故障广泛存在于HVAC系统,尤其是冷水机组中。故障的存在不仅导致能源的大量浪费并降低室内热舒适,而且会缩短设备寿命从而造成高额的维修费用。虽然众多研究致力于冷水机组的故障检测与诊断(FDD),但所构建的模型均具有固定非时变性、方法单一和不能更新的特点。在此基础上,本文提出了一种改进的主元分析方法-基于滑动窗口多尺度主元分析(MW-MSPCA)的冷水机组故障检测与诊断方法。利用主元分析(PCA)、小波包分析和滑动窗口技术的优点,本文提出了基于PCA、基于多尺度主元分析(MSPCA)和基于MW-MSPCA的三种冷水机组FDD策略并构建三者对应的模型。三种模型通过ASHRAE 1043-RP的实验数据和实际工程测试数据的验证及对比得到如下结论:MW-MSPCA方法能够很好的实现冷水机组除开机和关机的动态非平稳过程的FDD,而不仅仅是稳态或准稳态过程;MW-MSPCA方法能够利用部分运行工况数据作为训练数据构建模型,且不影响模型的FDD性能;MW-MSPCA方法从多尺度的角度进行数据分析,消除了噪声对FDD结果的影响;MW-MSPCA方法构建的动态自更新模型在冷水机组FDD中有更高的准确率和敏感性,同时该方法也能极好的实现低级别故障的FDD;MW-MSPCA方法利用三维贡献图进行故障的诊断,较传统二维贡献图更加直观和准确;实验数据和实际工程测试数据验证结果表明,所提出的MW-MSPCA方法具有很好的通用性。通过三种模型的实验结果对比,无论从冷水机组FDD的正确性还是模型对故障或故障等级的敏感性来看,MW-MSPCA方法构建的动态自更新模型均优于其它两种方法。