基于模拟楼宇自动化系统传感器数据的非冷凝锅炉故障检测
信号处理
2022-08-31 v2 机器学习
系统与控制
系统与控制
应用统计
摘要
研究表明，建筑性能在调试后会显著下降，导致能耗和相关的温室气体排放增加。利用现有传感器网络和物联网设备进行连续调试，通过持续识别系统性能下降并重新调整控制策略以适应实际建筑性能，有望最大限度地减少这种浪费。鉴于其对温室气体排放的重大贡献，用于建筑供暖的燃气锅炉系统的性能至关重要。通过回顾锅炉性能研究，我们总结出一系列常见故障和性能下降状况，并将其集成到一个 MATLAB/Simulink 仿真器中。这产生了一个带标签的数据集，包含对 14 台非冷凝锅炉各自约 10,000 次稳态性能的模拟。收集的数据用于训练和测试基于 K 近邻、决策树、随机森林和支持向量机的故障分类。结果表明，支持向量机方法给出了最佳的预测准确率，始终超过 90%，并且由于分类准确率较低，无法实现跨多台锅炉的泛化。
引用
@article{arxiv.2205.08418,
title = {Fault Detection for Non-Condensing Boilers using Simulated Building Automation System Sensor Data},
author = {Rony Shohet and Mohamed Kandil and Y. Wang and J. J. McArthur},
journal= {arXiv preprint arXiv:2205.08418},
year = {2022}
}
备注
48 pages, 13989 words