从管道及仪表流程图自动生成建筑能源系统的数字孪生数据模型
计算机视觉与模式识别
2021-09-01 v1
摘要
建筑直接或间接排放了当前很大一部分 CO2 排放。通过建筑自动化系统(BAS)中的模型预测控制(MPC)等现代控制方法,存在很高的 CO2 减排潜力。为了实现恰当的控制,MPC 需要数学模型来预测受控系统的未来行为。为此,可使用建筑的数字孪生。然而,在现有建筑中使用当前方法建立数字孪生通常耗费大量人力。特别是将技术系统的不同组件连接到建筑的整体数字孪生十分耗时。管道及仪表流程图(P&ID)可提供所需信息,但有必要提取信息并以标准化格式提供以便进一步处理。在本工作中,我们提出一种以完全自动化方式识别建筑 P&ID 中符号与连接的方法。建筑能源系统 P&ID 中符号的图形表示存在多种标准。因此,我们使用不同数据源与标准来生成整体的训练数据集。我们将符号识别、线识别与连接推导算法应用于这些数据集。此外,结果被导出为一种提供建筑能源系统语义的格式。符号识别、线识别与连接识别取得了平均精度 93.7% 的良好结果,可用于控制生成、(分布式)模型预测控制或故障检测等后续过程。尽管如此,该方法仍需进一步研究。
引用
@article{arxiv.2108.13912,
title = {Automatic digital twin data model generation of building energy systems from piping and instrumentation diagrams},
author = {Florian Stinner and Martin Wiecek and Marc Baranski and Alexander Kümpel and Dirk Müller},
journal= {arXiv preprint arXiv:2108.13912},
year = {2021}
}