Tự động gán nhãn dữ liệu của hệ thống tự động hóa tòa nhà bằng cách sử dụng dữ liệu chuỗi thời gian và xác suất có điều kiện
Automated data labeling of building automation systems using time series data and conditional probabilities
Tác giả: Marwa Maghnie, F. Stinner, A. Kümpel, Dirk Mueller
Ngày đăng tải: 30/09/2022
DOI: 10.1088/1742-6596/2600/13/132013
Khi yêu cầu về hiệu quả năng lượng tăng lên, các tòa nhà trở nên thông minh, và lượng dữ liệu cần phân tích ngày càng lớn, trong đó mỗi thiết bị trong tòa nhà có thể tạo ra nhiều luồng dữ liệu. Những lượng dữ liệu giám sát này cung cấp cơ hội tốt để phát hiện các bất thường trong các hệ thống tự động hóa tòa nhà và tối ưu hóa việc kiểm soát chúng. Tuy nhiên, mỗi tòa nhà thường sử dụng một định dạng tùy chỉnh cho nhãn dữ liệu, do đó đòi hỏi phải thực hiện phân tích nhãn dữ liệu riêng cho từng tòa nhà. Điều này làm cho nhiệm vụ quản lý khái niệm của việc phát hiện hệ thống năng lượng từ dữ liệu gốc trở nên ngày càng phức tạp và dễ gặp lỗi, đây là một thách thức khác mà bất kỳ trình tối ưu hóa vận hành tòa nhà nào cũng phải giải quyết. Bài báo này trình bày một phương pháp để tự động phân loại và gắn nhãn dữ liệu giám sát từ hệ thống tự động hóa tòa nhà. Sử dụng các đặc trưng thống kê của dữ liệu, phương pháp kiểm tra xem luồng dữ liệu nào tuân theo các quy tắc và mô hình vận hành tòa nhà đã biết. Do đó, một quá trình gắn nhãn ban đầu của luồng dữ liệu diễn ra. Hơn nữa, việc kiểm tra tương quan giữa các luồng dữ liệu chỉ ra các thành phần hệ thống có thể liên quan bằng cách sử dụng khái niệm xác suất có điều kiện. Như một trường hợp sử dụng cho phương pháp, dữ liệu chưa được gán nhãn từ một hệ thống tự động hóa tòa nhà thực tế được kiểm tra. Kết quả cho thấy rằng, sử dụng chuỗi thời gian chưa được gán nhãn, loại dữ liệu từ các cảm biến và bộ điều khiển cụ thể có thể được xác định một cách đáng tin cậy. Phương pháp được đề xuất có thể đơn giản hóa việc triển khai các ứng dụng năng lượng như tối ưu hóa vận hành và phát hiện lỗi của các hệ thống tự động hóa tòa nhà.
Link: Research Gate | IOP Science
