用于使用机器学习的HVAC设备预测性维护的系统和方法与流程

本公开总体上涉及用于楼宇控制系统和其他系统中的预测性维护的系统和方法。

背景技术：

1、楼宇自动化系统包括各种各样的系统，有助于监测和控制楼宇运行的各个方面。楼宇自动化系统包括安保系统、消防安全系统、照明系统以及供暖、通风和空调(hvac)系统。楼宇自动化系统的元件广泛分布在整个设施中。例如，hvac系统可以包括温度传感器和通风风门控制，以及位于设施的几乎每个区域中的其他元件。这些楼宇自动化系统通常具有一个或多个中央控制站，从该中央控制站可以监测系统数据，并且可以控制和/或监测系统运行的各个方面。

2、为了允许对分散的控制系统元件进行监测和控制，楼宇自动化系统通常采用多级通信网络来在运行元件(如传感器和执行器)与中央控制站之间传递运行和/或警报信息。楼宇自动化系统的一个示例是dxr控制器，可从伊利诺伊州布法罗格罗夫的西门子工业公司(“siemens”)楼宇技术部门获得。在该系统中，通过以太网或另一类型的网络连接的几个控制站可以分布在一个或多个楼宇位置，每个控制站都具有监测和控制系统运行的能力。

3、楼宇自动化系统的维护既昂贵又耗时。设备故障会影响生产、舒适等级和设施运行，而且可能会在没有警告的情况下发生。改进的系统是期望的。

技术实现思路

1、本公开描述了在楼宇自动化系统和相应的系统以及计算机可读介质中使用机器学习进行预测性维护的系统和方法。一种由楼宇自动化系统的数据处理系统执行的方法，包括接收对应于楼宇自动化系统的物理设备的设备事件数据。该方法包括执行推理引擎以确定对应于设备事件数据的根本原因故障数据。该方法包括执行预测性维护引擎以基于根本原因故障数据产生设备的生存分析。该方法包括由所述预测性维护引擎基于生存分析产生更新的故障数据，并且将更新的故障数据提供给推理引擎，其中，该推理引擎此后在后续的根本原因分析中使用更新的故障数据。该方法包括输出生存分析，如显示或发送生存分析。

2、在一些实施例中，设备事件数据包括对于特定时间实例的设备的传感器数据和同一时间实例的设备的故障率。一些实施例进一步包括使用指定多个设备之间生存关系的and sa或or sa运算符来生成多个设备的聚集的生存曲线。在一些实施例中，从基于传感器数据识别设备或系统事件的一个或多个事件检测应用直接或间接接收设备事件数据。在一些实施例中，根本原因故障数据包括特定时间实例的设备故障概率。在一些实施例中，执行预测性维护引擎以产生生存分析包括接收根本原因故障数据，基于根本原因故障数据产生扩充的时间-事件表，以及使用扩充的时间-事件表和对应于设备的设备事件数据与其他设备的设备事件数据之间的相似性，来产生基于相似性的生存曲线。在一些实施例中，推理引擎包括贝叶斯网络并基于贝叶斯网络做出决策，贝叶斯网络将设备事件与设备故障相关联。在一些实施例中，推理引擎将设备事件数据与贝叶斯网络的输出组合以产生根本原因故障数据。在一些实施例中，生存分析包括通过执行概率参数生存分析过程、执行概率非参数生存分析过程或执行基于概率相似性的生存分析过程产生的一条或多条生存曲线。一些实施例还包括执行预测性维护引擎以基于生存分析产生对应于设备的成本分析。一些实施例还包括基于生存分析，执行预测性维护引擎以产生对应于设备的成本分析，以及基于多个设备之间的生存关系，使用and ca或or ca运算符产生用于多个设备的聚集的成本分析。在一些实施例中，生存分析包括执行基于概率相似性的生存分析(ssa)过程，并且包括对所选设备事件数据执行主成分分析和回归分析，以建立表示设备的生存概率的健康指数。

3、前述内容相当广泛地概述了本公开的一些特征和技术优点，使得本领域技术人员可以更好地理解下面的详细描述。本公开的附加特征和优点将在下文中描述，其形成权利要求的主题。本领域技术人员将理解，他们可以容易地使用所公开的概念和特定实施例作为修改或设计用于实现本公开的相同目的的其他结构的基础。本领域技术人员还将认识到，这种等同结构并不背离本公开最广泛形式的精神和范围。

4、在进行下面的具体实施方式之前，阐述贯穿本专利文献的某些词语或短语的限定可能是有利的：术语“包括”和“包含”及其派生词意味着包含而不限于；术语“或”具有包容性，意指和/或；短语“与之相关联”和“与其相关联”及其派生词可以意味着包括、被包括在其中、与之互连、包含、被包含在其中、连接到或与之连接、耦接到或与之耦接、可与之通信、与之协作、交错、并置、接近于、被结合到或与之结合、具有、具有的属性等；术语“控制器”是指控制至少一种操作的任何设备、系统或其部分，无论这种设备是以硬件、固件、软件或是以硬件、固件、软件的至少两种的某种组合实现的。应当注意，与任何特定控制器相关联的功能可以是集中的或分布式的，无论是本地的还是远程的。本专利文献中提供了某些单词和短语的限定，本领域普通技术人员将理解，这些限定在许多情况下(如果不是大多数情况下)适用于这种限定的单词和短语的先前和未来使用。尽管一些术语可以包括各种各样的实施例，但是所附权利要求书可以明确地将这些术语限制到特定的实施例。

技术特征：

1.一种用于楼宇自动化系统的方法，所述方法由所述楼宇自动化系统的数据处理系统执行，并且包括：

2.根据权利要求1所述的方法，进一步包括使用指定多个设备之间的生存关系的andsa或or sa运算符来生成用于所述多个设备的聚集的生存曲线。

3.根据权利要求1所述的方法，其中，所述设备事件数据是从基于传感器数据识别设备或系统事件的一个或多个事件检测应用直接或间接接收的。

4.根据权利要求1所述的方法，其中，所述根本原因故障数据包括对于特定时间实例的所述物理设备的故障概率。

5.根据权利要求1所述的方法，其中，执行所述预测性维护引擎以产生所述生存分析，包括：

6.根据权利要求1所述的方法，其中，所述推理引擎将所述设备事件数据与贝叶斯网络的输出组合以产生所述根本原因故障数据。

7.根据权利要求1所述的方法，其中，所述生存分析包括通过执行概率参数生存分析过程、执行概率非参数生存分析过程或执行基于概率相似性的生存分析过程产生的一条或多条生存曲线。

8.根据权利要求1所述的方法，进一步包括基于所述生存分析，执行所述预测性维护引擎以产生对应于所述物理设备的成本分析。

9.根据权利要求1所述的方法，进一步包括基于所述生存分析，执行所述预测性维护引擎以产生对应于所述物理设备的成本分析，以及基于多个设备之间的生存关系，使用andca或or ca运算符产生用于所述多个设备的聚集的成本分析。

10.根据权利要求1所述的方法，其中，所述生存分析包括执行基于概率相似性的生存分析过程，并且包括对所选设备事件数据执行主成分分析和回归分析，以建立表示所述物理设备的生存概率的健康指数。

11.一种楼宇自动化系统，包括多个物理设备和至少一个数据处理系统，所述至少一个数据处理系统被配置成处理与所述楼宇自动化系统的所述多个物理设备相对应的设备事件数据，其中，所述楼宇自动化系统被配置成：

12.根据权利要求11所述的楼宇自动化系统，其中，所述楼宇自动化系统进一步被配置成使用指定多个设备之间的生存关系的and sa或or sa运算符来生成用于所述多个设备的聚集的生存曲线。

13.根据权利要求11所述的楼宇自动化系统，其中，所述设备事件数据是从基于传感器数据识别设备或系统事件的一个或多个事件检测应用直接或间接接收的。

14.根据权利要求11所述的楼宇自动化系统，其中，所述根本原因故障数据包括对于特定时间实例的所述物理设备的故障概率。

15.根据权利要求11所述的楼宇自动化系统，其中，执行所述预测性维护引擎以产生所述生存分析，包括：

16.根据权利要求11所述的楼宇自动化系统，其中，所述生存分析包括通过执行概率参数生存分析过程、执行概率非参数生存分析过程或执行基于概率相似性的生存分析过程产生的一条或多条生存曲线。

17.根据权利要求11所述的楼宇自动化系统，其中，所述楼宇自动化系统进一步被配置成基于所述生存分析，执行所述预测性维护引擎以产生对应于所述物理设备的成本分析。

18.根据权利要求11所述的楼宇自动化系统，其中，所述楼宇自动化系统进一步被配置成基于所述生存分析，执行所述预测性维护引擎以产生对应于所述物理设备的成本分析，以及基于多个设备之间的生存关系，使用and ca或or ca运算符产生用于所述多个设备的聚集的成本分析。

19.根据权利要求11所述的楼宇自动化系统，其中，所述生存分析包括执行基于概率相似性的生存分析过程，并且包括对所选设备事件数据执行主成分分析和回归分析，以建立表示所述设备的生存概率的健康指数。

技术总结
一种在楼宇自动化系统(100)和相应系统以及计算机可读介质中使用机器学习的预测性维护的方法。一种方法包括接收(1902)对应于设备(112)的设备事件数据(522)并执行推理引擎(522)，以确定对应于设备事件数据(522)的根本原因故障数据(524)。该方法包括执行(1906)预测性维护引擎(508)，以基于根本原因故障数据(524)产生物理设备(112)的生存分析(402、406、410、1604)。该方法包括由预测性维护引擎(508)基于生存分析(402、406、410、1604)产生(1910)更新的故障数据(526)，并将更新的故障数据(526)提供给推理引擎(522)。此后，推理引擎(522)在随后的根本原因分析中使用更新的故障数据(526)。该方法包括输出(1912)生存分析(402，406，410，1604)。

技术研发人员：曹铭志,宋震,梅甘·麦克休,王语博
受保护的技术使用者：西门子工业公司
技术研发日：
技术公布日：2024/1/13