Studie zu Fehler- und Anomalieerkennung in Hausübergabestationen publiziert
Im Rahmen einer Studie hat eine Arbeitsgruppe unter der Leitung von INEV rund 30 wissenschaftliche Artikel ausgewertet und die Ergebnisse publiziert.
Wie lassen sich mit Hilfe von Messdaten Fehler und Anomalien in Hausübergabestationen von Wärmenetzen erkennen? Welche Methoden können dazu eingesetzt werden? Und welche Qualität und Menge von Messdaten benötige ich dazu? Diese und weitere Fragen hat sich eine Arbeitsgruppe um Hauptautor Martin Neumayer im Rahmen einer Literaturstudie gestellt, deren Ergebnisse nun auf der International Conference on Smart Energy Systems vorgestellt wurden.
Die Auswertung der Ergebnisse zeigt, dass die meisten der identifizierten Artikel seit 2017 publiziert wurden. Das lässt darauf schließen, dass das Thema in den letzten Jahren an Bedeutung gewonnen hat. Die Methoden zu Erkennung von Fehler und Anomalien sind dabei weit gestreut: Viele Artikel verwenden Visualisierungs-, Regressions- oder Clustering-Techniken, um Fehler und Anomalien in Datensätzen zu erkennen. Einige Publikationen beschreiben aber auch einfache Schwellwertmethoden oder Klassifikationsansätze, um dem Problem zu begegnen. Dabei können die genannten Methoden einzeln verwendet oder miteinander kombiniert werden.
Bei der Betrachtung der in der Literatur verwendeten Messdaten fällt auf, dass etwa 80% der Artikel Echtweltdaten, d.h. real gemessene Daten, verwenden. Nur wenige Autoren greifen auf Daten aus einer Simulation oder verfremdete Echtweltdaten zurück. Des Weiteren ist auffällig, dass etwa 90% der Autoren, die Echtweltdaten verwenden, nicht wissen, wann in ihrem Datensatz welcher Fehler aufgetreten ist. Das Fehlen dieser Information schränkt die anwendbaren Methoden ein und erschwert darüber hinaus eine statistische Beurteilung der Methoden.
Eine weitere Erkenntnis zu den verwendeten Messdaten ist, dass typischerweise eine zeitliche Auflösung, sprich der zeitliche Abstand zwischen zwei Messungen, von einer Stunde vorliegt. Zumeist wird mindestens eine Zeitspanne von einer Heizperiode betrachtet wird. Dagegen schwankt die Anzahl der betrachteten Hausübergabestationen je nach Artikel stark zwischen nur einer bis zu mehreren tausend Stationen.
Abschließend lässt sich festhalten, dass Betreiber von Wärmenetzen bereits mit wenigen digitalisierten Hausübergabestationen, die Messwerte im Stundentakt liefern, einfache Methoden zur Erkennung von Anomalien implementieren können. Um den Anomalien jedoch zuverlässig konkrete Fehlerbeschreibungen, wie z.B. „Verkalkung“ oder „klemmendes Ventil“, zuzuordnen, sind typischerweise große, von Experten erstellte Datensätze mit Beispielen der Fehlerbeschreibung notwendig.
Bei Rückfragen auch zur Veröffentlichung steht Ihnen unser Expertenteam gerne zur Verfügung.
Wie lassen sich mit Hilfe von Messdaten Fehler und Anomalien in Hausübergabestationen von Wärmenetzen erkennen? Welche Methoden können dazu eingesetzt werden? Und welche Qualität und Menge von Messdaten benötige ich dazu? Diese und weitere Fragen hat sich eine Arbeitsgruppe um Hauptautor Martin Neumayer im Rahmen einer Literaturstudie gestellt, deren Ergebnisse nun auf der International Conference on Smart Energy Systems vorgestellt wurden.
Die Auswertung der Ergebnisse zeigt, dass die meisten der identifizierten Artikel seit 2017 publiziert wurden. Das lässt darauf schließen, dass das Thema in den letzten Jahren an Bedeutung gewonnen hat. Die Methoden zu Erkennung von Fehler und Anomalien sind dabei weit gestreut: Viele Artikel verwenden Visualisierungs-, Regressions- oder Clustering-Techniken, um Fehler und Anomalien in Datensätzen zu erkennen. Einige Publikationen beschreiben aber auch einfache Schwellwertmethoden oder Klassifikationsansätze, um dem Problem zu begegnen. Dabei können die genannten Methoden einzeln verwendet oder miteinander kombiniert werden.
Bei der Betrachtung der in der Literatur verwendeten Messdaten fällt auf, dass etwa 80% der Artikel Echtweltdaten, d.h. real gemessene Daten, verwenden. Nur wenige Autoren greifen auf Daten aus einer Simulation oder verfremdete Echtweltdaten zurück. Des Weiteren ist auffällig, dass etwa 90% der Autoren, die Echtweltdaten verwenden, nicht wissen, wann in ihrem Datensatz welcher Fehler aufgetreten ist. Das Fehlen dieser Information schränkt die anwendbaren Methoden ein und erschwert darüber hinaus eine statistische Beurteilung der Methoden.
Eine weitere Erkenntnis zu den verwendeten Messdaten ist, dass typischerweise eine zeitliche Auflösung, sprich der zeitliche Abstand zwischen zwei Messungen, von einer Stunde vorliegt. Zumeist wird mindestens eine Zeitspanne von einer Heizperiode betrachtet wird. Dagegen schwankt die Anzahl der betrachteten Hausübergabestationen je nach Artikel stark zwischen nur einer bis zu mehreren tausend Stationen.
Abschließend lässt sich festhalten, dass Betreiber von Wärmenetzen bereits mit wenigen digitalisierten Hausübergabestationen, die Messwerte im Stundentakt liefern, einfache Methoden zur Erkennung von Anomalien implementieren können. Um den Anomalien jedoch zuverlässig konkrete Fehlerbeschreibungen, wie z.B. „Verkalkung“ oder „klemmendes Ventil“, zuzuordnen, sind typischerweise große, von Experten erstellte Datensätze mit Beispielen der Fehlerbeschreibung notwendig.
Bei Rückfragen auch zur Veröffentlichung steht Ihnen unser Expertenteam gerne zur Verfügung.