工業技術研究院

技術簡介

針對建築物的全區域空調系統效率開發主動式多源數據融合決策支援技術，融合冰水側系統與空氣側系統的運轉數據與設備狀態等資訊，分析電力數據流向並提供空調能效優化或故障排除操作等決策支援給予設備管理者，進一步加大建築物系統的預測性與維運保養效益。

Abstract

Develop active multi-source data fusion decision support technology for the chiller subsystem and AHU subsystem in HVAC system. It integrates the operation data and equipment status information of the ice water side system and the air side system, analyzes the power data flow, and provides decision support such as air conditioning energy efficiency optimization or troubleshooting operations to equipment managers, further increasing the predictability and maintenance efficiency of the air conditioning system in the building.

技術規格

資料擷取模組：從不同的空調子系統整合出運轉資訊日誌。收集實際建置的冰水側系統與空調箱系統運轉資訊，包含有控制設定、運轉時間、故障狀態、系統效率、系統能耗、空調系統總用電等數據。 分析模組：以決策樹將運轉資訊日誌以全域空調系統總用電(kW)或全域空調系統效率(kW/RT)為標的進行能源流分析。 解析模組：解析決策樹分析結果並加以簡化判別決策樹每一個節點之間的順序關係。 識別模組：識別關鍵特徵或行為分析，應用於二個運轉資訊日誌的能源流分析以識別標識不同的用電設備及其運行狀態。 資料庫系統:微軟SQL 2012 標準版資料庫以上。 軟體平台 : Python版本 3.7以上，與Anaconda3平台

Technical Specification

Data acquisition module: Integrate operation information logs from HVAC subsystems. Collect the actual operation information of the chiller system and AHU system, including control settings, operating time, fault status, system efficiency, system energy consumption, total power consumption of the air conditioning system and other data. Analysis module: Use the decision tree to analyze the energy flow of the operation information log based on the total power consumption (kW) or the efficiency of the global air conditioning system (kW/RT). Analysis module: Analyze the decision tree results and simplify the sequential relationship between each node after the decision tree analysis. Recognition module: Identify key characteristics or behavior analysis. It is applied to energy flow operation logs of multiple subsystems, and its analysis results can identify different electrical equipment and their operating status. Database system: Microsoft SQL 2012 Standard Edition or higher. Software platform: Python version 3.7 or higher, and Anaconda3 platform.

技術特色

目前國內缺乏空調子系統整合分析技術，故本技術是開發一種多源數據融合決策支援模組，其技術基礎是基於資料探勘(dtat mining)與決策樹分類(decision tree)開發一個決策支援技術，估算並參考空調全系統效率指標的優劣進行運轉路徑分類，依不同子系統或是設備的操作行為、能耗資訊以及氣象資料等資料建立一個運轉效能的路徑分類模型，進而針對全區域空調效率整理出優化的運轉策略，有助於人工分析並且清楚描述設備效率好壞的規則。

應用範圍

有管理用電需求或想結合設備資訊進行應用的用電戶，包含各式產業以及商業大樓，大型購物中心或是大型公共事業單位等等。

接受技術者具備基礎建議（設備）

伺服器、網路資訊設備、設備維護管理系統

接受技術者具備基礎建議（專業）

伺服器管理、SQL資料庫管理、設備維護管理系統管理

聯絡資訊