Open Nav

基于模型,聚类和比较(MCC)的HVAC系统故障数据驱动研究

以下是大纲或介绍,如需要完整的资料请购买下载.
1.无需注册登录,购买下载后即可获取该完整的资料.
2.购买后本站提供下载链接或联系客服发送资料.
  
资料介绍

基于模型,聚类和比较(MCC)的HVAC系统故障数据驱动研究(中文13000字英文PDF)
摘要
现代HVAC系统的复杂性导致大约40%的建筑物中的设备错误配置,浪费了高达40%的能量消耗。故障检测方法产生过多的警报,导致操作员警报疲劳,故障未解决和能量浪费。文献中开发的复杂故障检测技术在实践中很少使用。我们通过对145,000平方英尺的五层楼的实际数据应用各种故障检测技术来研究这一差距。我们首先发现这些算法都不是为捕获控制回路配置故障而设计的。我们开发了一种新颖的算法,模型,聚类和比较(MCC),能够通过自动建模和聚类HVAC系统中的类似实体,以无监督的方式检测异常,并进行比较。我们实施了MCC来检测我们建筑物中可变风量箱中的故障,并证明它成功检测到非显而易见的配置故障。我们提出了一个两阶段方法,我们根据混合数据驱动算法的异常样本设计智能规则(iRules)。iRules成功捕获了我们建筑物中的大部分故障,只有一个误报警和237个区域中检测到78个异常。因此,比较数据挖掘在过滤现代建筑物中产生的大量数据方面很有用,但循环系统中的人类仍然更好。
类别和主题描述符
H.2.8 [数据库管理]:数据库应用 - 数据挖掘
一般条款
算法,测量

内容来自www.doC163.com

关键词
异常检测,智能建筑 doc163.com QQ:306826066

  版权所有WWW.DOC163.COM

基于模型,聚类和比较(MCC)的HVAC系统故障数据驱动研究

 

【doc163.com】

  • 关于资料
    提供的资料属本站所有,内容严格把关,均审核通过,保证质量和规范.
  • 关于发货
    提供下载链接或发送至您的邮箱,资料可重复发送,确保您收到为止.
  • 疑难解答
    收到资料后若有任何疑难问题,均可通过本站客服提供帮助解决.
  • 售后服务
    我们确保发送的资料和介绍一致,如核实为不符,可以申请退换.
  • 资料仅供参考和学习交流之用,请勿做其他非法用途,转载必究,如有侵犯您的权利或有损您的利益,请联系本站,经查实我们会立即进行修正! 版权所有,严禁转载
    doc163.com Copyright © 2010-2020 |