冷水机组是整个建筑空调系统的集中供冷者,一旦发生故障,不仅造成大量的能源浪费,还会影响机组使用寿命及室内舒适度。在实际应用中,冷水机组正常工况下的运行数据易获得,但故障工况下的数据不易获得,若冷水机组故障模式库中没有相对应的故障数据将会使故障诊断变得异常困难,因此冷水机组机非预期故障相比预期故障更难诊断。所以冷水机组非预期故障诊断方法的研究越来越受到研究者的重视。本文沿着“从框架到方法,从预期到非预期”的思路,来进行冷水机组非预期故障诊断方法的研究。首先,提出了非预期故障诊断的通用过程模型,指出了本文研究的思路,明确了非预期故障诊断过程的每一步工作以及该工作的主要内容及作用;其次,针对传统支持向量数据描述（SVDD）方法在构建模型时存在的局限性,提出了全局密度权重支持向量数据描述（GDW-SVDD）方法,可以有效的提升预期故障检测与诊断及非预期故障检测的性能;然后,介绍了非预期故障隔离方法,针对非预期故障检测过程中的非预期故障数据,使用基于贡献率的故障隔离方法确定故障发生的变量,从而确定非预期故障的类型,进而完成非预期故障诊断的任务;最后,对冷水机组系统及典型故障进行了详细介绍,并对ASHRAE RP-1043冷水机组故障实验项目进行了说明。本文使用ASHRAE RP-1043冷水机组故障实验对所提出的方法进行验证。在预期故障检测阶段,本文所提出的GDW-SVDD方法不仅降低了虚警率（FAR）,测试集的FAR由10.75%下降到8.25%,并且显著提升了预期故障的检测正确率;在预期故障诊断阶段,GDW-SVDD方法也能够有效提升预期故障的诊断正确率,与传统SVDD方法相比,对7类典型故障分别提升了3.75%、8.75%、1.25%、3.75%、7.75%、2.0%以及1.25%;与基于DW-SVDD方法相比,分别提高1.75%、8.75%、1.25%、2.0%、3.0%、2.0%以及1.25%;非预期故障检测阶段,GDW-SVDD方法对非预期故障检测性能总体上优于传统SVDD及DW-SVDD;非预期故障隔离阶段,基于贡献率的方法虽然能够实现非预期故障的隔离,但是该方法存在一定的局限性,需要做进一步改进与提升。