摘　要： 制冷与空调设备在日常生活中的应用十分广泛，为了提高舒适度以及节约能源，人们也加强了对其控制技术的研究。将大数据融入制冷空调的控制技术中，可以使设备的运行状况更好地改善，进一步降低能源消耗，并能提供精确服务，具有较好的经济效益。

关键词： 制冷与空调 自动控制 大数据

1　自动控制技术的目的

1.1　调控参数，满足工艺要求，提高舒适度

自动控制就是在没有人工参与的情况下，应用控制装置对生产和生活过程中的目标要素、工艺参数等各项要求进行自动调控，最终达到预期效果。制冷及空调装置本身是一个封闭系统，为了确保设备运行正常，并达到各项技术指标要求，需要对压力、温度、湿度、流量等各项参数进行控制，将各种仪表合理地组合在一起，形成一个完善的控制系统。调节的主要内容包括温度、湿度、压力、洁净度、风速等，并与能源消耗密切联系，在外界环境状况改变时，通过自动调节实现自动控制并降低运行费用，具有较好的经济效益。

1.2　维持系统正常运行状态

自动保护装置可以使制冷与空调系统维持正常运行状态，如果制冷与空调设备在具体运行过程中出现异常情况，例如，系统出现了排气压力过高、吸气压力过低、油压偏低、断水等各种不正常情况，参数到达警戒值时，制冷与空调设备在运行过程中将会执行保护性操作，包括警示亮灯、发出报警信号、故障性停机等，通过一系列的动作，确保制冷和空调设备在运行期间不会出现任何问题。

2　传统的自动控制技术和数据应用

对于运行过程中的数据，传统的使用方法是作为制冷空调系统故障与诊断的来源，基于定量或定性的方法，建立故障诊断模型，从而对制冷空调系统实行在线的监测和诊断。但是这种数据处理方式通常是对单机或者单系统而言，且由于过去存储技术的限制，因此不具有趋势判断功能，使用范围有限，而且非常依赖于分析者的知识水平。

3　大数据的概念

大 数 据(Big Data) 又 称 为 巨 量 资 料， 有 4V 特 点， 即Volume(大量)、Velocity(高速)、Variety(多样)、Value(价值)。制冷空调行业的大数据主要包括几个方面：空调设计数据、空调实验数据、空调销售数据、空调运行数据等。目前应用前景比较明确的在于制冷空调运行数据的收集、预处理、分析和应用。

4　制冷空调系统运行数据的挖掘、过滤、分析和应用

4.1　数据的挖掘

数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中的信息。数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统(依靠过去的经验法则)和模式识别等诸多方法来实现上述目标。制冷空调系统在实际运行中每时每刻都有数据在产生，这些数据中的绝大部分都可以通过制冷空调的自动控制系统进行反馈和收集。

4.2　数据的过滤

由于数据采集过程中存在的不确定性，因此必须对数据进行过滤，即 ：对数据进行重新审查和校验，目的在于删除重复信息、纠正存在的错误，并提供数据一致性，处理无效值、缺失值等。如 IBM 的数据总控中心，可以管一百多个其他的周边数据中心，每天处理的报警信息差不多有几千万条，每个月超过十亿太，这是不可想象的。但是，这些报警信息中有 90% 以上都会自动处理和过滤掉的，最后只有 10% 的数据需要一线监控人员或者技术人员去人为干预。实际应用中，对收集的空调运行数据也需要利用各种数据算法进行预处理，常用的算法包括概率神经网络算法、遗传算法等数据过滤技术。

4.3　数据分析和应用

(1)空调监测控制和故障诊断及全寿命周期健康管理研究;

针对具体制冷空调产品或系统，收集大量实际运行数据，逐个逐时建立产品的健康数据档案。基于海量数据提取具有表征产品运行健康静态、动态特性的关键热力特征，进行重点检测和挖掘分析，构建大数据健康管理平台，检测制冷空调产品或系统的全寿命周期工作状态。空调系统的节能潜力分析和优化控制。收集具体制冷空调产品的实际运行数据进行统计分析，构建有效合理的节能指标，进行重点检测和挖掘分析，筛选最优节能模式。大数据时代的自控核心原理 ：通过平台采集到各个客户的终端设备特性(如品牌、铭牌参数、启用时间，维修记录，维保单位、运行数据、工况数据、故障信息、瞬时功率、耗能等)、及建筑特性(建筑类型、人流数、围护特征等)进行数据挖掘，使对各单位各类别的设备优化运行数据显性化。 再基于用户行为习惯，判断具体空调系统的运行模式是否节能，对于空调新产品和新技术的开发有着重要作用。

5　结语

互联网 + 背景下的智能化将是不可逆转的发展趋势。利用互联网平台，建立大数据，在制冷空调核心技术的基础上，运用云计算技术对现有应用进行升级和管理，可实现在线升级、情景定制、智能适应、自动兼修、远程控制等功能。 并围绕大数据平台建立开放的商业模式，用大数据捕捉用户需求，真正实现从传统制造商到服务商的转变。