在当前能源消耗日益严峻的形势下,太阳能利用受到越来越多关注,PVT热泵系统作为可实现热电联产的建筑能源系统也在被不断深入研究。本课题组前期针对现有PVT热泵存在问题提出了一种新型的冷热电联供PVT热泵系统,并对其优化控制展开进一步研究。传感器测量值的准确性是系统控制和优化运行的基础,PVT热泵系统长时间处于露天环境中,冷热工况周期性切换,传感器频繁与高温高压的制冷剂液态和蒸汽接触,内外工作环境都比较恶劣,极易受到损坏,高度集成化的设置使得故障传感器不易被更换。因此,对PVT热泵系统传感器进行故障诊断基础上的校准修复具有重要意义。本文将虚拟原位校准（Virtual In-Situ Calibration,VIC）方法应用到PVT热泵系统中,对8个影响系统运行控制的温度和压力传感器进行固定偏差与精度下降类故障修复。首先结合PVT热泵系统模型,根据变量类型和传感器出厂精度引入多种故障工况,先以模拟数据验证基于数学物理模型的虚拟原位校准（Model-VIC）在PVT热泵系统中的可行性,得到所有传感器的系统误差修复率均在90%以上的结果。为验证实际过程中的校准效果,进一步基于实验测量数据校准,此时平均误差修复率仅为20%～60%,且存在多个校准失败的情况,数学模型的精度严重影响了修复效果,说明Model-VIC在PVT热泵系统的实际应用中存在很大局限性。其次,鉴于Model-VIC的局限性,本文提出了基于稀疏自编码器的虚拟原位校准法（SAE-VIC）。稀疏自编码器在重构数据过程中提取多变量间的特征,基于无监督学习揭示传感器网络之间的耦合关系,无需建立模型即可为VIC校准提供准确约束特征,解决了数学模型精度不足的问题。之后基于相关系数法、m RMR和Relief F算法优化稀疏自编码器的输入变量,分析隐藏层神经单元数和稀疏参数对校准的影响。与Model-VIC平均误差修复率为仅为在50%左右相比,在基于实验数据的SAE-VIC校准下,单个传感器故障的误差修复率稳定在80%以上。但是SAE-VIC在同时校准所有传感器时,修复时间是单一传感器的20倍以上（65分钟）,难以达到实时故障修复的效果。最后,为解决SAE-VIC求解多个偏移常量时间长、修复率低的问题,本文提出FDD-SAE-VIC方法。在修复前对传感器进行故障诊断,定位故障传感器,并分析多传感器故障对诊断正确率的影响。经过结构优化后的SAE模型在结合Softmax故障诊断与定点修复后,可以将误差诊断率和固定偏差修复率都提高至90%左右,精度也可降低至出厂精度附近,而校准时间控制在200s左右,真正实现了故障实时在线诊断修复,减少了传感器偏差对压缩机运行和能耗的不利影响。