污水源热泵技术是一种政府大力推广的“零污染”绿色能源,具有广阔的应用前景。论文以西安万科金色悦城小区的污水源热泵系统为研究案例,该项目是西安市重点环保新能源建设工程。在参与该项目调研过程中发现,热泵系统运行过程中会发生故障,由于系统的复杂性,在出现故障后,需要维修人员根据故障的特征,测试热泵系统中的不同设备,进而定位故障点,耗时耗力,更重要的是在维修期间热泵系统无法正常工作,造成了大量的经济损失,同时还需要面对终端用户的投诉。热泵故障的产生是一个渐进的过程,为了解决以上工程中遇到的实际问题,关键在于如何在系统设备发生停机故障之前提前预警,并定位故障发生的位置,从而及时的进行维护。本文探索利用智能算法建立污水源热泵故障诊断模型,对系统故障进行诊断。首先,以2016~2019年供暖期间(每年的11月15日到次年3月15日)采集的污水源热泵系统数据为基础,选取“压缩机电磁阀故障”、“蒸发器结垢”和“板换结垢”常见的三种故障类型,并各提取100组训练数据作为样本,建立故障状态集,同时取100组“正常运行状态”数据进行对比。由于热泵系统的运行是一个动态变化的过程,系统内设备参数变化都存在着不同程度的关联性,本文借助系统内嵌的传感器反馈数据建立运行数据与运行状态之间的映射关系。其次,基于已建立的故障状态集,搭建相应BP神经网络结构模型,采用BP算法对热泵进行诊断,实验结果显示准确率为40%,为了提高实验效果,本文采用自适应权重粒子群算法(AWPSO)对BP模型的权值和阈值进行优化,并用带动量项的自适应学习训练算法训练该模型,实验结果表明,优化后的算法取得了更好的实验效果,故障诊断准确率达到了85%。然而,考虑到项目长期运行会出现海量数据,对实验有进一步改进的必要。经分析,样本数量有限对神经网络算法的影响较大,鉴于支持向量机(SVM)算法在小样本下有较好的表现,本文基于MATLAB平台,利用LIBSVM工具箱构建了SVM模型对热泵系统进行故障诊断,诊断准确率达到了95%。最后,在对以上实验结果深入分析时发现,尽管上述算法在定性层面上的诊断准确率已有了较大提升,但在定量分析层面上,以上单一智能算法得出的结果存在较大的潜在误报风险。本文的故障诊断结果是基于不同运行状态下隶属度值的大小进行判断,当某类状态下的隶属度值最大,则归属于该类型故障。然而以上算法在计算隶属度值时,部分输出结果显示,在不同状态类型下隶属度值差别不明显,如何提升诊断的置信度水平成为研究的重点。论文于第4章引入了基于D-S证据理论的多源信息融合方法,将BP、AWPSO-BP、SVM三种算法得出的结果转化为证据体进行融合分析。结果表明,信息融合方法建立的模型达到了理想的效果,不仅提升了诊断的置信度水平,而且将以上单一算法中部分误诊断的结果也给予了修正。综合以上论述,采用智能算法对污水源热泵系统进行故障诊断,可以达到在系统发生停机故障前预警目的,保证热泵系统正常高效运行,在热泵实际运维工作中能起到较好的指导作用。