| Autor: |
Auer, Thomas, Lauss, Lukas, Heissler, Karl Martin, Maderspacher, Johannes, Reiß, Dirk, Mehnert, Jan, Rumpe, Bernhard, Stüber, Sebastian, Hannen, Matthias, Plesser, Stefan, Pinkernell, Claas, Kröker, Alex, Gentemann, Roland |
| Jazyk: |
němčina |
| Rok vydání: |
2020 |
| Předmět: |
|
| DOI: |
10.14459/2020md1546757 |
| Popis: |
Das Ziel dieses Forschungsvorhabens ist die Entwicklung von skalierbaren und automatisierten Lösungen zur Minimierung von Performance Gaps, die durch diverse Mängel während der Planung, Errichtung und dem Betrieb von Gebäuden entstehen können. Dadurch wird bestmöglicher Nutzerkomfort bei gleichzeitig hoher Energieeffizienz gewährleistet. In der Gebäudetechnik steht dem Komplexitätsanstieg von individuellen Lösungskonzepten zudem ein Fachkräftemangel gegenüber, was die Qualität und Effizienz des Gebäudebetriebs häufig negativ beeinflusst. Betriebsdaten, die mittels der Gebäudeautomation abrufbar sind, enthalten einen umfangreichen Informationsgehalt, um Probleme in der Betriebsführung von Gebäuden und Anlagen zu identifizieren. Dafür sind keine zusätzlichen Hardwareinstallationen und somit Kosten notwendig. Für die Analyse von Betriebsdaten eignen sich Big Data Technologien. Diese zu etablieren stellt jedoch einen großen initialen Aufwand dar. Im Rahmen des Forschungsprojektes wird daher ein algorithmischer Big Data Baukasten als informationstechnologisches Rahmenwerk entwickelt, mit dessen Hilfe sich verschiedene Fragestellungen rund um die Analyse von Betriebsdaten effizient beantworten lassen. Um Prozesse überhaupt handhabbar zu gestalten wurde dieser Baukasten nach dem Teile-und-herrsche-Prinzip entwickelt. Hiermit lassen sich einerseits individuelle Lösungen umsetzen, die sich durch Modularität, Wiederverwendbarkeit und Kombinierbarkeit auszeichnen. Andererseits ist es auch möglich komplexe Analyseszenarien umzusetzen und zu beherrschen. Die Elemente des Baukastens fokussieren dabei auf Datenkonnektivität, Datenaufbereitung und Vorverarbeitung sowie Datenanalyse und Ergebnisbewertung. Für die Entwicklung wurden reale sowie virtuelle Datenquellen verwendet. Der Vorteil von virtuellen Datenquellen ist hierbei die Möglichkeit mittels dynamischer Gebäudesimulationsmodelle eine Bandbreite unterschiedlichster Merkmale und Situationen zu erzeugen, die sich in den synthetisch erzeugten Betriebsdaten widerspiegeln. Die Anwendung der Verfahren erfolgt zusätzlich auf Basis von realen Betriebsdaten, die über die Gebäudeautomation von zwei großen Nicht-Wohngebäuden gewonnen wurden. Die Anwendung des Big Data Baukastens wurde im Rahmen des Forschungsprojektes in zahlreichen Experimenten demonstriert. Neben den wichtigsten Grundlagen und dem Prozess zur Umsetzung von Big Data Analysen, sollen einige Anwendungsbeispiele aus den Bereichen Datenaufbereitung, Datenklassifikation, Merkmalsanalyse und Fehlererkennung im Rahmen dieses Forschungsberichtes vorgestellt werden. |
| Databáze: |
OpenAIRE |
| Externí odkaz: |
|
