数据驱动故障分析在可持续设施管理中的应用

数据驱动故障分析在可持续设施管理中的应用

设施能源优化的重要性

设施能源优化为组织的设施团队提供了降低成本和减少碳排放的便捷机会。数据驱动分析有助于识别故障检测并推动设施管理的能源效率。

建筑管理面临的关键挑战

• 建筑寿命超过50年，设施系统传感器通常在第一天安装
• 建筑管理系统（BMS）不开放，难以现代化建筑基础设施的数据架构
• 大型房地产组合中存在各种技术、标准、建筑类型和设计
• 建筑管理和自动化系统需要第三方拥有和修改生产数据
• 设施团队通常缺乏设计定制管理解决方案所需的云专业知识

HVAC系统：能源消耗的主要来源

HVAC单元是建筑的核心，约占建筑能耗的50%。它们通常遵循基于规则的方法，但这种方法可能导致许多误报，建筑经理依赖人工检查和住户沟通来关注重要故障。

可变风量（VAV）单元

VAV单元是通过管理局部气流来维持温度的重要资产。大型建筑中通常有数百个VAV单元，管理它们十分繁琐。

数据驱动故障识别方法

MCC方法：建模、聚类和比较

MCC方法的主要目标是确定建筑内的区域集群，然后使用这些集群自动确定配置错误、异常或有故障的区域控制器配置。

建模

使用测量的室内温度和HVAC的气流创建房间能量模型。HVAC系统在房间上消耗的能量与其温度和供应气流的乘积成正比。

聚类

使用KMeans算法将相似房间聚类在一起，例如西向房间、东向房间、小厨房和会议室。

比较

定义每个集群的配置后，MCC算法比较房间以识别异常，确保忽略自然波动，仅突出严重问题。

故障识别数据属性

识别这些故障时，可以分析以下关键数据属性：

• 温度、加热和冷却设定点
• 基于星期几的上限和下限变化
• 再热线圈（开或关）
• 占用传感器和设置（占用、待机或未占用）
• 风门传感器和风门设置
• 压力流量

实际案例分析

研究人员对一栋145,000平方英尺的建筑进行了详细数据分析，识别出88个故障。修复这些故障估计每年可节省410.3兆瓦时，按典型电价每千瓦时12美分计算，第一年可节省492,360美元。

实施路径建议

设施和IT经理可以开始：

1. 对建筑进行基本审计，寻找收集上述关键参数数据的选项
2. 整合相关来源的数据，应用数据标准化，并使用上述故障检测方法
3. 利用某机构的数据分析和AI/ML服务执行数据分析并应用机器学习算法识别数据异常

这些步骤将有助于识别设施中的能源热点和隐藏故障，使设施经理能够利用这些信息修复相关故障并推动设施可持续性。
更多精彩内容 请关注我的个人公众号 公众号（办公AI智能小助手）或者 我的个人博客 https://blog.qife122.com/
对网络安全、黑客技术感兴趣的朋友可以关注我的安全公众号（网络安全技术点滴分享）