Page 54 - 《真空与低温》2025年第5期

苗毅珂等：主成分和相关性分析在热泵系统运行数据挖掘中的融合应用 593

从表 4 可以看出，主成分 4 结合了进风干球温 互影响的程度。通过这种分析，可以全面理解数据
度、相对湿度环境因素，并涉及油温、水流量、系 之间的内在联系，为进一步的决策和优化提供理论
统压差，对于评估系统的热舒适性、能效以及电气 依据。为此，本文对参数进行相关性分析，分别筛
运行状态具有重要意义。主成分 5 主要反映系统 选出与输入功率、换热量和性能系数相关性系数
整体性能、进风温度、温度传感器数据及电流等， 绝对值大于 0.5 的变量，如表 5 所列，以便更直观地
温度相关参数反映了热泵在不同位置的热交换情 反映热泵制冷过程中的输入功率、换热量和性能

况，功率和电流作为系统运行时的能量输入，COP 系数与其他变量之间的关系。影响输入功率的主要
是衡量热泵效率的关键参数，越高表示系统的能效 参数为 I c （0.917 29）、I b （0.845 951）、I a （0.837 076），这

越好，COP 由换热量与输入功率确定，从而电气参 些变量与功率的高相关性表明它们与电流、功率
数与系统的能效和运行状态密切相关。分析结果 输入等电气参数密切相关，反映了系统在不同工况
表明，每个主成分包含的主要参数不同，但它们均 下的功率需求，使用侧出口温度 T sc （0.756 924）的
反映了原始数据的特征。 高相关性表明它对功率消耗有显著影响，同样的，
阀后温度 T f （0.745 602）与功率消耗密切相关。影响
表 4 反映主成分的主要参数 换热量的主要参数为 T h2 （0.850 562）、T h1 （0.836 356），
h
Tab. 4 Shows the main parameters of the principal 这些温度变量与换热量 T s 的关系非常密切，表明
components 换热器出口的温度直接影响换热过程的效率，性能
h
主成分 1 主成分 2 主成分 3 主成分 4 主成分 5 系数 COP 与换热量 T s 的相关性很高，表明换热效
率越高，COP 通常也越高，反映了热泵的整体效率。
T p U b T hx T g ε cop
T sj （0.703 406）与换热量的相关性较高，意味着它是
T c2 U c P f S d T s
R 影响热泵换热能力的关键因素。T f （0.698 002）类似
T f ε cop Q s T g
X 于对功率的影响，T f 在换热量的变化中也起着重
T sj T j1 Y ac T j2
要作用。此外，热泵分配器入口温度 T p 与换热量
T sc T y U a I b I b
P F U c I a P 也是相关的；影响性能系数（COP）的主要参数 U c
（0.799 491）、U b （0.732 303）是与热泵的电气控制系
I c T sh Q s T c1 T c2
统和压缩机工作状态相关的变量，与 的高相关
T j2 T c1 T j1 I c COP
性表明它们直接影响热泵的整体效率，T sh （0.763 535）
T h1 Y ac T p
X
T h2 U a 直接影响 COP，因为较高的换热量通常意味着更高
R
S d 的性能系数。T h2 （0.561 073）的相关性较低，但仍对
COP
I a T s 有一定影响。

U a

表 5 相关性筛选表
I b
Tab. 5 Correlation screening table
通过对热泵系统运行数据进行主成分分析，使
变量 P 变量 T sh 变量 ε cop
多维数据可以用五个主成分进行表示。在后续机器
I c 0.917 290 T h2 0.850 562 U c 0.799 491
学习模型中能够有效捕捉系统性能变化，从而提高 I b 0.845 951 T h1 0.836 356 T sh 0.763 535
对热泵性能（性能参数、温度、流量等）的预测准确 I a 0.837 076 ε cop 0.763 535 U b 0.732 303
性；异常变化的主成分可用于故障诊断：主成分 1 异 T sc 0.756 924 T sj 0.703 406 X 0.658 210
0.745 602 0.698 002 0.561 073
T f T f T h2
常可表示热交换效率或电力损失；主成分 2 的变化则
U a 0.731 010 T p 0.686 202 Y ac 0.556 070
可预示电气系统故障；主成分 4 异常多指向环境适 T sj 0.728 292 T sc 0.592 977 T h1 0.555 636
应性与水力系统问题；主成分 5 异常则关联能效与 T p 0.688 285 I c 0.576 744 T g 0.543 530
0.643 613 I a 0.567 838 R 0.541 800
T c2
电气系统故障。由此分析，主成分分析也可以提取故
0.618 435 0.559 201 F 0.532 480
P f T g
障特征，可以提高故障诊断模型的效率与准确率。
T j2 0.587 040 I b 0.515 851 P f 0.509 690
3.2 基于相关性分析的关键参数提取 F 0.545 075 Y ac 0.506 510
主成分分析不能反映原始参数之间的关系，相 T h2 0.513 152 T c2 0.505 042
关性分析旨在探究不同参数之间的相关性及其相 T h1 0.502 051