Video Experimental Relacionado
Updated: Sep 10, 2025

Symptom Assessment of Patients with Allergic Rhinitis Using an Allergen Exposure Chamber
Published on: March 3, 2023
Datos etiquetados de funcionamiento real de las unidades de tratamiento de aire de los edificios de oficinas,
1Institute for Environmental Design and Engineering, University College London, London, WC1H 0NN, UK. seung-hyun.wang@ucl.ac.uk.
Este estudio creó conjuntos de datos operativos para unidades de manipulación de aire (AHU) con sistemas de volumen de aire constante (CAV) para mejorar la detección y el diagnóstico automatizados de fallas (AFDD). Estos conjuntos de datos ayudan a desarrollar e integrar modelos de diagnóstico avanzados para la eficiencia energética de los edificios.
Área de la Ciencia:
- Sistemas energéticos de edificios
- Análisis del rendimiento de HVAC
- Ciencia de datos para la gestión de instalaciones
Sus antecedentes:
- Las unidades de manejo de aire (AHU) son críticas para el control del clima de los edificios.
- Los sistemas de volumen de aire constante (CAV) requieren una detección efectiva de fallos para un rendimiento óptimo.
- Los conjuntos de datos existentes a menudo carecen de datos operativos del mundo real para el desarrollo de modelos de detección y diagnóstico automatizados de fallas (AFDD).
Objetivo del estudio:
- Generar conjuntos de datos operacionales completos y reales para las AHU con sistemas CAV.
- Apoyar el avance del aprendizaje automático y los modelos de diagnóstico para AFDD.
- Facilitar la integración de modelos AFDD validados en los sistemas de gestión de instalaciones.
Principales métodos:
- Recopilación de datos adaptados a las características operativas únicas de los edificios de oficinas, auditorios y hospitales.
- Limpieza rigurosa de los datos, incluida la identificación y eliminación de los datos faltantes o duplicados.
- Anotación sistemática de las condiciones de funcionamiento y las categorías de fallos.
- Partición estratégica de los conjuntos de datos en subconjuntos de capacitación, validación y pruebas.
Principales resultados:
- Desarrollo de conjuntos de datos operativos distintos y de alta calidad para tres tipos de edificios.
- Conjuntos de datos anotados con estados operativos e información sobre fallas.
- Datos preparados para su aplicación directa en la formación y validación de modelos de AFDD.
Conclusiones:
- Los conjuntos de datos creados son cruciales para refinar y avanzar en los modelos de AFDD para AHU.
- La disponibilidad de estos conjuntos de datos acelerará el desarrollo y el despliegue de soluciones automatizadas de detección de fallos.
- La mejora de las capacidades de AFDD mejorará el rendimiento, la fiabilidad y la eficiencia energética de los edificios.
Más Videos Relacionados
10:16Design and Operation of a Continuous 13C and 15N Labeling Chamber for Uniform or Differential, Metabolic and Structural, Plant Isotope Labeling
Published on: January 16, 2014
09:58A Reversible, Non-invasive Method for Airway Resistance Measurements and Bronchoalveolar Lavage Fluid Sampling in Mice
Published on: April 13, 2010
Videos de Conceptos Relacionados
Hospitals-II
Nurses that work in...
Respiratory Volumes and Capacities
Operational Amplifiers
Respiratory Volumes and Capacities I
Heating and Cooling Curves
For instance, the addition of heat raises the temperature of a solid; the amount of heat absorbed depends on the heat capacity of the solid (q = mcsolidΔT). According to thermochemistry, the relation between the amount of heat absorbed or released by a substance, q, and its...
Respiratory Volumes
Tidal Volume (TV) Tidal volume (TV) is the air inhaled or exhaled in a...