HVAC系统异常检测数据集
数据来源：互联网公开数据
标签：HVAC系统,环境舒适度,非住宅建筑,异常检测,机器学习,意大利,都灵,温度湿度,能耗分析
数据概述：
本数据集记录了位于意大利都灵市的一栋非住宅建筑中的HVAC（暖通空调）系统运行参数，涵盖2019-2020年和2020-2021年两个冬季的运行数据。数据集包含11个变量，具体如下：
- 时间戳（timestamp）：记录数据采集的时间点。
- 回风温度（return air temperature）、送风温度（supply air temperature）和室外空气温度（outdoor air temperature）：以摄氏度（°C）为单位。
- 回风相对湿度（return air relative humidity）、送风相对湿度（supply air relative humidity）和室外空气相对湿度（outdoor air relative humidity）：以百分比（%）为单位。
- 回风设定温度（return air temperature setpoint）：以摄氏度（°C）为单位，用于控制HVAC系统的目标温度。
- 加湿器饱和温度（saturation temperature in the humidifier）：以摄氏度（°C）为单位，反映加湿设备的运行状态。
- 风机所需功率（power required by the fans）：以千瓦（kW）为单位，表示风机运行所需的电力。
- 风机所需能量（energy required by the fans）：以千瓦时（kWh）为单位，表示风机运行消耗的总能量。
数据用途概述：
该数据集适用于HVAC系统异常检测、能耗优化分析、建筑环境舒适度研究以及机器学习模型开发等场景。具体应用包括：
1. 异常检测：通过分析数据中的温度、湿度和能耗指标，识别HVAC系统运行中的异常事件或故障。
2. 能耗优化：研究风机功率和能耗的变化规律，评估HVAC系统的能源效率，并提出优化建议。
3. 环境舒适度研究：分析室内空气温度和湿度与室外环境的关系，研究HVAC系统对非住宅建筑环境舒适度的影响。
4. 机器学习建模：利用时间序列和多变量数据，构建基于机器学习的异常检测模型或预测模型，助力HVAC系统的智能化监测与控制。
5. 建筑运维管理：为建筑运维团队提供数据支持，帮助及时发现问题并采取维护措施，延长系统使用寿命。
备注：
本数据集来源于Borda, Davide（2022）在Mendeley Data上发布的研究项目，标题为“Development of Anomaly Detectors for HVAC Systems using Machine Learning”。数据集的DOI为10.17632/mjhr46dkj6.1，更多详情可访问相关网页链接。
