DE102015224368A1 - Verfahren und Vorrichtung zum Auswerten einer Zeitreihe - Google Patents

Verfahren und Vorrichtung zum Auswerten einer Zeitreihe Download PDF

Info

Publication number
DE102015224368A1
DE102015224368A1 DE102015224368.0A DE102015224368A DE102015224368A1 DE 102015224368 A1 DE102015224368 A1 DE 102015224368A1 DE 102015224368 A DE102015224368 A DE 102015224368A DE 102015224368 A1 DE102015224368 A1 DE 102015224368A1
Authority
DE
Germany
Prior art keywords
time series
procedure
data points
imputation
takes place
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102015224368.0A
Other languages
English (en)
Inventor
Jan Mathias Koehler
Sascha Krstanovic
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Priority to DE102015224368.0A priority Critical patent/DE102015224368A1/de
Publication of DE102015224368A1 publication Critical patent/DE102015224368A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10Complex mathematical operations
    • G06F17/18Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Abstract

Verfahren (10) zum Auswerten einer Zeitreihe, gekennzeichnet durch folgende Merkmale: – fehlende Datenpunkte in der Zeitreihe werden identifiziert (11), – die Zeitreihe wird durch eine Imputation der fehlenden Datenpunkte vervollständigt (12) und – die vervollständigte Zeitreihe wird algorithmisch verarbeitet (13).

Description

  • Die vorliegende Erfindung betrifft ein Verfahren zum Auswerten einer Zeitreihe insbesondere durch das Steuergerät eines Heizbrenners. Die vorliegende Erfindung betrifft darüber hinaus eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium.
  • Stand der Technik
  • In der Heizungstechnik wird jedwede technische Vorrichtung zur Wärmeerzeugung durch Verbrennung geeigneter Brennstoffe gemeinhin als Feuerung bezeichnet. Als Wärmequelle und somit zentrale Anlagenkomponente einer gattungsmäßigen Heizungsanlage bedarf die Feuerung mittels eines sogenannten Brenners ihrerseits einer umfangreichen Mess- und Steuerungstechnik.
  • DE 10 2012 201471 A1 offenbart exemplarisch ein Verfahren zum Kalibrieren eines Abgassensors zur Erfassung mindestens eines Anteils eines Gases in einem Messgasraum, insbesondere in einer Heizungsanlage. Der Abgassensor umfasst mindestens ein Sensorelement. Das Sensorelement ist eingerichtet, um mindestens ein Messsignal entsprechend des erfassten Anteils des Gases in dem Messgasraum bereitzustellen. Das Verfahren umfasst mindestens einen Kalibrationsschritt. Der Kalibrationsschritt ist während eines Betriebs des Abgassensors durchführbar.
  • Offenbarung der Erfindung
  • Die Erfindung stellt ein Verfahren zum Auswerten einer Zeitreihe, eine entsprechende Vorrichtung, ein entsprechendes Computerprogramm sowie ein entsprechendes Speichermedium gemäß den unabhängigen Ansprüchen bereit.
  • Ein Vorzug dieser Lösung liegt in ihrer besonderen Eignung zur Steuerung und Überwachung unterschiedlichster Heizbrenner. Dem vorgeschlagenen Ansatz liegt dabei die Erkenntnis zugrunde, dass derartige Brenner typischerweise mit einem Steuergerät ausgestattet sind, welches Systeminformationen – z. B. Gerätedaten, Sollwertvorgaben oder Betriebsbedingungen und äußere Rahmenbedingungen wie Außen- und Raumtemperatur – erfasst und über einen systeminternen Kommunikationskanal, meist in Gestalt eines Feldbusses, kommuniziert.
  • Die von den Feldgeräten, insbesondere Sensoren, gelieferten Zeitreihen können hierbei wahlweise mit einer speziellen Schnittstelle ausgelesen und an eine externe Einheit verschickt oder auf dem Steuergerät selbst (on-board) verarbeitet und unmittelbar zur Analyse oder Diagnose des Heizungssystems verwendet werden. Zur Verarbeitung der Daten kommen im letzteren Fall lediglich Algorithmen in Betracht, welche auf dem Steuergerät – in der Regel ein eingebettetes System auf Mikrocontrollerbasis – soft- oder hardwaremäßig implementiert sind.
  • Einige dieser Algorithmen können keine unvollständigen Zeitreihen, also zeitabhängige Folgen mit fehlenden Datenpunkten (missing data) handhaben. Fehlende Werte können entstehen durch physikalische Messstörungen oder durch Störungen in der Übertragung vom Sensor zum Steuergerät. Ein ähnliches Problem stellen fehlerhafte Werte dar, d. h. Werte, welche nach Anwendung von software- oder hardwaremäßig implementierten Regeln als unplausibel verworfen werden.
  • Eine Ausführungsform der Erfindung fußt daher auf dem Grundgedanken, dass fehlende oder fehlerhafte Werte noch im Steuergerät durch plausible Werte ersetzt werden. Einschlägige Verfahren werden auf dem Gebiet der mathematischen Statistik unter dem Sammelbegriff der „Imputation“ zusammengefasst.
  • Durch die in den abhängigen Ansprüchen aufgeführten Maßnahmen sind vorteilhafte Weiterbildungen und Verbesserungen des im unabhängigen Anspruch angegebenen Grundgedankens möglich. So kann vorgesehen sein, dass die Imputation nach dem aus der Bioinformatik bekannten ARLSImpute-Algorithmus erfolgt, der sich durch eine besonders akkurate Schätzfunktion auszeichnet.
  • Kurze Beschreibung der Zeichnungen
  • Ausführungsbeispiele der Erfindung sind in den Zeichnungen dargestellt und in der nachfolgenden Beschreibung näher erläutert. Es zeigt:
  • 1 das Flussdiagramm eines Verfahrens gemäß einer ersten Ausführungsform.
  • 2 schematisch einen Ölbrenner gemäß einer zweiten Ausführungsform der Erfindung.
  • Ausführungsformen der Erfindung
  • 1 illustriert anhand eines vereinfachten Programmablaufplanes die grundlegenden Verfahrensschritte einer bevorzugten Ausgestaltung. Das diskutierte Verfahren (10) wird in diesem Anwendungsfall zum Steuern und Überwachen einer heizungstechnischen Feuerung eingesetzt. Als Eingabe dienen entsprechend die mittels unterschiedlichster Sensoren ermittelten Zeitreihen, also Folgen von Datenpunkten, die einer Analyse oder Diagnose des Heizungssystems zugrunde gelegt werden könnten. Die Datenpunkte werden von den einzelnen Messfühlern in regelmäßigen Zeitabständen oder ereignisabhängig an das Steuergerät geliefert.
  • Fehlende und unplausible Datenpunkte in der Zeitreihe werden zunächst mit geeigneten Mitteln identifiziert (Schritt 11). Sodann kann die Zeitreihe im Wege einer statistischen Imputation vervollständigt (Schritt 12) und durch eine Substitution der unplausiblen Datenpunkte bereinigt werden. Hierzu bietet sich eine Reihe von Optionen an, welche entweder nur Informationen der betrachteten Zeitreihe berücksichtigen (Methoden für univariate Zeitreihen) oder Informationen und Zusammenhänge aus mehreren Zeitreihen (Methoden für multivariate Zeitreihen) berücksichtigen. So kann etwa jeder fehlende Datenpunkt durch einen bestimmten Schätzwert ersetzt werden. Bei diesem als singuläre Imputation bekannten Konzept kommt insbesondere ein sogenanntes Hot-Deck-Verfahren in Betracht, demgemäß als Schätzwert eine beobachtete Ausprägung desselben Merkmals herangezogen wird. Als besonders unkomplizierte Methode erweist sich hierunter vor allem ein simples Übertragen der vorangehenden Beobachtung (last observation carried forward, LOCF) auf das fehlende Folgeglied.
  • Zu denken ist ferner an die Imputation durch einen autoregressiven gleitenden Mittelwert (autoregressive moving average, ARMA). Beruhen die Datenpunkte auf nicht stationären Signalen, so empfiehlt sich hier ein integratives Modell, wie es dem Fachmann unter dem Akronym „ARIMA“ vertraut ist. Vorteile bietet insbesondere die Nutzung des sogenannten ARLSImpute-Algorithmus gemäß M. K. Choong, M. Charbit, H. Yan, "Autoregressive model based missing value estimation for DNA microarray time series data," IEEE Trans. on Information Technology in Biomedicine, vol.13, no. 1, pp. 131–137, 2009. Zur statistischen Analyse und Klassifikation der Zeitreihen kommen schließlich auch verschiedenste Zustandsraum-Modelle (space state models) in Betracht, ohne den Rahmen der Erfindung zu verlassen.
  • Die in Schritt 12 vervollständigte Zeitreihe wird nunmehr algorithmisch verarbeitet (Schritt 13), um sie für eine Zustandsanalyse oder Systemdiagnose heranzuziehen. Diese wiederum kann angezeigt (Schritt 14) oder an ein externes Gerät übertragen werden.
  • Dieses Verfahren (10) kann beispielsweise in Software oder Hardware oder in einer Mischform aus Software und Hardware beispielsweise in einem Steuergerät des Brenners (20) der Heizungsanlage implementiert sein, wie die schematische Darstellung der 2 verdeutlicht.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • DE 102012201471 A1 [0003]
  • Zitierte Nicht-Patentliteratur
    • M. K. Choong, M. Charbit, H. Yan, “Autoregressive model based missing value estimation for DNA microarray time series data,” IEEE Trans. on Information Technology in Biomedicine, vol.13, no. 1, pp. 131–137, 2009 [0015]

Claims (10)

  1. Verfahren (10) zum Auswerten einer Zeitreihe, gekennzeichnet durch folgende Merkmale: – fehlende Datenpunkte in der Zeitreihe werden identifiziert (11), – die Zeitreihe wird durch eine Imputation der fehlenden Datenpunkte vervollständigt (12) und – die vervollständigte Zeitreihe wird algorithmisch verarbeitet (13).
  2. Verfahren (10) nach Anspruch 1, gekennzeichnet durch folgendes Merkmal: – die Zeitreihe wird vor dem Identifizieren (11) von einem Sensor empfangen.
  3. Verfahren (10) nach Anspruch 2, gekennzeichnet durch folgendes Merkmal: – das Empfangen erfolgt mittels eines Bussystems.
  4. Verfahren (10) nach einem der Ansprüche 1 bis 3, gekennzeichnet durch folgende Merkmale: – vor dem Verarbeiten (13) werden unplausible Datenpunkte in der Zeitreihe identifiziert und – die Zeitreihe wird durch eine Substitution der unplausiblen Datenpunkte bereinigt.
  5. Verfahren (10) nach einem der Ansprüche 1 bis 4, gekennzeichnet durch mindestens eines der folgenden Merkmale: – das Verarbeiten (13) umfasst eine Zustandsanalyse anhand der Datenpunkte oder – das Verarbeiten (13) umfasst eine Systemdiagnose anhand der Datenpunkte.
  6. Verfahren (10) nach Anspruch 5, gekennzeichnet durch mindestens eines der folgenden Merkmale: – die Zustandsanalyse oder Systemdiagnose wird angezeigt (14) oder – die Zustandsanalyse oder Systemdiagnose wird an ein Gerät oder einen Dienstleister übertragen.
  7. Verfahren (10) nach einem der Ansprüche 1 bis 6, gekennzeichnet durch mindestens eines der folgenden Merkmale: – die Imputation erfolgt singulär gemäß einer Hot-Deck-Technik, insbesondere einem Übertragen der vorangehenden Datenpunkte, – die Imputation erfolgt durch einen autoregressiven, vorzugsweise integrierten gleitenden Mittelwert der Datenpunkte, – die Imputation erfolgt nach einem ARLSImpute-Algorithmus oder – die Imputation erfolgt anhand eines Zustandsraum-Modells.
  8. Computerprogramm, welches eingerichtet ist, das Verfahren (10) nach einem der Ansprüche 1 bis 7 auszuführen.
  9. Maschinenlesbares Speichermedium, auf dem das Computerprogramm nach Anspruch 8 gespeichert ist.
  10. Vorrichtung (20), die eingerichtet ist, das Verfahren (10) nach einem der Ansprüche 1 bis 7 auszuführen.
DE102015224368.0A 2015-12-04 2015-12-04 Verfahren und Vorrichtung zum Auswerten einer Zeitreihe Pending DE102015224368A1 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE102015224368.0A DE102015224368A1 (de) 2015-12-04 2015-12-04 Verfahren und Vorrichtung zum Auswerten einer Zeitreihe

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE102015224368.0A DE102015224368A1 (de) 2015-12-04 2015-12-04 Verfahren und Vorrichtung zum Auswerten einer Zeitreihe

Publications (1)

Publication Number Publication Date
DE102015224368A1 true DE102015224368A1 (de) 2017-06-08

Family

ID=58722356

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102015224368.0A Pending DE102015224368A1 (de) 2015-12-04 2015-12-04 Verfahren und Vorrichtung zum Auswerten einer Zeitreihe

Country Status (1)

Country Link
DE (1) DE102015224368A1 (de)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012201471A1 (de) 2012-02-01 2013-08-01 Robert Bosch Gmbh Verfahren zum Kalibrieren eines Abgassensors zur Erfassung mindestens eines Anteils eines Gases in einem Messgasraum

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012201471A1 (de) 2012-02-01 2013-08-01 Robert Bosch Gmbh Verfahren zum Kalibrieren eines Abgassensors zur Erfassung mindestens eines Anteils eines Gases in einem Messgasraum

Non-Patent Citations (9)

* Cited by examiner, † Cited by third party
Title
Andridge, Rebecca R.; Little, Roderick J. A.: A Review of Hot Deck Imputation for Survey Non-response. In: International Statistical Review, 78, 2010, 1, S. 40-64. - ISSN 1751-5823. https://www.researchgate.net/publication/51481302_A_Review_of_Hot_Deck_Imputation_for_Survey_Non-response [abgerufen am 17.12.2015] *
Chen, C. [u.a.]: Detecting Errors and Imputing Missing Data for Single-Loop Surveillance Systems. In: Transportation Research Record: Journal of the Transportation Research Board, 1855, 2003, S. 160–167. - ISSN 0361-1981. http://connected-corridors.berkeley.edu/sites/default/files/detecting_errors_and_imputing_missing_data_for_single-loop_surveillance_systems.pdf [abgerufen am 17.12.2015] *
Fernandez-Moctezuma, R. J. [u.a.]: Toward Improved and Transparent Imputation Techniques for Online Traffic Data Streams and Archiving Applications. In: Transportation Research Board 88th Annual Meeting, 2009, S. 1-13. http://citeseerx.ist.psu.edu/viewdoc/download?doi=10.1.1.215.5446&rep=rep1&type=pdf [abgerufen am 17.12.2015] *
Imputation. In: Wikipedia, Die freie Enzyklopädie. Bearbeitungsstand: 16.08.2015. URL: https://de.wikipedia.org/w/index.php?title=Imputation_%28Statistik%29&oldid=145082112 [abgerufen am 17.12.2015] *
Imputation. In: Wikipedia, the free encyclopedia. Bearbeitungsstand: 31.10.2015. URL: https://en.wikipedia.org/w/index.php?title=Imputation_%28statistics%29&oldid=688348627 [abgerufen am 17.12.2015] *
M. K. Choong, M. Charbit, H. Yan, "Autoregressive model based missing value estimation for DNA microarray time series data," IEEE Trans. on Information Technology in Biomedicine, vol.13, no. 1, pp. 131–137, 2009
Nelwamondo, F. V.; Marwala, T.: Key Issues on Computational Intelligence Techniques for Missing Data Imputation-A Review. In: Proceedings of the 12th World Multi-Conference on Systemics, Cybernetics and Informatics: WMSCI 2008, 2008, S. 1-6. http://www.iiis.org/cds2008/cd2008sci/SCI2008/PapersPdf/S573HQ.pdf [abgerufen am 17.12.2015] *
Oren, Anava; Elad, Hazan; Assaf Zeevi: Online Time Series Prediction with Missing Data. In: Proceedings of the 32nd International Conference on Machine Learning (ICML), 37, 06.-11.07.2015, S. 1-9. http://jmlr.org/proceedings/papers/v37/anava15.pdf [abgerufen am 17.12.2015] *
Regressionsanalyse. In: Wikipedia, Die freie Enzyklopädie. Bearbeitungsstand: 13.11.2015. URL: https://de.wikipedia.org/w/index.php?title=Regressionsanalyse&oldid=148014824 [abgerufen am 17.12.2015] *

Similar Documents

Publication Publication Date Title
Filonov et al. Multivariate industrial time series with cyber-attack simulation: Fault detection using an lstm-based predictive data model
US10330647B2 (en) Automatic mechanical systems diagnosis
ES2526129T3 (es) Método y sistema para distinguir el uso de la energía de calentamiento y enfriamiento de otro uso de la energía en un edificio
US10061281B2 (en) Controller support device, method, and recording medium
AU2019268192A1 (en) Electronic aerosol provision systems and methods
US6684163B2 (en) Determination of a degradation of a gas turbine
US9625349B2 (en) Time-stamped emissions data collection for process control devices
US20130197698A1 (en) HVAC System Fault Root Cause Self-Determination
US9754429B2 (en) System for monitoring a set of components of a device
US20160231738A1 (en) Information processing apparatus and analysis method
EP2228698B1 (de) Programmierbares Steuersystem
US9254849B1 (en) Device and method for interfacing with a locomotive engine
JP4942756B2 (ja) 故障検出装置、故障検出方法、および故障検出プログラム
CA2772816C (en) Methods and systems for monitoring operation of equipment
US9082242B2 (en) Vehicle network health assessment
Tsai et al. Optimal two-variable accelerated degradation test plan for gamma degradation processes
Gao et al. Novel parameter identification by using a high-gain observer with application to a gas turbine engine
EP2740916A3 (de) Betriebsstützsysteme und Verfahren zum Berechnen und Bewerten von Turbinentemperaturen und -gesundheit
US20150198474A1 (en) Barrel bung wireless sensor pack
CN102419220B (zh) 更精确地利用热敏电阻感测温度的系统和方法
US10801643B2 (en) Method for diagnosing a diaphragm valve, and diagnosis system for a diaphragm valve
CN102588214A (zh) 自动监视风力涡轮机的方法和设备及创建线性模型的方法
US9811072B2 (en) Apparatus and method for analyzing a control network
WO2014003996A3 (en) Industrial process temperature transmitter with sensor stress diagnostics
US10670648B2 (en) Systems and methods for determining whether a circuit is operating properly

Legal Events

Date Code Title Description
R163 Identified publications notified