制冷剂泄漏是制冷设备运行过程中的一种常见故障,对于数据中心空调系统,若无法及时检测出制冷剂泄漏故障,将会导致机房温度失控,无法满足数据中心设备的需求,甚至产生电子设备宕机的危险。本文根据是否具有制冷系统完整结构参数,提出了基于物理-数据挖掘这一混合逻辑的制冷剂泄漏故障诊断方法,并基于一台25kW额定制冷量的数据中心空调系统的历史运行数据对诊断方法进行了验证。结果表明,混合逻辑方法对制冷剂泄漏故障具有良好的检测和诊断效果。对此,本文开展了如下工作:首先,对于制冷设备各部件结构参数已知,但缺乏实际运行数据的系统(如设备生产厂商),提出基于物理模型的制冷剂充注量估计方法。根据变频压缩机流量与频率的近似线性关系,建立压缩机质量流量虚拟传感器模型。运用能量守恒和质量守恒原理,分别建立各部件物理仿真模型,通过输入采集系统在不同位置的温度、压力以及控制信号,计算出各部件所含制冷剂质量,系统总充注量为所有部件质量之和。由于空泡系数对制冷剂两相区质量计算影响较大,本文分别对六种空泡系数模型建模,并选出精度最高的一种,对物理进行优化。其次,对于各部件结构参数未知,但有历史运行数据的系统(如用户终端),建立基于数据挖掘的制冷剂泄漏故障诊断方法。根据数据中心空调系统液体管路长的特点,提出了一种增加液管压降特征指标的改进型充注量估计灰箱模型,并结果神经网络,建立灰箱-神经网络诊断模型。结果表明,相比于单一只约束过冷度和过热度的灰箱模型,灰箱-神经网络模型整体计算偏差大幅度降低,并且极大地改善了模型在大故障情况下的计算精度。最后,根据实际不同的运用场景,提出了基于物理-数据挖掘的故障诊断混合逻辑。基于一台额定制冷量为25kW的数据中心空调系统在不同充值量水平的实验数据,对模型进行测试,结果表明,混合逻辑能有效检测和诊断出当前系统的制冷剂泄漏故障,效果良好。