![pageSearch](/themes/hestia/images/page-search.webp)
Размеченный набор данных для построения систем отопления, вентиляции и кондиционирования воздуха, работающих в условиях сбоев и отказов.
![Oct 28, 2023](/themes/hestia/images/news-details-icon1.webp)
Научные данные, том 10, Номер статьи: 342 (2023) Цитировать эту статью
947 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 неисправности и серьезности. 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 эксплуатационные 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.