Um conjunto de dados rotulados para a construção de sistemas HVAC operando em falhas e falhas

Scientific Data volume 10, Número do artigo: 342 (2023) Citar este artigo

287 acessos

Detalhes das métricas

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

Detecção e diagnóstico de falhas (FDD) é um campo de estudo bem estabelecido em aplicações de ciência e tecnologia de construção. Isso é amplamente impulsionado pelo impacto significativo de falhas de equipamentos e problemas de controle no uso e emissões de energia do edifício, vida útil do equipamento e conforto dos ocupantes. A construção de sistemas HVAC, em particular, oferece um rico espaço de oportunidade para o desenvolvimento do algoritmo FDD, dada a multiplicidade de configurações do sistema, operações complexas e disponibilidade de dados monitorados. Além disso, o recente impulso para descarbonizar edifícios e o setor elétrico está aumentando a importância de edifícios eficientes interativos com a rede que podem fornecer serviços de flexibilidade de carga de forma confiável para a rede fornecida por fontes renováveis. Isso torna ainda mais crítico garantir que os sistemas HVAC dos edifícios sejam controláveis ​​e livres de falhas, fornecendo mais motivação para o desenvolvimento e implantação 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 equipamento e controle ou degradação do desempenho em um sistema HVAC e para diagnosticar possíveis causas principais1. Usando os resultados das tecnologias FDD, os operadores de edifícios podem direcionar com eficiência as atividades de manutenção para lidar com ineficiências ou mau funcionamento de equipamentos e controles.

Nos últimos trinta anos, uma grande quantidade de literatura foi publicada documentando o desenvolvimento e a aplicação de soluções FDD para edifícios. A pesquisa ativa abrange 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 no funcionamento do sistema14,15, consumo de energia16,17, manutenção de equipamentos e custos operacionais18,19, conforto térmico dos ocupantes15,20,21 e qualidade do ar interior22; (5) Aplicação da tecnologia FDD, custos e benefícios, em edificações 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 de edifícios sejam capazes de armazenar e exportar grandes volumes de dados operacionais, esses dados geralmente são propensos a problemas de qualidade de dados, incluindo sensores e lacunas errôneos. Convenções de nomenclatura consistentes não são usadas de um sistema para outro, e raramente são usados ​​metadados semânticos para interpretar o significado e as relações entre os dados. Uma complicação adicional é que os dados refletem a presença desconhecida e não identificada de uma ampla variedade de falhas de ocorrência comum. Finalmente, embora pequenas coleções de dados de campo possam ser adquiridas por pesquisadores, é extremamente difícil acumular um conjunto de dados em grande escala que represente o clima, o sistema HVAC e a diversidade operacional. Isso apresenta enormes barreiras para a inovação no desenvolvimento de algoritmos FDD e avaliação de desempenho.