为提高空调系统运行效率,维持稳定的室内热湿环境,空调系统中布置有不少传感器对其进行实时状态监测。然而,在复杂多变的室内用户冷热需求、室外环境扰动以及长时间使用的影响下,空调系统中的传感器不可避免会发生各种类型的故障。传感器故障的发生极大地影响了传感器的精度与传感器测量数据的可靠性,引起空调系统的运行控制偏离其正常指令范围,进而导致空调系统运行能耗损失增加、设备性能下降及室内人员热舒适性降低。因而,开展空调系统传感器故障性能影响分析与故障检测方法研究具有较强的学术价值和工程应用背景。针对空调系统中传感器故障性能影响分析与故障检测领域存在着传感器故障数据获取难度高、传感器故障影响分析不充分,需要进一步对比分析不同类型传感器故障检测方法等问题,本文开展了相关研究。首先,在Energy Plus中典型办公建筑基础上,建立了多联机系统（Variable Refrigerant Flow,VRF）、地源热泵系统（Ground Source Heat Pump,GSHP）、冷水机组+锅炉系统（Chiller and Boiler,CB）三种空调系统仿真模型及对应的传感器故障模型。其次,在冷水机组+锅炉系统中,对三种典型温度传感器(室内温度传感器Tia、送风温度传感器Tsa、冷冻水供水温度传感器Tchws)分别引入-5℃～+5℃（间隔1℃）的传感器偏差故障。对比分析了不同温度传感器故障对空调系统运行性能的影响大小及规律。再次,以室温传感器偏差故障为例,定量分析室温传感器故障的故障程度（故障偏差值大小）与故障方向（故障偏差正负向）对三种不同空调系统（多联机、地源热泵和冷水机组+锅炉）的运行能耗、系统性能及室内人员热舒适性三个方面的影响。最后,选取指数加权移动平均值控制图、支持向量机及卷积神经网络三种不同类型方法来建立传感器故障检测模型。以冷水机组+锅炉系统模型中三种典型温度传感器的-5℃～+5℃偏差故障为例,对三种不同类型的空调系统传感器检测方法进行了验证,引入故障检测效率（Fault detection rate,FDR）指标对比分析了在三种温度传感器故障下三种不同传感器故障检测模型的故障检测性能差异。结果表明:在建立的三个空调系统模型中,冷水机组+锅炉系统全年耗电量相对较小。在传感器故障性能影响方面,不同温度传感器故障、不同故障程度、不同故障方向及不同季节等因素对空调系统性能的影响规律不同。综合考虑空调系统运行能耗、不满足小时数、性能系数（Coefficient of performance,COP）、预测平均投票及预测不满意百分数等评价指标,地源热泵系统相对多联机系统和冷水机组+锅炉系统受到室温传感器偏差故障的影响相对更小。在故障检测方面,对于冷水机组+锅炉系统的三种温度传感器故障,基于深度学习理论的卷积神经网络模型的故障检测相对最高,其次是基于模式辨识理论的支持向量机模型,而采用统计概率理论的指数加权移动平均值控制图模型的检测效率则相对最低。其中,卷积神经网络模型在-5℃～+5℃的冷冻水供水温度偏差故障下的故障检测效率均超过了90%,在-5℃～+5℃的送风温度偏差故障下的故障检测效率均达到了100%。