Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Automatisierte Klassifikation und Bewertung von Betriebszuständen raumlufttechnischer Anlagen

Automated Classification and assessment of operational states of HVAC systems
 
: Wei, Mingjun
: Wilde, Andreas; Felsmann, Clemens; Seifert, Joachim

Dresden, 2019
Dresden, TU, Dipl.-Arb., 2019
German
Thesis
Fraunhofer IIS, Institutsteil Entwurfsautomatisierung (EAS) ()
AFDD; HVAC systems; Hierarchical Clustering; operating conditions identification

Abstract
Hinter dem Betrieb raumlufttechnischer Anlagen verbirgt sich wegen Betriebsfehlern oft großes Sparpotenzial. Die Fehlererkennung und -diagnose im Bereich Klimatechnik spielt dabei eine wichtige Rolle. In dieser Arbeit wird ein Algorithmus zur automatisierten Fehlererkennung und Klassifikation von Betriebszuständen weiterentwickelt, der dem Ansatz von U. Habib [1] und M. Bär [2] folgt. Dieser Algorithmus verwendet den stündlichen Mittelwert der Betriebsdaten und klassifiziert die Betriebsstunden mithilfe der hierarchischen Clusteranalyse in verschiedene Cluster, die unterschiedlichen Betriebszuständen oder Fehler entsprechen. Der Algorithmus wird auf drei RLT-Anlagen angewendet, die alle einen ähnlichen Aufbau haben. Die vier erwarteten Betriebszustände wurden dabei erkannt und einige Betriebsfehler koordiniert, nämlich die Zeiten und Orte, an denen Fehler auftreten. Zudem wurde die Robustheit des Algorithmus bei unvollständiger Sensorausstattung und der Einfluss des Normierungsverfahren am Beispiel einer dieser Anlagen untersucht. Beim Fehlen unwichtiger Datenpunkte oder bei verschiedenen Normierungsverfahren funktioniert der Algorithmus sehr robust.

 

Behind the operation of heating, ventilation and air conditioning (HVAC) systems hides due to operational faults often great savings potential. Fault detection and diagnostics in the field of air handling play an important role. An algorithm for automated fault detection and classification of operating states is developed following the approach of U. Habib [1] and M. Bär [2]. This algorithm uses the hourly average of the operating data and classifies the operating hours into different clusters by using hierarchical clustering. The clusters correspond to different operating conditions or faults. This algorithm is applied to three HVAC systems with similar structure in a shopping center. The 4 expected operating conditions were identified, and a few operational faults were coordinated, namely the time and location at which the errors occur. In addition, the robustness of the algorithm with incomplete sensor equipment and the influence of the normalization procedure on one system of the three were examined. The algorithm works very robustly in the absence of unimportant sensors or with different normalization methods.

: http://publica.fraunhofer.de/documents/N-569571.html