A. Hernández-Arizaga, A. Picallo-Perez, J. Sala-Lizarraga
{"title":"高级数据分析工具在建筑环境中的应用=高级数据分析工具在建筑环境中的应用。","authors":"A. Hernández-Arizaga, A. Picallo-Perez, J. Sala-Lizarraga","doi":"10.20868/ade.2022.5090","DOIUrl":null,"url":null,"abstract":"Los sistemas de monitorización de edificios proporcionan grandes volúmenes de información y existen herramientas avanzadas de análisis de datos. Un problema de detección y diagnóstico de fallos (FDD) en los sistemas energéticos de los edificios también puede considerarse un problema de aprendizaje automático puro. El objetivo de este trabajo es promover la FDD con aplicaciones de aprendizaje automático en el entorno de los edificios. Como contribución, en este trabajo se procesan series de datos temporales brutos, obtenidos de un SCADA, para la posterior construcción de patrones de una instalación térmica de un edificio. La instalación térmica abastece las demandas de ACS y calefacción de un edificio residencial, compuesto por 26 viviendas sociales y situado en Durango (norte de España). Los datos registrados cada 24 horas en valores acumulados se incluyen en el software R para el cálculo de gráficos estadísticos. Para los valores de los contadores de consumo de ACS y calefacción se obtienen 229 puntos de datos válidos y los rangos de consumo diario están comprendidos entre 1,94 - 5,90 m3 y 0 - 547,63 kWh.AbstractBuilding monitoring systems deliver large volumes of information and advanced data analysis tools are available. A fault detection and diagnosis (FDD) problem in building energy systems can also be regarded as a pure machine learning problem. The aim of this work is to promote FDD with machine learning applications in building environment. As a contribution, in this work raw time data series, obtained from a SCADA, are processed for further pattern construction of a building thermal facility. The thermal facility supplies the DHW, and heating demands of a residential building, consisting of 26 social dwelling units and located at Durango (northern Spain). Data recorded every 24 hours in cumulative values is included in the R software for computing statistical graphs. For DHW and heating consumption meter values, 229 valid data points are obtained, and the daily consumption ranges are between 1.94 - 5.90 m3 and 0 - 547.63 kWh respectively.","PeriodicalId":296022,"journal":{"name":"Anales de Edificación","volume":"100 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Aplicación de una herramienta avanzada de análisis de datos en el entorno de la construcción = Application of advanced data analysis tool in building environment.\",\"authors\":\"A. Hernández-Arizaga, A. Picallo-Perez, J. Sala-Lizarraga\",\"doi\":\"10.20868/ade.2022.5090\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Los sistemas de monitorización de edificios proporcionan grandes volúmenes de información y existen herramientas avanzadas de análisis de datos. Un problema de detección y diagnóstico de fallos (FDD) en los sistemas energéticos de los edificios también puede considerarse un problema de aprendizaje automático puro. El objetivo de este trabajo es promover la FDD con aplicaciones de aprendizaje automático en el entorno de los edificios. Como contribución, en este trabajo se procesan series de datos temporales brutos, obtenidos de un SCADA, para la posterior construcción de patrones de una instalación térmica de un edificio. La instalación térmica abastece las demandas de ACS y calefacción de un edificio residencial, compuesto por 26 viviendas sociales y situado en Durango (norte de España). Los datos registrados cada 24 horas en valores acumulados se incluyen en el software R para el cálculo de gráficos estadísticos. Para los valores de los contadores de consumo de ACS y calefacción se obtienen 229 puntos de datos válidos y los rangos de consumo diario están comprendidos entre 1,94 - 5,90 m3 y 0 - 547,63 kWh.AbstractBuilding monitoring systems deliver large volumes of information and advanced data analysis tools are available. A fault detection and diagnosis (FDD) problem in building energy systems can also be regarded as a pure machine learning problem. The aim of this work is to promote FDD with machine learning applications in building environment. As a contribution, in this work raw time data series, obtained from a SCADA, are processed for further pattern construction of a building thermal facility. The thermal facility supplies the DHW, and heating demands of a residential building, consisting of 26 social dwelling units and located at Durango (northern Spain). Data recorded every 24 hours in cumulative values is included in the R software for computing statistical graphs. For DHW and heating consumption meter values, 229 valid data points are obtained, and the daily consumption ranges are between 1.94 - 5.90 m3 and 0 - 547.63 kWh respectively.\",\"PeriodicalId\":296022,\"journal\":{\"name\":\"Anales de Edificación\",\"volume\":\"100 1\",\"pages\":\"0\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2022-12-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Anales de Edificación\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.20868/ade.2022.5090\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anales de Edificación","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.20868/ade.2022.5090","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
摘要
建筑监控系统提供了大量的信息,并有先进的数据分析工具。建筑能源系统的故障检测和诊断(FDD)问题也可以被认为是一个纯粹的机器学习问题。这项工作的目的是促进FDD与机器学习应用在建筑环境。在此基础上,本文提出了一种新的方法,利用SCADA系统对建筑热安装模式的后续构建进行时间序列处理。该热力装置为位于杜兰戈(西班牙北部)的一座住宅建筑提供hvac和供暖需求,该建筑由26个社会住房组成。每24小时记录一次累积值的数据包括在R软件中,用于统计图表的计算。获得了229个有效数据点,日消耗范围为1.94 ~ 5.90 m3和0 ~ 547.63 kWh。抽象建筑监测系统提供了大量的信息和先进的数据分析工具。在咨询检测和诊断(捍卫民主阵线)problem in building energy systems can还认为纯machine learning problem。这项工作的目的是通过机器学习在建筑环境中的应用来促进FDD。作为这项工作的一项贡献,从一个SCADA获得的原始时间数据系列正在进行处理,以进一步建立一个建筑热设施的模式。= =地理= =根据美国人口普查,这个县的总面积为,其中土地和(2.641平方公里)水。每24小时以累积值记录的数据都包含在R软件中,用于计算统计图。对于DHW和热消耗表值,获得229个有效数据点,日消耗范围分别为1.94—5.90 m3和0—547.63 kWh。
Aplicación de una herramienta avanzada de análisis de datos en el entorno de la construcción = Application of advanced data analysis tool in building environment.
Los sistemas de monitorización de edificios proporcionan grandes volúmenes de información y existen herramientas avanzadas de análisis de datos. Un problema de detección y diagnóstico de fallos (FDD) en los sistemas energéticos de los edificios también puede considerarse un problema de aprendizaje automático puro. El objetivo de este trabajo es promover la FDD con aplicaciones de aprendizaje automático en el entorno de los edificios. Como contribución, en este trabajo se procesan series de datos temporales brutos, obtenidos de un SCADA, para la posterior construcción de patrones de una instalación térmica de un edificio. La instalación térmica abastece las demandas de ACS y calefacción de un edificio residencial, compuesto por 26 viviendas sociales y situado en Durango (norte de España). Los datos registrados cada 24 horas en valores acumulados se incluyen en el software R para el cálculo de gráficos estadísticos. Para los valores de los contadores de consumo de ACS y calefacción se obtienen 229 puntos de datos válidos y los rangos de consumo diario están comprendidos entre 1,94 - 5,90 m3 y 0 - 547,63 kWh.AbstractBuilding monitoring systems deliver large volumes of information and advanced data analysis tools are available. A fault detection and diagnosis (FDD) problem in building energy systems can also be regarded as a pure machine learning problem. The aim of this work is to promote FDD with machine learning applications in building environment. As a contribution, in this work raw time data series, obtained from a SCADA, are processed for further pattern construction of a building thermal facility. The thermal facility supplies the DHW, and heating demands of a residential building, consisting of 26 social dwelling units and located at Durango (northern Spain). Data recorded every 24 hours in cumulative values is included in the R software for computing statistical graphs. For DHW and heating consumption meter values, 229 valid data points are obtained, and the daily consumption ranges are between 1.94 - 5.90 m3 and 0 - 547.63 kWh respectively.