3. 故障诊断基础方法论

储能温控系统的故障诊断不是单一算法问题，而是一套从“认识故障”到“定位故障”再到“预测故障”的方法体系。本节把五种基础方法论放在同一条能力链上理解：FMEA 负责把潜在故障模式梳理清楚，FTA 负责从顶事件向下追溯原因组合，专家系统负责把现场经验固化为可推理规则，数据驱动诊断负责从运行数据中学习异常模式，信号处理则为前四者提供特征提取与噪声抑制的底层支撑。五者并非互斥，实际工程中常组合使用。

一、故障模式与影响分析（FMEA）

FMEA 的核心是“先穷举、再评级”。对储能温控系统，可按子系统拆解：压缩机与制冷回路、冷却液循环泵与管路、风机与风道、板式换热器、传感器（温度、压力、流量）、控制器与执行器（电子膨胀阀、电磁阀、变频器）。每个部件列出典型故障模式，例如“电子膨胀阀卡滞”“冷却液流量不足”“温度传感器漂移”“风机轴承磨损”。

评级通常采用 RPN = 严重度 S × 发生度 O × 探测度 D，取值 1～10。以“冷却液流量不足”为例：S=8（可能导致电芯温差超限），O=4（管路结垢或泵衰减较常见），D=5（仅靠单一流量开关不易早期发现），RPN=160，属于需优先治理项。而“风机噪声增大”S=3、O=5、D=3，RPN=45，可列入常规巡检。FMEA 的输出是一张按 RPN 排序的风险清单，直接决定后续 FTA 的顶事件选择和数据驱动诊断的监测重点。

二、故障树分析（FTA）

FTA 从已确定的顶事件出发，用逻辑门向下分解。以“电芯温差过大”为顶事件，第一层可分解为“制冷量不足”或“冷却液分配不均”或“传感器测量失真”。继续向下：“制冷量不足”可再分为“压缩机停机”“制冷剂泄漏”“膨胀阀开度异常”，用或门连接；“冷却液分配不均”则可能同时需要“流量偏低”与“支路阻力偏大”，用与门连接。与门意味着两个条件同时成立才触发，这对排故顺序影响很大——与门下方的事件应优先验证更容易测量的一项。

FTA 的定量价值在于求最小割集。若某割集只含一个基本事件，说明该事件单独即可导致顶事件，属于单点故障，必须优先消除。定性上，割集阶数越低越关键；定量上，可代入各基本事件失效概率估算顶事件概率，用于判断当前设计是否满足可靠性目标。

三、专家系统

专家系统把运维人员的判断经验写成“如果—那么”规则。例如：

规则 R07：
IF 压缩机排气压力 > 2.8 MPa
AND 冷凝器出风温度 > 55 ℃
AND 环境温度 < 35 ℃
THEN 判定为冷凝散热不良（置信度 0.85）
建议动作：检查冷凝器翅片积灰、冷凝风机转速

推理机按优先级匹配规则，冲突时按置信度或规则权重消解。专家系统的优势是可解释、易维护，缺点是规则覆盖有限、难以处理连续量之间的细微耦合。因此它常与数据驱动方法并联：规则给出明确结论，数据模型给出异常评分，两者不一致时转人工复核。

四、数据驱动诊断

数据驱动诊断把温控系统视为多变量过程，常用方法包括阈值统计、主成分分析（PCA）、聚类和分类模型。以 PCA 为例，选取冷却液进出口温差、流量、压缩机电流、风机电流、环境温度等变量，建立正常工况下的主成分模型，计算 SPE（平方预测误差）和 T² 统计量。当 SPE 超过控制限时，说明变量间相关性被破坏，可能存在传感器漂移或部件性能衰减。

数据驱动方法的关键不在算法本身，而在标签与工况划分。充放电倍率、环境温度、运行时长都会改变正常基线，若不按工况分层建模，误报率会显著上升。工程上通常先用历史数据划分“正常/异常”样本，再训练轻量分类器，输出异常概率而非硬判决。

五、信号处理基础

传感器原始信号往往含噪声和工频干扰。常用处理包括：滑动平均或一阶低通滤波抑制随机噪声；FFT 提取风机、压缩机振动信号的转频与倍频特征；小波变换用于捕捉突变和瞬态冲击。例如风机轴承磨损时，振动信号在转频及其谐波处能量上升，通过频谱对比可早期发现。信号处理不直接给出故障结论，但为 FMEA 的探测度评估、FTA 的基本事件验证和数据驱动的特征输入提供高质量数据。

六、方法组合与选用建议

五种方法在工程中通常按“识别—追溯—推理—学习—支撑”协同。FMEA 先给出高风险故障模式清单，FTA 针对其中影响最大的顶事件建立因果树，专家系统把树中可明确判定的分支写成规则，数据驱动对难以规则化的连续量做异常检测，信号处理贯穿始终保证输入质量。选用时不必追求全部上齐：若系统刚投运、历史数据少，优先做 FMEA 与 FTA；若已有较长运行数据，可先上 PCA 异常检测；若现场经验丰富但数据积累不足，专家系统见效最快。

需要强调的是，任何方法输出的都是“疑似故障”而非最终结论。工程上应保留人工复核环节，把诊断结果与现场检查、部件测试相互印证，才能形成可靠的故障定位闭环。