멀티 스플릿 에어컨 시스템은 다양한 공공 건물에서 널리 사용되고 있으며, 고장이 발생하면 쾌적성이 저하되고 에너지 소비가 증가합니다. 냉매 충전 수준은 에어컨 시스템의 효율적인 작동에 중요한 영향 요소입니다. 본 논문에서는 Boosting 앙상블 알고리즘 기반의 고장 진단 모델을 제안하며, 냉매 충전량 고장을 연구 대상으로 하여 로지스틱 회귀, 의사 결정 나무, 랜덤 포레스트, 서포트 벡터 머신 및 BP 신경망 등 5개의 기본 분류기를 통합하고, 카이제곱 검정을 이용한 특징 선택과 냉방, 난방 모드의 실험 데이터를 사용해 진단 모델을 구축했습니다. 결과는 Boosting 기반 앙상블 모델이 멀티 스플릿 냉매 충전량 고장을 효율적으로 감지할 수 있음을 보여주었으며, 정확도는 96.8%에 달해 전통적인 고장 진단 방법에 비해 진단 모델의 반응 속도, 정확도 및 실용성을 크게 향상시켰습니다.

Boosting;앙상블;냉매 충전량;멀티 스플릿;고장 진단