Masterarbeit Weiyu Rong

 

Skalierende Methode zur datengetriebenen Fehlererkennung und Interpretation des Betriebs von Gebäudeenergiesystemen anhand von Expertenwissen

Flussdiagramm einer Methode zur Fehlererkennung und Interpretation anhand von Expertenwissen Urheberrecht: EBC Flussdiagramm einer Methode zur Fehlererkennung und Interpretation anhand von Expertenwissen

Ein erheblicher Teil des Energieverbrauchs in Wohn- und Nichtwohngebäuden entfällt auf die Gebäudetechnik wie Raumheizung, -lüftung und -klimatisierung (HLK). Der nicht-optimale Betrieb und die Fehler in HLK-Systemen können zu einem unangenehmen Raumklima, einer Fehlfunktion der Geräte und einer großen Menge an Energieverschwendung führen. Eine effektive Lösung für dieses Problem ist die automatische Fehlererkennung und -diagnose (FED). Moderne Gebäudeenergiemonitoringsysteme, die umfangreichen Daten erfassen, ermöglichen tiefe Einblicke in die Energieeffizienz und den Fehlererkennungs- und Diagnoseprozess.

In dieser Arbeit wird eine auf Expertenwissen basierende datengetriebene Methode zur Fehlererkennung und Interpretation des Betriebs von Gebäudeenergiesystemen vorgeschlagen. Diese Methode basiert auf skalierbaren Kennzahlen (engl: Key Performance Indicator, KPI), die aus Zeitreihendaten verschiedener Datenpunkte im Gebäudeenergiesystem abgeleitet werden. Bei diesem Verfahren wird ein Fuzzy-Logik-System verwendet, um Expertenwissen darzustellen und Approximatives Schließen zu nutzen, wobei die Unschärfe eines sprachlichen Ausdrucks und die Unsicherheit in realen Systemen berücksichtigt werden. Entwickelt wurde diese Methode auf der IoT Cloud-Plattform von aedifion, die historische Daten des Energiemonitoringssystems im E.ON ERC Hauptgebäude und ein Analyseframework für die Implementierung dieser Methode bereitstellt. Als Grundlage dieser Methode wird eine Expertenwissensbank für Wärmepumnsysteme aufgebaut, die Fuzzy-Sets für KPIs und Fuzzy-Regeln enthält. Die vorgestellte Methode wurde nicht nur anhand der historischen Daten der Wärmepumpe im ERC Hauptgebäude validiert, sondern auch anhand eines Datensatzes des National Institute of Standards on Technology (NIST), der die experimentellen Daten mit sieben aufgetretenen Fehlern eines Wärmepumpensystems enthält. Die Ergebnisse der Validierung zeigen, dass diese Methode in der Lage ist, Fehler in Wärmepumpensystemen zu erkannt und zu diagnostizieren und automatisch entsprechende Handlungsempfehlungen abzuleiten. Schließlich wurde auch ein Auto-Tuning des Fuzzy-Logik-Systems und ein Regellernprozess mit dem NIST-Datensatz getestet und eine mögliche Kombination aus dem Fuzzy- Logik-System und anderen Lernalgorithmen für den Einsatz von FED in Gebäudeenergiesystemen gezeigt.