Model-based fault detection and diagnosis of HVAC systems

基于模型的 HVAC 系统故障检测和诊断

• 批准号: 18K13879
• 负责人: 林 鍾衍
• 金额: $ 2.58万
• 依托单位: The University of Tokyo
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Early-Career Scientists
• 财政年份: 2018
• 资助国家: 日本
• 起止时间: 2018-04-01 至 2020-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-18K13879/
• 关键词: 異常検知診断; 空調熱源システム; 深層学習; 省エネ建築; コミッショニング; 異常検知

本研究は「空調熱源システムの長期高効率運用のための異常検知診断モデルの開発」と題して、本来のシステム性能を発揮させた上で得られたデータに基づき正 常状態のシステム挙動を定義するとともに、そこらからのずれよりシステム異常を検知、またその原因を診断することで、性能低下によるエネルギー効率低下や 稼働停止等のリスクの削減を図る取り組みである。異常検知のためにはまずシステムの本来の性能を把握することが優先されるべきである。当該年度には比較的 シンプルな空調熱源システムの対象とし、そのシステム全体の挙動に対する再現度の高い物理モデルを構築した。そのシミュレーションを用いて、7種類の異常 ラベル付きデータセットを作成し，これを異常データベースとして学習データ・テストデータを用意した。次にこのデータベースを詳細に分析し，システム挙動 の異常が合理的に再現できているか確認した。そして，従来のニューラルネットワークに対して高い性能を発揮できる深層学習の代表的な手法である畳み込み ニューラルネットワーク（以下、CNN）に作成した学習データを与え、学習したCNNに作成したテストデータと実際の計測データを入力することで，CNNによる異 常検知診断を試みた。また、実際データに対するの検知診断の確からしさを高めるための、より適切なデータ前処理手法 を提案することと、提案したデータ前処理手法を採用して実際データに不具合検知診断を実施し、その有効性を明らかにした。

This study aims at "abnormal detection and diagnosis of long-term high-efficiency operation of air conditioning heat source system," and the development of natural heat source system performance. It is necessary to define the basic normal state of heat source system, and to detect and diagnose the causes of abnormal heat source system. Low performance, low efficiency, low downtime, etc. Detection of abnormalities is also a priority to grasp the original performance of the system. When comparing the temperature of the air conditioning system, the temperature of the air conditioning system and the temperature of the air conditioning system, the temperature of the air conditioning system and the temperature of the air conditioning system, the temperature of the air conditioning system and the temperature of the air conditioning system are compared. 7 types of abnormal conditions are created according to the requirements of the system. The next step is to analyze the situation in detail, and to confirm the reasonable reproduction of the abnormal situation. The representative method of deep learning is to create a learning environment and to create a learning environment, CNN, to create an actual measurement environment, CNN, to create an abnormal detection and diagnosis environment. The accuracy of the detection and diagnosis is high, and the accuracy of the detection and diagnosis is high. The pre-processing method is proposed. The pre-processing method is adopted.

项目成果

建築熱源システムを対象としたデータ駆動型不具合検知・診断（第 1 報）BEMS データを用いた性能評価と不具合分析

数据驱动的建筑热源系统缺陷检测与诊断（第1部分）利用BEMS数据进行性能评估与缺陷分析

• 发表时间: 2018
• 作者: 安達沙樹;赤司泰義;林鍾衍;宮田翔平;張淑芬;本村彬;田中勝彦;田中覚;桑原康浩
• 通讯作者: 桑原康浩

Model-based analysis and evaluation of sensor faults in heat source system

基于模型的热源系统传感器故障分析与评估

• 发表时间: 2018
• 作者: Motomura;Akira; Miyata;Shohei; Akashi;Yasunori; Lim;Jongyeon; Tanaka;Katsuhiko; Tanaka;Satoru; Kuwahara;Yasuhiro
• 通讯作者: Yasuhiro

建築熱源システムを対象としたデータ駆動型不具合検知・診断（第 2 報）データクレンジングとしての BEMS データにおける欠損値補間

数据驱动的建筑热源系统缺陷检测与诊断（第2部分）BEMS数据中的缺失值插值作为数据清理

• 发表时间: 2018
• 作者: 張淑芬;赤司泰義;林鍾衍;宮田翔平;安達沙樹;本村彬;田中勝彦;田中覚;桑原康浩
• 通讯作者: 桑原康浩

Missing data estimation using BPNN tuned by GA: Application of BEMS data with missing values

使用 GA 调整的 BPNN 进行缺失数据估计：具有缺失值的 BEMS 数据的应用

• 发表时间: 2018
• 作者: Zhang;Shufen; Akashi;Yasunori; Lim;Jongyeon; Miyata;Shohei
• 通讯作者: Shohei

Fault Detection and Diagnosis in Building Heat Source Systems Using Machine Learning

使用机器学习构建热源系统的故障检测和诊断

• DOI: 10.18948/shase.43.261_1
• 发表时间: 2018
• 期刊: Transactions of the Society of Heating,Air-conditioning and Sanitary Engineers of Japan
• 作者: 宮田翔平;赤司泰義;林鐘衍;本村彬;田中勝彦;田中覚;桑原康浩
• 通讯作者: 桑原康浩