A Metadata Inference Method for Building Automation Systems With Limited Semantic Information
Notice bibliographique
Résumé
Metadata in most existing building automation systems (BASs) is inconsistent, incomplete, and nondescriptive. This situation is a major obstacle to the widespread use of data analytics to improve the operation of buildings. In this article, we put forward a method to infer zone-level metadata from features derived from BAS data. The method includes two steps: 1) classification of BAS points into different types (e.g., indoor temperature, indoor temperature set point, airflow, airflow set point, damper position, and radiator valve position) and 2) association of BAS points based on their functional relationships (i.e., grouping the sensors, actuators, and set points of each zone together). The metadata inference method was demonstrated with data from zones served by four different air handling units (AHUs) in two office buildings in Ottawa, ON, Canada. The results from this case study indicate that common zone-level BAS point types can be accurately classified and associated even in the absence of intuitive data labels. Note to Practitioners-This article was motivated by the problem of metadata normalization in existing buildings, in order to scale up the application of smart building solutions in the real world. Existing metadata normalization approaches mainly focused on inferring the point types of the metadata with both semantic (label) and numerical information (time series readings). In this article, we put forward a method to infer zone-level metadata with numerical information only. Methods for both types of classification and relationships' association of the BAS points are investigated. The results from two office buildings indicate that the classification phase can achieve an average of 90% accuracy, while the association phase can obtain an average of 85% accuracy. The method was developed and demonstrated with a limited data set by using data exclusively from zone-level sensors, actuators, and set points. Future work is planned to extend the proposed method to more comprehensive BAS data sets with the system- and plant-level data as well.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».