Es ist sehr schwierig, basierend allein auf den Änderungen der Energiedaten eines Multi-Split-Systems die Faktoren zu bestimmen, die zu erheblichen Schwankungen im Energieverbrauch führen. In diesem Artikel wird eine effektive Methode zur Bewertung und Diagnose des Energieverbrauchs von Multi-Split-Systemen vorgeschlagen: Die Kombination des Support Vector Regression (SVR)-Algorithmus mit dem One-Class Support Vector Machine (OCSVM)-Algorithmus. Zunächst werden durch Extraktion von Merkmalsvariablen aus dem Energiedatensatz des Systems stationäre von instationären Daten getrennt und ein SVR-Modell basierend auf den extrahierten Merkmalen und dem Systemenergieverbrauch aufgebaut, um den Energieverbrauch des Multi-Split-Systems vorherzusagen; anschließend werden die Differenz und das Verhältnis zwischen tatsächlichen und vorhergesagten Energieverbrauchswerten normalisiert und als Eingangsvariablen verwendet, um ein OCSVM-Modell für die Probenklassifikation zu erstellen, um zu bestimmen, ob die Ursache für eine anomale Energienutzung vorliegt, wodurch der Energieverbrauch des Multi-Split-Systems bewertet und diagnostiziert wird. Dieser Artikel baute ein Bewertungs- und Diagnosemodell basierend auf normalen Energiedaten von Multi-Split-Systemen und validierte die Zuverlässigkeit des Modells mit anomalen Energiedaten. Die Ergebnisse zeigen, dass das auf dem SVR-OCSVM-Modell basierende Bewertungs- und Diagnosemodell eine hohe Genauigkeit aufweist und im Allgemeinen mehr als 70 % erreicht.

Multi-Split-System; Bewertung und Diagnose des Energieverbrauchs; Support Vector Regression; One-Class Support Vector Machine