ASHRAE - American Society of Heating@ Refrigerating and Air-Conditioning Engineers@ Inc.
Alcance
Este artículo aplica algoritmos de aprendizaje automático (ML) para detectar anomalías en sistemas de agua helada (CWS) a nivel de edificio. Se persigue la identificación de dos situaciones anormales: lecturas inexactas del sensor de agua helada y baja eficiencia térmica en términos de ??T. La visualización de los datos del agua enfriada del edificio proporciona tendencias generales y una identificación inicial de las anomalías del edificio; Esta visualización también ayuda a establecer los requisitos para los algoritmos de detección de anomalías@ y eventualmente@ su selección. Estos algoritmos señalan el rendimiento anormal y los índices de anormalidad se evalúan con respecto a dos líneas de base: operación normal y la mejor operación encontrada (en términos de ??T). Se presentan dos contextos de detección y cuantificación de anomalías. Se buscan datos históricos de First@ en busca de grupos normales y anormales. Se calculan los índices de anormalidad de la frecuencia del grupo@eficiencia térmica y pérdida de energía@todos con respecto a las líneas base de operación normal@. El segundo contexto es la detección de anomalías de datos en tiempo real, donde los índices de anomalías, la eficiencia térmica y la evaluación de la pérdida de energía se evalúan con respecto a la mejor operación encontrada en el grupo de operación normal.