行等距离分段获取频数表，根据频数表获取频数分布直方图和概率密度函数，根据概率密度函数获取累计概率密度函数；根据累计概率密度函数获取累计概率密度为时对应的各对应种类数据的指标值；获取多组监控数据中各对应种类数据的数据值，确定数据值在概率密度函数中的位置，将数据值在概率密度函数中的位置与各对应种类数据的指标值 之间的差值的绝对值记为数据。

7、值的中心距离，将记为数据值的中心范围；获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中与数据值为同一种类数据的数据个数，数据值在中心范围内包含的数据的个数，以及数据值在频数分布直方图中所对应区间内包含的数据的个数；计算数据值对应的隶属度，其中隶属度计算公式为：。5.根据权利要求4的一种暖通空调节能效率智能检测方法，其特征在于：偏差容忍度的获取方法，包括：获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集各对应种类数据对应的数据距离的均值和极差；其中数据距离为一组数据中的其中一数据的数值与其余数据的数值求差值的绝对值，取最小值作为该组数据对应的数据。

8、距离；获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集各对应种类数据的极差；获取多组监控数据中各对应种类数据的数据值相对于暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中各对应种类数据包含的各数据中对应的数据距离；计算数据值对应的偏差容忍度，其中偏差容忍度计算公式为：。6.根据权利要求5的一种暖通空调节能效率智能检测方法，其特征在于：步骤S200还包括：获取多组监控数据中各数据值的运行指标差异距离，运行指标差异距离的计算公式为：其中，为多组监控数据中各对应种类数据的数据值中第 个数据值，其中，权利要求书2/3 页3CN 116608549 A3，为。

9、多组监控数据中各对应种类数据的数据值中数值的总个数；为暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中与数据值为同一种类数据的各个数据值，其中，为暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中该种类数据中的数据值的总个数；为对应的差异影响度。7.根据权利要求6的一种暖通空调节能效率智能检测方法，其特征在于：步骤S300具体包括：分别取暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集中包含的每个数据值，获取该数据值相对于另一数据集之间的运行指标差异距离，取这些运行指标差异距离的均值作为暖通空调处于正常运行状态和高效运行状态时的运行。

10、指标差异距离的阈值；根据各组监测数据中各数据值相对于暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集之间的运行指标差异距离，判断各组监测数据对应的暖通空调系统工作时段的空调节能效率；其中当监测数据与暖通空调系统正常运行状态的数据集对应的运行指标差异距离小于等于阈值 时，则认为监测数据对应的暖通空调节能效率处于正常运行状态；当监测数据与暖通空调系统高效率运行状态的数据集对应的运行指标差异距离小于等于阈值 时，则认为监测数据对应的暖通空调节能效率处于高效率运行状态；当监测数据与暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集对应的运行指标差异距离均大于阈值 。

11、时，则认为监测数据对应的暖通空调节能效率为低效率运行状态。权利要求书3/3 页4CN 116608549 A4一种暖通空调节能效率智能检测方法技术领域0001本发明涉及空气调节技术领域，特别涉及一种暖通空调节能效率智能检测方法。背景技术0002暖通空调指室内或车内负责暖气、通风及空气调节的系统或相关设备。暖通空调系统可以控制空气的温度及湿度，提高室内的舒适度，是中大型工业建筑或办公建筑（如摩天楼）中的重要设施，能源消耗量通常占办公建筑总能耗的50%60%。为了达到合理控制空气的温度及湿度的要求，办公建筑中的暖通空调系统较为复杂，设备繁多，容易出现多达上百种故障。当出现了故障时，可能导致暖通空调。

12、系统无法合理控制室内的温度和湿度、降低暖通空调的节能效率、能源浪费、设备寿命缩短、火灾等多种问题，所以需要及时对暖通空调的故障进行监测和排除。而在实际的故障监测和排除过程中，由于故障种类繁多、设备过于分散杂乱等问题，往往无法对每种故障都进行检测，所以常常为暖通空调出现故障警报或无法正常运行的情况，使用人员和故障维修人员才能发现故障并进行修理。当出现了仍能保持空调为运行状态的故障时，由于故障的存在，暖通空调的运行效率和节能效率会降低，所以可以通过检测暖通空调的运行和节能效率达到对暖通空调的故障进行监测的目的，当出现明显的节能效率突然降低的状况时，及时对故障进行排查。0003现有的暖通空调节能效率。

13、检测方法主要有能效标准检测、空气动力学试验台测试和暖通空调模拟仿真分析技术。能效标准检测和空气动力学试验台测试的检测结果准确、公正，能够对空调的性能进行动态评估，但是需要特殊的设备和场地，不能反映暖通空调的实际使用情况和建筑环境的影响。暖通空调模拟仿真分析技术的计算结果精度较高，能够评估不同场景下的节能性能，但建模和运算都需要大量时间和计算资源，且模型建立的精度和模型参数的准确性对计算结果影响较大。所以需要一种对暖通空调的节能效率进行智能检测的方法。发明内容0004为解决上述问题，本发明一种暖通空调节能效率智能检测方法，该方法包括如下步骤：S100：获取暖通空调系统在运行时的多组监测数据；S2。

14、00：评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异；S300：根据差异评价结果判断各组监测数据对应的暖通空调系统工作时段的空调节能效率。0005进一步地，步骤S100具体包括：在待监测节能效率的暖通空调系统的不同设备处设置对应传感器，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组监控数据；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能量数据。说明书1/9 页5CN 116608549 A50006进一步地，步骤S200中暖通空调系统正常运行状态的数据集的获取方法，包括：暖通空调系统正常运行时，每间隔时间获取一次。

15、对应种类数据，连续获取次对应种类数据作为一组监控数据，在不同的工作时段以不同的工作模式各获取组监控数据作为暖通空调系统正常运行状态的数据集；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能量数据。0007进一步地，在步骤S200中暖通空调系统高效运行状态的数据集的获取方法，包括：暖通空调系统高效运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组监控数据，在不同的工作时段以不同的工作模式各获取组监控数据作为暖通空调系统高效运行状态的数据集；对应种类数据包括但不限于温度数据、湿度数据、压力数据、流量数据和能量数据。0008进一步地，步骤S200具体：确定待评价。

16、的各组监控数据对应的工作时间段和工作模式；将各组监控数据分别与正常运行状态的数据集和高效运行状态的数据集中相同工作时间段和相同工作模式下的数据进行对比；通过DTW算法获取各组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中相应数据的差异。0009在另一优选方案中，步骤S200具体包括：获取多组监控数据中各对应种类数据的数据值；获取数据值对应的隶属度和偏差容忍度；分析获取多组监控数据中各数据对应的差异影响度，其中差异影响度的计算公式为：。0010进一步地，数据值对应的隶属度的获取方法，包括：将暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中各。

17、对应种类数据的数值进行等距离分段获取频数表，根据频数表获取频数分布直方图和概率密度函数，根据概率密度函数获取累计概率密度函数；根据累计概率密度函数获取累计概率密度为时对应的各对应种类数据的指标值；获取多组监控数据中各对应种类数据的数据值，确定数据值在概率密度函数中的位置，将数据值在概率密度函数中的位置与各对应种类数据的指标值 之间的差值的绝对值记为数据值的中心距离，将记为数据值的中心范围；获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中与数据值为同一种类数据的数据个数，数据值在中心范围内包含的数据的个数，以及数据值在频数分布直方图中所对应区间内包含的数据的个数；计算数。

18、据值说明书2/9 页6CN 116608549 A6对应的隶属度，其中隶属度计算公式为：。0011进一步地，偏差容忍度的获取方法，包括：获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集各对应种类数据对应的数据距离的均值和极差；其中数据距离为一组数据中的其中一数据的数值与其余数据的数值求差值的绝对值，取最小值作为该组数据对应的数据距离；获取暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集各对应种类数据的极差；获取多组监控数据中各对应种类数据的数据值相对于暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中各对应种类数据包含的各数据中对。

19、应的数据距离；计算数据值对应的偏差容忍度，其中偏差容忍度计算公式为：。0012进一步地，评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异，包括：获取多组监控数据中各数据值的运行指标差异距离，运行指标差异距离的计算公式为：其中，为多组监控数据中各对应种类数据的数据值中第 个数据值，其中，为多组监控数据中各对应种类数据的数据值中数值的总个数；为暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中与数据值为同一种类数据的各个数据值，其中，为暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中该种类数据中的数据值的总个数；。

20、为对应的差异影响度。0013进一步地，步骤S300具体包括：分别取暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集中包含的每个数据值，获取该数据值相对于另一数据集之间的运行指标差异距离，取这些运行指标差异距离的均值作为暖通空调处于正常运行状态和高效运行状态时的运行指标差异距离的阈值；说明书3/9 页7CN 116608549 A7根据各组监测数据中各数据值相对于暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集之间的运行指标差异距离，判断各组监测数据对应的暖通空调系统工作时段的空调节能效率；其中当监测数据与暖通空调系统正常运行状态的数据集对应的运行指标差异。

21、距离小于等于阈值 时，则认为监测数据对应的暖通空调节能效率处于正常运行状态；当监测数据与暖通空调系统高效率运行状态的数据集对应的运行指标差异距离小于等于阈值时，则认为监测数据对应的暖通空调节能效率处于高效率运行状态；当监测数据与暖通空调系统正常运行状态的数据集和暖通空调系统高效率运行状态的数据集对应的运行指标差异距离均大于阈值 时，则认为监测数据对应的暖通空调节能效率为低效率运行状态。0014本发明的有益效果在于：本发明通过对暖通空调工作过程中各数据进行分析，实现对暖通空调节能效率的智能检测，进而为暖通空调的故障排查提供参考，在暖通空调出现无法直接察觉的故障时，及时对维修人员进行提醒，保证暖通。

22、空调的高效率运行。0015首先，根据各监测数据数值分布的集中程度和数据的整体分布情况获取待监测数据对应的隶属度，实现对数据与暖通空调运行状态良好时数据密集分布位置的比较；然后，根据各个种类数据的正常偏差范围和数据值与实际值的偏差程度获取数据对应的差异影响度，解决了不同种类的数据的差异程度和量纲不同导致的较大差异程度的非异常数据误判为异常数据和较小差异程度的异常数据被误判为非异常数据的问题；最后，根据上述分析获取每个数据值对应的偏差容忍度，根据偏差容忍度获取空调实际运行状态与良好运行状态时的数据差异评价，提升了暖通空调节能效率检测的精确度。附图说明0016为了更清楚地说明本发明实施例或现有技术中。

23、的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。0017图1为本发明提供的一种暖通空调节能效率智能检测方法的流程示意图；图2为多组监控数据中各对应种类数据的数据值的中心范围示意图。具体实施方式0018为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在。

24、没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。0019实施例一：如图1所示，本发明实施例提供一种暖通空调节能效率智能检测方法，该方法包括如下步骤：说明书4/9 页8CN 116608549 A8S100：获取暖通空调系统在运行时的多组监测数据；具体地，在需要监测节能效率的暖通空调系统的不同设备处设置对应传感器获取对应种类数据，需要获取的数据包括但不限于温度数据、湿度数据、压力数据、流量数据、能量数据等。其中，温度数据包括空调室内外温度、回风口温度、送风口温度等，能够反映空调系统的制冷和制热效果；湿度数据包括空调室内外相对湿度、回风口湿度、送风口湿度等，能够反映空调的除。

25、湿效果和室内空气湿度的适宜度；压力数据包括空调冷凝器出口压力、蒸发器入口压力等，能够反映空调的压缩和膨胀过程效率和阻力大小；流量数据包括空调送风口和回风口流量、空气换气量等，能够反映空调系统的通风效果和气流状况；能量数据包括空调用电量、制冷量、制热量等，能够反映空调系统的能耗情况和节能效果。0020在本实施例中，在暖通空调系统日常工作时，间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组监控数据，同时记录获取该组监控数据时，暖通空调所处的工作时段以及工作模式，其中间隔时间优选为30s，每组监控数据中连续获取数据的次数优选为60次，工作模式包括通风、制热、制冷、自动、除湿等。重复上述步。

26、骤获取多组检测数据，记为数据集C。0021S200:评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异；在评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异之前，收集暖通空调系统在正常运行状态和高效率运行状态时的数据作为分析数据；在本实施例中，在暖通空调系统正常运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统正常运行状态的数据集，记为数据集A。在暖通空调系统高效运行时，每间隔时间获取一次对应种类数据，连续获取次对应种。

27、类数据作为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统高效运行状态的数据集，记为数据集B。其中间隔时间优选为30s，每组监控数据中连续获取数据的次数优选为60次，每个数据集中的数据量优选为500组。通过选取不同工作时段不同工作模式进行分析数据的收集，能够涵盖暖通空调系统在运行过程中不同时刻的不同数据特征，提高分析数据的全面性。0022在本实施例中，评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异，具体包括：确定待评价的各组监控数据对应的工作时间段和工作模式；将各组监控数据分别与正常运行状态的数据集和高效运行状态的数据。

28、集中相同工作时间段和相同工作模式下的数据进行对比；通过DTW算法获取各组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集中相应数据的差异。0023S300:根据差异评价结果判断各组监测数据对应的暖通空调系统工作时段的空调说明书5/9 页9CN 116608549 A9节能效率；DTW算法能够衡量两组数据之间的差异性，当两组数据之间的DTW距离越大时，则认为这两组数据之间的差异性越大。本实施例中，通过DTW算法对同一工作时段、同一工作模式下的对应种类数据进行分析，即分析获取监测数据与往期正常运行状态和高效运行状态时的数据之间的差异度，当差异度较大时，则认为监测数据所。

29、指向的暖通空调出现了运行效率降低的问题，当重复多次出现运行效率降低的问题时，则认为正在监测的暖通空调出现了异常。0024实施例二：如图1所示，本发明实施例提供一种暖通空调节能效率智能检测方法，该方法包括如下步骤：S100：获取暖通空调系统在运行时的多组监测数据；具体地，在需要监测节能效率的暖通空调系统的不同设备处设置对应传感器获取对应种类数据，需要获取的数据包括但不限于温度数据、湿度数据、压力数据、流量数据、能量数据等。其中，温度数据包括空调室内外温度、回风口温度、送风口温度等，能够反映空调系统的制冷和制热效果；湿度数据包括空调室内外相对湿度、回风口湿度、送风口湿度等，能够反映空调的除湿效果和。

30、室内空气湿度的适宜度；压力数据包括空调冷凝器出口压力、蒸发器入口压力等，能够反映空调的压缩和膨胀过程效率和阻力大小；流量数据包括空调送风口和回风口流量、空气换气量等，能够反映空调系统的通风效果和气流状况；能量数据包括空调用电量、制冷量、制热量等，能够反映空调系统的能耗情况和节能效果。0025在本实施例中，在暖通空调系统日常工作时，间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组监控数据，同时记录获取该组监控数据时，暖通空调所处的工作时段以及工作模式，其中间隔时间优选为30s，每组监控数据中连续获取数据的次数优选为60次，工作模式包括通风、制热、制冷、自动、除湿等。重复上述步骤获取多。

31、组检测数据，记为数据集C。0026S200:评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异；在评价多组监控数据与暖通空调系统正常运行状态的数据集、暖通空调系统高效率运行状态的数据集的差异之前，收集暖通空调系统在正常运行状态和高效率运行状态时的数据作为分析数据；在本实施例中，在暖通空调系统正常运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统正常运行状态的数据集，记为数据集A。在暖通空调系统高效运行时，每间隔时间获取一次对应种类数据，连续获取次对应种类数据作。

32、为一组分析数据，在不同的工作时段以不同的工作模式各获取组分析数据作为暖通空调系统高效运行状态的数据集，记为数据集B。其中间隔时间优选为30s，每组监控数据中连续说明书6/9 页10CN 116608549 A10获取数据的次数优选为60次，每个数据集中的数据量优选为500组。通过选取不同工作时段不同工作模式进行分析数据的收集，能够涵盖暖通空调系统在运行过程中不同时刻的不同数据特征，提高分析数据的全面性。0027在本实施例中，步骤S200还具体包括：S201:获取多组监控数据中各对应种类数据的数据值；在步骤S100中获取的多组监控数据，即数据集C，分别统计数据集C中每种对应种类数据的数据值，如空。

33、调室内外温度的数据值、回风口温度的数据值。0028S202：获取数据值对应的隶属度和偏差容忍度；针对每种对应种类数据的数据值，分别计算其相对于暖通空调系统正常运行状态的数据集（即数据集A）和暖通空调系统高效率运行状态的数据集（即数据集B）的隶属度，以及分别计算其相对于数据集A和数据集B的偏差容忍度。为便于描述，本实施例中使用 种类数据指代各对应种类数据中的一种，并以 种类数据为例详细介绍隶属度和偏差容忍度的获取方法。0029其中，隶属度的获取方法包括：将数据集A或数据集B中 种类数据的数值进行等距离分段获取频数表，根据频数表获取频数分布直方图和概率密度函数，根据概率密度函数获取累计概率密度函数。

34、；根据累计概率密度函数获取累计概率密度为时对应的各对应种类数据的指标值；优选的，为0.5。0030获取多组监控数据中 种类数据的数据值，确定数据值在概率密度函数中的位置，如图2所示，将数据值在概率密度函数中的位置与 种类数据的指标值 之间的差值的绝对值记为数据值的中心距离，将记为数据值的中心范围；通过隶属度的计算公式计算数据值对应的隶属度：其中为数据集 中 种类数据的数据值对应的隶属度；为的中心范围内包含的数据的个数；为所分析的数据集（即数据集 或数据集）中 种类数据的总个数；为的数值在频数分布直方图中所在区间内包含的数据的个数。0031偏差容忍度的获取方法包括：获取数据集A或数据集B中 种类。

35、数据中所有数据的数据距离的均值和极差；其中数据距离为一组数据中的其中一数据的数值与其余数据的数值求差值的绝对值，取最小值作为该组数据对应的数据距离；说明书7/9 页11CN 116608549 A11获取数据集A或数据集B各 种类数据的极差；获取数据集C中 种类数据的数据值相对于数据集A或数据集B中 种类数据的数据距离；通过偏差容忍度计算公式计算数据值对应的偏差容忍度：。0032S203：分析获取多组监控数据中各数据对应的差异影响度，其中差异影响度的计算公式为：。0033通过步骤S201和S202获取数据值对应的隶属度和偏差容忍度，即可计算种类数据的差异影响度。0034S300:根据差异评价结。

36、果判断各组监测数据对应的暖通空调系统工作时段的空调节能效率，包括：获取多组监控数据中各数据值的运行指标差异距离，运行指标差异距离的计算公式为：其中，为数 据集C中种类数 据的 数 据值中 第 个数 据值，其中，为多组监控数据中 种类数据的数据值中数值的总个数；为数据集A或数据集B中与 种类数据的各个数据值，其中，为数据集A或数据集B中种类数据中的数据值的总个数；为对应的差异影响度。0035本实施例中，步骤S300具体还包括：分别针对数据集A和数据集B中包含的每个数据值，获取该数据值相对于另一数据集之间的运行指标差异距离，取这些运行指标差异距离的均值作为暖通空调处于正常运行状态和高效运行状态时的。

37、运行指标差异距离的阈值；根据数据集C中各数据值相对于数据集A和数据集B之间的运行指标差异距离，判断各组监测数据对应的暖通空调系统工作时段的空调节能效率；其中当监测数据与数据集A对应的运行指标差异距离小于等于阈值 时，则认为监测数据对应的暖通空调节能效率处于正常运行状态；当监测数据与数据集B对应的运行指标差异距离小于等于阈值 时，则认为监测数据对应的暖通空调节能效率处于高效率运行说明书8/9 页12CN 116608549 A12状态；当监测数据与数据集A和数据集B对应的运行指标差异距离均大于阈值 时，则认为监测数据对应的暖通空调节能效率为低效率运行状态。0036按照相同的步骤持续获取新的数据集。

38、 并判断暖通空调系统的节能效率，当有连续三组数据集 中共计大于等于 个数据值对应的暖通空调节能效率为低效率运行状态时，则认为暖通空调的节能效率出现问题，该暖通空调系统需要及时进行检修、排除故障。优选地，为9。0037本发明通过对暖通空调工作过程中各数据进行分析，实现对暖通空调节能效率的智能检测，进而为暖通空调的故障排查提供参考，在暖通空调出现无法直接察觉的故障时，及时对维修人员进行提醒，保证暖通空调的高效率运行。0038首先，根据各监测数据数值分布的集中程度和数据的整体分布情况获取待监测数据对应的隶属度，实现对数据与暖通空调运行状态良好时数据密集分布位置的比较；然后，根据各个种类数据的正常偏差。

39、范围和数据值与实际值的偏差程度获取数据对应的差异影响度，解决了不同种类的数据的差异程度和量纲不同导致的较大差异程度的非异常数据误判为异常数据和较小差异程度的异常数据被误判为非异常数据的问题；最后，根据上述分析获取每个数据值对应的偏差容忍度，根据偏差容忍度获取空调实际运行状态与良好运行状态时的数据差异评价，提升了暖通空调节能效率检测的精确度。0039最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。说明书9/9 页13CN 116608549 A13图 1图 2说明书附图1/1 页14CN 116608549 A14。