Размеченный набор данных для построения систем отопления, вентиляции и кондиционирования воздуха, работающих в условиях сбоев и отказов.

Научные данные, том 10, Номер статьи: 342 (2023) Цитировать эту статью

287 Доступов

Подробности о метриках

Открытые данные стимулируют инновации во многих областях. В области строительной науки крайне сложно найти наборы данных, которые можно использовать для разработки эксплуатационных приложений (например, новых алгоритмов управления и методов анализа производительности). В этой статье обобщается разработка и содержание крупнейшего известного общедоступного набора данных о работе систем здания в неисправных и исправных состояниях. Он охватывает наиболее распространенные системы и конфигурации HVAC в коммерческих зданиях в различных климатических условиях, типах и серьезности неисправностей. Точки временных рядов, содержащиеся в наборе данных, включают измерения, которые обычно встречаются в существующих зданиях, а также некоторые менее типичные. Для получения данных использовались инструменты моделирования, экспериментальное испытательное оборудование и полевые работы на месте. Чтобы обеспечить большее количество данных для алгоритмов, большая часть смоделированных данных охватывает год эксплуатации для каждой комбинации серьезности неисправности. Набор данных представляет собой значительное расширение набора данных, впервые опубликованного ведущими авторами в 2020 году.

Обнаружение неисправностей и диагностика (FDD) — это хорошо зарекомендовавшая себя область исследований в области строительной науки и строительных технологий. Во многом это обусловлено значительным влиянием неисправностей оборудования и проблем управления на энергопотребление здания и выбросы, срок службы оборудования и комфорт жильцов. В частности, создание систем отопления, вентиляции и кондиционирования воздуха открывает широкие возможности для разработки алгоритмов FDD, учитывая множество конфигураций системы, сложные операции и доступность отслеживаемых данных. Кроме того, недавние усилия по декарбонизации зданий и электроэнергетического сектора повышают важность энергоэффективных зданий, взаимодействующих с энергосетями, которые могут надежно предоставлять услуги гибкой нагрузки для энергосистемы, снабжаемой возобновляемыми источниками энергии. Это делает еще более важным обеспечение управляемости и безотказности систем отопления, вентиляции и кондиционирования воздуха, что обеспечивает дополнительную мотивацию для разработки и внедрения технологии FDD.

В зданиях программные инструменты FDD используют операционные данные, собранные из систем автоматизации зданий, датчиков и счетчиков, для автоматического обнаружения проблем с оборудованием и управлением или снижения производительности системы HVAC, а также для диагностики потенциальных коренных причин1. Используя результаты технологий FDD, операторы зданий могут эффективно направлять деятельность по техническому обслуживанию для устранения неэффективности или неисправности оборудования и контроля.

За последние тридцать лет было опубликовано большое количество литературы, документирующей разработку и применение решений FDD для зданий. Активные исследования охватывают широкий спектр тем, включая: (1) разработку и проверку сотен методов FDD2,3,4; (2) разработка экспериментальных платформ или программных средств моделирования для создания моделей с учетом неисправностей5,6,7, а также разработка наборов данных с учетом неисправностей8,9,10; (3) количественная оценка распространенности и частоты возникновения неисправностей в зданиях11,12,13; (4) анализ влияния неисправностей на работу системы14,15, потребление энергии16,17, расходы на техническое обслуживание и эксплуатацию оборудования18,19, тепловой комфорт жильцов15,20,21 и качество воздуха в помещении22; (5) Применение технологии FDD, затраты и выгоды в существующих зданиях1,23; (6) методологии тестирования производительности алгоритма FDD24,25; и (7) автоматическое исправление неисправностей26,27 и мероприятия по техническому обслуживанию28 после того, как неисправности диагностированы и отмечены инструментами FDD.

Хотя системы управления и автоматизации зданий способны хранить и экспортировать большие объемы эксплуатационных данных, эти данные часто подвержены проблемам с качеством данных, включая ошибочные датчики и пробелы. В разных системах не используются единые соглашения об именах, а семантические метаданные для интерпретации значения и связей между данными используются редко. Еще одна сложность заключается в том, что данные отражают неизвестное и немаркированное наличие широкого спектра часто встречающихся неисправностей. Наконец, хотя исследователи могут получить небольшие коллекции полевых данных, чрезвычайно сложно собрать крупномасштабный набор данных, отражающий климат, систему отопления, вентиляции и кондиционирования и операционное разнообразие. Это создает огромные препятствия для инноваций в разработке алгоритмов FDD и оценке производительности.