Model-based fault detection and diagnosis of HVAC systems

基于模型的 HVAC 系统故障检测和诊断

基本信息

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

项目摘要

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。

这项研究的标题为“开发了空调热源系统的长期，高效运行的异常检测诊断模型”，并且是基于实现原始系统性能在实现原始系统性能后获得的数据定义正常状态的系统行为的倡议，并降低了系统异常的风险，从而降低了该原因的偏差，从而降低了该原因的偏差，从而降低了隔离的偏差。性能退化。为了检测异常，首先了解系统的原始性能很重要。在这个财政年度，我们构建了一个物理模型，具有相对简单的空调热源系统和整个系统的高度可重复的行为。使用模拟，创建了七种类型的异常标签数据集，并使用该数据集作为异常数据库制备培训数据和测试数据。然后对该数据库进行详细分析，以确认系统行为中的异常是否可以合理地再现。然后，我们将创建的培训数据应用于卷积神经网络（以下称为CNN），这是一种典型的深度学习方法，可以提供比常规神经网络的高性能，并输入对学习的CNN和实际测量数据创建的测试数据，以使用CNN诊断异常。此外，我们提出了一种更合适的数据预处理方法，以提高实际数据检测和诊断的准确性，并采用了提出的数据预处理方法来检测实际数据缺陷并阐明其有效性。

项目成果

期刊论文数量（9）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

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

DOI：
发表时间：
2018
期刊：
影响因子：
0
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

DOI：
发表时间：
2018
期刊：
影响因子：
0
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