一种基于机器学习的制冷系统能耗优化方法

本发明涉及暖通空调系统智能控制及故障诊断技术领域，具体为一种基于机器学习的制冷系统能耗优化方法；包含理想基准构建、虚拟故障模拟、残差投影识别与闭环修正步骤；系统通过采集实时负荷与环境数据，基于逆卡诺循环构建理想状态向量；其核心是利用泰勒级数展开生成虚拟故障状态向量，计算实时特征残差与虚拟特征残差的投影相似度，以精准识别故障；当识别出特定故障时，自动调整控制参数或报警；本发明通过构建热力学理想基准替代传统历史数据建模，有效解耦环境变量，避免将设备老化误判为正常，确保了基准的纯净性与准确性。