Methods and framework for data-driven Building service analytics

Abstract

Bestandsgebäude werden oft über einen langen Zeitraum unter unentdeckten, suboptimalen Bedingungen betrieben. Optimierungspotenziale bleiben weitgehend unbemerkt, wodurch zusätzliche Betriebskosten, welche aus den erhöhten Energieverlusten resultieren, verursacht werden. Wärmeverluste durch Beschädigungen der Gebäudestruktur, mangelhafte Isolierung sowie Defekte oder ein sinkender Wirkungsgrad von Teilsystemen in der Gebäudehydraulik können sich negativ auf die Energiebilanz des Gebäudes auswirken. Eine schnelle Erkennung und damit rechtzeitige Behebung solcher Probleme kann zu einem reduzierten Energieverbrauch führen, indem eine optimale Energiebilanz im Gebäude erzielt wird. Neubauten verfügen über die modernste Gebäudetechnologien, einschließlich moderner Bautechniken und bewährter Gebäudemanagementsysteme (BMS). Diese Gebäude sind in der Regel mit mehreren invasiven Sensoren ausgestattet, die eine umfassende Überwachung und Optimierung des Gebäudesystems ermöglichen. Im Gegensatz dazu verfügen ältere Gebäude in der Regel nicht über diese Funktionen und daher ist es nicht einfach, die optimalen Betriebsbedingungen zu ermitteln. In dieser Masterarbeit wurde ein Gebäudeanalyse-Framework (Buiding Service Analysis Engine, BSAE) entwickelt, das anhand von nicht-invasiven Sensoren gesammelten Daten der Gebäudehydraulik Systemprobleme und Optimierungspotenziale erkennen kann. Die Erhebung der Anforderungen an das Analyse-Framework erfolgte anhand von Anwendungsfällen. Das Wissen über die Position der Sensoren im Gebäude ist ein unumgänglicher Bestandteil für die Analyse. Aus diesem Grund wurden die notwendigen Schritte zur Erkennung des zugrunde liegenden Sensornetzwerks auf der Grundlage von Hydraulikdaten identifiziert und entwickelt. Die Evaluierung der Konzepte und Methoden erfolgte anhand von Daten eines Bürogebäudes und anhand der identifizierten Anwendungsfälle. Schließlich wurde ein Teil der Ansätze in ein auf Micro Service Architecture (MSA) basierendes Softwaresystem integriert, um ein einfaches Deployment zu ermöglichen und die Wartbarkeit zu verbessern.

Existing buildings often operate on undiscovered suboptimal conditions for a long period of time. Optimization potentials remain mainly unnoticed, which causes additional operation costs that arise from the increased energy loss. Heat loss caused by damage in the building structure, poor isolation as well as defects or falling efficiency of subsystems in building hydraulics may have a negative impact on the energy balance of the building. A quick detection and consequently timely fix of such problems can lead to a more optimal and reduced energy consumption by ensuring an optimal energy balance in the building. Recently built buildings provide state of the art building technologies including modern construction techniques and well established Building Management Systems (BMS). These buildings are usually equipped with several invasive sensors which enables a wide range of building system monitoring and optimization. Contrarily, older buildings typically do not have these capabilities and thus, the identification of suboptimal operating conditions for them is not easy to perform. In this master thesis, we developed a so-called Building Service Analysis Engine (BSAE) which is able to identify system flaws and optimization potentials by means of building hydraulics data gathered by non-invasive sensors. The requirements for the analysis framework were defined based on use cases. The knowledge about the spatial arrangement of the sensors in the building is an indispensable part for the analysis. Therefore, we identified and developed the necessary steps to detect the underlying sensor network based on hydraulic data. The evaluation of the concepts and methods was done on data from an occupied office building and against the identified use cases. Finally, we integrated a part of the approaches into a Micro Service Architecture (MSA) based software system to enable easy deployment and to improve maintainability.