Die rechtzeitige Erkennung von Fehlerzuständen, die durch Leckagen in regionalen Kälte-/Wärmesystemen verursacht werden, sowie die Diagnose der genauen Position und des Ausmaßes der Leckage können den sicheren Betrieb des Systems gewährleisten. Um das Problem der übermäßigen Abhängigkeit traditioneller datengesteuerter Methoden von der Datenqualität und -menge zu lösen und die Robustheit von Fehlerüberwachungs- und Diagnosemodellen zu verbessern, wurde in dieser Arbeit ein Überwachungs- und Diagnosemodell für Fehler in regionalen Kälte-/Wärmesystemen entwickelt, das auf Evidenz und neuronalen Netzwerken basiert. Das Modell kann mithilfe eines auf einem Evidenz-basierten KNN-Klassifikator basierenden Fehlerüberwachungsmodells den Systembetriebszustand überwachen und anschließend mittels eines auf neuronalen Netzwerken basierenden Fehlerdiagnosemodells die Leckageposition und -menge bestimmen. Anhand eines realen regionalen Heizsystems in der Region Chengde, Provinz Hebei, wurde das Modell untersucht und analysiert. Die Ergebnisse zeigen, dass die Genauigkeit dieser Methode zur Fehlerüberwachung und -diagnose in regionalen Kälte-/Wärmesystemen bei 95,8 % liegt.

regionales Kälte-/Wärmesystem;evidenzbasiert;Zustandsüberwachung;Fehlerdiagnose