En algoritm för automatisk feldetektering och diagnos av ett luftbehandlingsaggregat

Större byggnader innehåller en mängd installationsteknik för att hålla inneklimatet behagligt. Dessa tekniska system övervakas automatiskt för att större fel och driftavvikelser ska identifieras. Att gå ett steg längre och analysera dessa system på daglig basis är något som kräver både tid och resurser. Det pågår forskning kring att automatisera denna analys, vilken ryms inom den akademiska termen Fault Detection and Diagnosis (FDD). Denna masteruppsats tar avstamp i detta forskningsområde med ambitionen att utveckla en algoritm som automatiskt analyserar ett luftbehandlingsaggregat av FTX-typ för ökad energiprestanda. Utgångspunkten för algoritmen var att använda de befintliga mät- och styrsignalerna som visas i en driftbild i övervakningssystemet. En litteraturstudie genomfördes för att identifiera möjliga metodval där den kvalitativa metoden expertsystem valdes. I denna tillämpning av expertsystem skapades ett regelverk som detekterar avvikelser från ett förmodat normalfall, sedan analyseras möjliga rotorsaker till avvikelserna genom trädsökning varpå diagnoser kan utfärdas. För att bedöma hur väl algoritmen fungerade gjordes en fallstudie på delar av universitetssjukhuset i Linköping, där algoritmen testkördes på 8 luftbehandlingsaggregat. Resultatet visade att utfärdade diagnoser är fullt rimliga men för många till antalet, då varje uppmärksammad avvikelse ofta genererar likvärdiga diagnoser. Precisionen bedömdes till 75 % baserat på testningens resultat och begränsas framförallt av antalet tillgängliga sensorer och mätnoggrannhet. En nyckelegenskap för algoritmen är att kvantifiera de uppmärksammade fel som bidrar till en ökad energianvändning. Exempelvis visade resultatet att 6 % av inköpt värme kan ersättas om tilluftsverkningsgraden ökas till 75 %. Här behöver dock hänsyn tas till att beräkningen bakom tilluftsverkningsgraden, som baseras på data från tillgängliga sensorer, dras med en mängd osäkerheter. Utöver befintliga temperatursensorer undersöktes om ytterligare mätpunkter kunde motiveras för utökad feldetektering och diagnos. En tes var att mindre ventilläckage går att upptäcka genom mätning, vilket inte kunde styrkas. Vidare framkom vikten av att veta temperaturen på uteluften som kommer aggregatet tillhanda, och inte fasad- eller taktemperaturen, för att i efterhand kunna avgöra om systemet körts på ett effektivt sätt. Fortsatt arbete kan sammanfattas i att minska manuell datahantering och förbättra diagnosmodulen genom att dels införa fel på ett luftbehandlingsaggregat under kontrollerade former, dels genom förfinandet av det grafiska gränssnittet där algoritmens resultat presenteras.