Bachelorabeit Paul-Werner Neißer-Deiters

 

Generierung von standardisierten Identifikatoren aus Metadaten der technischen Gebäudeausrüstung durch Machine Learning

Gebäudeausrüstung Urheberrecht: EBC Vorgehen des Algorithmus für die standardisierte Umbenennung von Datenpunkten

Die Reduzierung des Energiebedarfs bestehender Gebäude erfordert fortschrittliche Energiemanagementsysteme. Um Energiemanagementsysteme auf bestehende Gebäude anwenden zu können, ist es notwendig, dass die Daten der Gebäudeleittechnik (GLT) in einem bekannten Format zugänglich und identifizierbar sind. Das BMS stellt Metadaten zur Verfügung, die seine Datenpunkte durch Textbeschriftung definieren. Da es derzeit keine allgemein akzeptierte Norm gibt, unterscheiden sich diese Kennzeichnungstexte stark, oft sogar innerhalb von Gebäuden, da verschiedene Installateure unterschiedliche Formate verwenden. Diese Umstände machen eine manuelle Umwandlung in ein Format erforderlich, das von dem fortschrittlichen Steuerungssystem lesbar ist. Die manuelle Transformation erfordert detaillierte Kenntnisse der BMS und einen erheblichen menschlichen Aufwand. Durch die Anwendung von Algorithmen des maschinellen Lernens kann dieser Aufwand reduziert werden, da sich wiederholende Muster automatisch transformiert werden können. Für dieses Papier wurde ein browserbasiertes Werkzeug entwickelt, das es dem Benutzer ermöglicht, Metadaten von vorgeschlagenen Datenpunkten manuell zu identifizieren und zu transformieren, indem er sie nach einem standardisierten Schema beschriftet und dann maschinelle Lernalgorithmen verwendet, um andere Datenpunkte vorherzusagen. Um die bestmögliche Leistung des entwickelten Tools zu erreichen, werden verschiedene maschinelle Lernalgorithmen verglichen, indem sie auf Datensätze mehrerer BMS angewendet werden.