Um conjunto de dados rotulado para a construção de sistemas HVAC operando em condições de falha e falha

Oct 28, 2023

Dados científicos volume 10, número do artigo: 342 (2023) Citar este artigo

947 Acessos

Detalhes das métricas

Os dados abertos estão alimentando a inovação em muitos campos. No domínio da ciência da construção, são extremamente difíceis de obter conjuntos de dados que possam ser utilizados para informar o desenvolvimento de aplicações operacionais - por exemplo, novos algoritmos de controlo e métodos de análise de desempenho. Este artigo resume o desenvolvimento e o conteúdo do maior conjunto de dados públicos conhecido de operações de sistemas prediais em estados com e sem falhas. Abrange os sistemas e configurações HVAC mais comuns em edifícios comerciais, em diversos climas, tipos de falhas e gravidades de falhas. Os pontos da série temporal contidos no conjunto de dados incluem medições que são comumente encontradas em edifícios existentes, bem como algumas que são menos típicas. Ferramentas de simulação, instalações de testes experimentais e operação de campo in-situ foram utilizadas para gerar os dados. Para informar algoritmos que consomem mais dados, a maioria dos dados simulados cobre um ano de operação para cada combinação de gravidade de falha. O conjunto de dados é uma expansão significativa daquele publicado pela primeira vez pelos autores principais em 2020.

A detecção e diagnóstico de falhas (FDD) é um campo de estudo bem estabelecido na ciência da construção e nas aplicações de tecnologia da construção. Isto é em grande parte impulsionado pelo impacto significativo das falhas dos equipamentos e dos problemas de controle no uso de energia e nas emissões dos edifícios, na vida útil dos equipamentos e no conforto dos ocupantes. A construção de sistemas HVAC, em particular, oferece um rico espaço de oportunidades para o desenvolvimento de algoritmos FDD, dada a multiplicidade de configurações do sistema, operações complexas e disponibilidade de dados monitorados. Além disso, o recente esforço para descarbonizar os edifícios e o sector eléctrico está a aumentar a importância de edifícios eficientes e interactivos com a rede, que possam fornecer de forma fiável serviços de flexibilidade de carga à rede renovável fornecida. Isto torna ainda mais crítico garantir que os sistemas HVAC dos edifícios sejam controláveis ​​e isentos de falhas, proporcionando mais motivação para o desenvolvimento e implementação da tecnologia FDD.

Em edifícios, as ferramentas de software FDD empregam dados operacionais coletados de sistemas de automação predial, sensores e medidores, para detectar automaticamente problemas de equipamentos e controle, ou degradação do desempenho em um sistema HVAC, e para diagnosticar possíveis causas raiz1. Usando os resultados das tecnologias FDD, os operadores de edifícios podem direcionar com eficiência as atividades de manutenção para resolver ineficiências ou mau funcionamento de equipamentos e controles.

Nos últimos trinta anos, uma grande quantidade de literatura foi publicada documentando o desenvolvimento e aplicação de soluções FDD para edifícios. A investigação activa cobre uma variedade de tópicos, incluindo: (1) o desenvolvimento e validação de centenas de métodos FDD2,3,4; (2) o desenvolvimento de plataformas experimentais ou ferramentas de software de simulação para gerar modelos inclusivos de falhas5,6,7, e o desenvolvimento de conjuntos de dados inclusivos de falhas8,9,10; (3) quantificação das taxas de prevalência e ocorrência de falhas em edifícios11,12,13; (4) análise do impacto das falhas nas operações do sistema14,15, no consumo de energia16,17, na manutenção dos equipamentos e nos custos operacionais18,19, no conforto térmico dos ocupantes15,20,21 e na qualidade do ar interior22; (5) aplicação, custos e benefícios da tecnologia FDD em edifícios existentes1,23; (6) metodologias de teste de desempenho do algoritmo FDD24,25; e (7) correção automatizada de falhas26,27 e atividades de manutenção28 após as falhas serem diagnosticadas e sinalizadas por ferramentas FDD.

Embora os sistemas de controle e automação predial sejam capazes de armazenar e exportar grandes volumes de dados operacionais, esses dados são frequentemente propensos a problemas de qualidade de dados, incluindo sensores errados e lacunas. Convenções de nomenclatura consistentes não são usadas de um sistema para outro, e metadados semânticos para interpretar o significado e as relações entre os dados raramente são usados. Uma complicação adicional é que os dados refletem a presença desconhecida e não rotulada de uma ampla variedade de falhas que ocorrem comumente. Finalmente, embora pequenas colecções de dados de campo possam ser adquiridas pelos investigadores, é extremamente difícil acumular um conjunto de dados em grande escala que represente o clima, o sistema HVAC e a diversidade operacional. Isto apresenta enormes barreiras para a inovação no desenvolvimento de algoritmos FDD e avaliação de desempenho.