建築熱源システムを対象としたデータ駆動型不具合検知·診断(第2報）データクレンジングとしてのBEMSデータにおける欠損値補間

摘要

情報化時代の今日では、ビックデータを有効活用したデータ駆動型モデルが注目されている。したがって、モデル能に影響を及ぼす入力データの品質の重要性も高まっている。データクレンジングとは、データの品質管理手法の1つであり、数多くの既往研究が行われてきた。その多くがノイズの除去に着目しているが、本報では欠損値の補間手法の検討を行った。前報では、工場の熱源システムの不具合検知·診断(Fault Detection and Diagnosis、 FDD)のためにBEMS(Building Energy Management System)データの分析を行った。しかし、データの中に欠損値が存在する場合に補間は行わず、その時間帯の全データを削除していた。もちろh、このような処理は時おり合理的であるが、欠損が長く続いた場合は期間の性能評価に大きな誤差をもたらす可能性もある。また、FDDを行うためには実際の挙動をよく表した運転データが必要であるが、欠損値が多いと、システム挙動の特徴をデータからうまく抽出できない可能性や、実際に生じていない不具合を診断してしまう可能性が生じると考えられる。