Il est difficile de déterminer les facteurs responsables des fortes fluctuations de la consommation d'énergie uniquement à partir des variations des données de consommation énergétique d'un système multi-split. Cet article propose une méthode efficace d'évaluation et de diagnostic de la consommation d'énergie pour les systèmes multi-splits : en combinant l'algorithme de régression par vecteurs de support (SVR) avec l'algorithme de la machine à vecteurs de support à une classe (OCSVM). Tout d'abord, en extrayant les caractéristiques du jeu de données de consommation énergétique du système et en éliminant les données en régime transitoire, on construit un modèle SVR basé sur les variables caractéristiques extraites et la consommation énergétique du système pour prédire la consommation énergétique du système multi-split ; ensuite, la différence et le rapport entre la consommation réelle et la consommation prédite sont normalisés, utilisés comme variables d'entrée pour établir un modèle OCSVM pour la classification des échantillons, afin de déterminer si ceux-ci sont à l'origine d'une anomalie dans la consommation d'énergie du système, permettant ainsi d'évaluer et de diagnostiquer la consommation énergétique du système multi-split. Cette étude a construit un modèle fondé sur un jeu de données normal de consommation énergétique multi-split et a vérifié la fiabilité du modèle avec un jeu de données anormal. Les résultats montrent que le modèle d'évaluation et de diagnostic basé sur SVR-OCSVM présente une haute précision, atteignant environ 70% ou plus.

Système multi-split; Évaluation et diagnostic de la consommation d'énergie; Régression par vecteurs de support; Machine à vecteurs de support à une classe