Improving Fault Detection Accuracy of the Modular Centrifugal Chiller by Manipulating Normal Exemplars

Abstract

건물 내부의 개별 칠러의 고장을 탐지하는 것은 설비 관리 측면에서 중요하다. 하지만 칠러의 높은 신뢰성과 다양한 정상 동작 상태로 인해 SVDD (Support Vector Data Description)과 같은 데이터 기반의 고장 탐지 방식은 정상적으로 작동하지 않는다. 환경과 운영 변화로 인해 발생하는 다양한 정상 동작 상태로 인해 SVDD에서도 허위 경보가 높게 측정될 수 있다. SBM (Similarity-Based Modeling)을 적용하여 다양한 정상 작동 상태에서 오는 영향을 줄일 수 있다. 그러나 SBM은 정상 표본이 정상적인 데이터만 포함해야한다는 엄격한 전제 조건을 기반으로 하며, 이는 다수의 정상 상태가 있는 냉각기의 경우에는 어렵다. 본 논문에서는 SBM에서 정상 표본을 설계하는 새로운 방법을 제안한다. 제안된 방법을 사용하면 SVDD의 허위 경보가 크게 감소되어 오류 탐지 정확도가 크게 향상된다. 이 방법은 모듈러 원심 냉각기의 작동 데이터를 바탕으로 검증되었다.

Detecting fault of an individual chiller in buildings is important from the maintenance perspective. Due to high reliability and multiple normal operating states of chillers, conventional data-driven methods such as Support Vector Data Description (SVDD) does not work well. Various normal operation modes coming from both environment and operation, false alarm rate can be high with the SVDD model also. Similarity-based Modelling (SBM) approach can be applied to reduce the variety coming from the multiple normal operating states. However, the SBM approach is based on strict prerequisite that normal exemplar should only contain normal data, which is difficult for chillers case where multiple normal states exist. In this paper, a new method for constructing normal exemplar in SBM is proposed. Using the proposed method, the false alarm of SVDD is greatly reduced which fault detection accuracy is improved. Evaluation of the method is made on the modular centrifugal chiller’s operation data.