Automatische Klassifikation von Datenpunkten in raumlufttechnischen Anlagen

Zur vereinfachten, möglichst weitgehend automatisierten Konfiguration von Monitoring-Systemen in lüftungstechnischen Anlagen soll aus Betriebsdaten der Anlagen automatisiert das Anlagenschema mit den räumlichen und funktionalen Beziehungen der Komponenten und deren semantischen Zusammenhänge abgeleitet werden. Die vorliegende Arbeit befasst sich mit dem Teilproblem der automatisierten Klassifikation von Datenpunkten und schafft dadurch eine Grundlage für weiterführende Arbeiten zur Lösung der übergeordneten Forschungsfrage. Dazu kommen Verfahren aus dem Gebiet der künstlichen Intelligenz zum Einsatz. Der verwendete Datensatz beinhaltet Messwerte aus insgesamt 76 Gebäuden und umfasst die Monate Januar bis November des Jahres 2018. Anhand dieser Daten werden relevante Merkmale der Zeitreihen zur Unterscheidung von Datenpunktklassen definiert und die Merkmalsausprägungen für jede Zeitreihe berechnet. Auf Basis der Merkmale werden verschiedene Klassifikationsmodelle erstellt. Insgesamt liefern die verwendeten Klassifikationsmodelle bereits sehr gute Ergebnisse und ordnen im Schnitt etwa 92% aller Datenpunkte der korrekten Klasse zu. Die Datenpunkte der am schlechtesten erkannten Klasse werden zu rund 88% (Validierungsdaten) bzw. 90% (Testdaten) korrekt klassifiziert. Es stellt sich heraus, dass die am schlechtesten erkannte Klasse, die Stellung von Lüftungsklappen, sehr grob definiert ist und durch eine feinere Aufteilung in Subklassen die Gesamtergebnisse voraussichtlich deutlich verbessert werden könnten. Die erzielten Ergebnisse zeigen, dass sich in der Praxis mit diesen Verfahren sehr viel Arbeit bei der Konfiguration von Monitoringsystemen einsparen lässt.