建筑能源系统中的故障在所难免,例如供暖、通风、空调或制冷系统。随着这些系统利用率的提高,它们的故障检测对于维持其运行性能变得更加重要。随着物联网与数据科学等新产品和技术在空调系统中的应用,例如智慧城市或智慧楼宇的发展使得可采集的空调系统运行数据会越来越多,这就给传统的空调系统运行监控和故障检测与诊断（fault detection and diagnosis,FDD）带来了新的机遇和挑战。而现有的大多数空调控制器以实现控制功能为主,数据存储、处理或计算能力较弱,对于运行监控与故障检测的可扩展性较差。大量运行数据的出现导致传统的故障检测技术已无法满足需求,例如,采用专家规则法进行故障检测与诊断,阈值训练可获得的无故障历史运行参照数据会越来越多,可进一步探究如何及时动态的调整历史参照数据。因此,扩展空调系统设备侧存储运行数据、计算或挖掘这些数据、检测运行参数、诊断潜在故障等功能具有重要的意义。本文采用一种故障检测策略。需在故障检测计算之前筛除缺失的数据以防止或减少误报警。由于故障检测程序中测量变量的顺序与输入变量的顺序不一致,应调整输入变量的顺序。根据能量守恒定律,选取影响空气处理机组（Air Handling Unit,AHU）能量平衡模型的变量作为关键性能参数（Key Performance Indicators,KPI）。观察送风量与送风温度是否达到设定值,供回水温差是否在设定范围内,以判断系统是否处于稳态运行状态。根据设定变量的上下限值,判断测量信号是否处于超出正常范围。记录当前时刻的测量值,并结合前n-1个时间点的数据,通过观察这些数据是否发生变化,来判断传感器读数是否发生凝滞故障。根据三种与水侧或空气侧换热相关的规则,来检测传感器固定偏差故障。最后采用基于数据驱动的故障检测策略进行设备故障检测,以及根据空气处理单元评估规则判断空调运行性能是否异常。结合LabVIEW及MATLAB,开发变风量空调箱运行监控与在线故障检测架构程序,扩展了现有空调控制器有限的数据处理或计算能力。该架构利用Modbus TCP通讯协议实现与空调系统之间的数据通信,实时监测温湿度、静压、送风机电流、风机输出频率等参数的变化趋势。本文将MATLAB数学计算程序嵌入在线故障检测架构,设计了运行状态判别程序,测量信号超限判别程序,传感器读数凝滞故障检测程序,传感器固定偏差故障检测程序,设备故障检测程序,异常性能故障检测程序,维修或维护决策程序,健康管理报告输出程序及历史故障查询程序。在实际变风量空调箱设备侧,现场测试在线故障检测架构的FDD性能。定义故障检测时间占比（Fault Detected Time Ratio,FDTR）为从检测出故障开始,60个数据采样时间点内检测出故障的时间占总时间的百分比。将故障检测时间占比作为该架构故障检测性能的评价指标。以3秒的采样间隔在线采集运行数据,将预处理后的数据传递给计算程序进行故障检测。在实际变风量空调系统中设置人工故障,进行现场检测及结果分析。当发生测量信号超限故障时,故障检测时间占比在87.00%～99.55%之间。当发生传感器读数凝滞故障时,故障检测时间占比均在94.82%～99.69%之间。设备类故障检测率统计结果的平均值为77.08%。以冷却盘管水阀卡死在较小位置或较大位置、送风流量传感器读数凝滞、实测送风量低于需求送风量为例,运行性能故障检测的时间占比分别为95.60%,97.24%,97.55%,99.76%。测试结果表明,运行监控与在线故障检测架构对于测量数据超限,传感器读数凝滞,设备类故障,异常运行性能具有良好的故障检测效果,而对于温度传感器固定偏差故障的检测效果较差。可能由于外界负荷变化的干扰及传感器自身的测量误差,部分温度传感器的检测率比平均统计结果低10%左右,影响了在线架构对于传感器固定偏差的整体检测效果。本研究验证了架构的可靠性,为后期在空调系统中实施边缘计算奠定了一定研究基础。