В е с т н и к алматинского университета

Вестник Алматинского университета энергетики и связи № 3 (58) 2022
 
23 
кластеров. Процесс кластеризации останавливается, когда количество оставшихся пикселей приближается 
к вероятности появления аномалии (обычно примерно 10%, 20%). Затем для проверки остаются только 
аномалии и несколько фоновых пикселей. Наконец, каждый извлеченный фоновый кластер в качестве 
средства просмотра применяется для измерения выраженности аномалий тестовых пикселей. Кроме того, 
предлагается взвешенное суммирование для объединения различных значений значимости от разных 
источников. Представлены имитационные эксперименты на двух наборах реальных данных, 
демонстрирующие превосходство предлагаемого метода. Экспериментальные результаты данной работы 
демонстрируют, что предлагаемый метод обладает преимуществами адаптивности, надежности и 
эффективности в условиях загроможденного фона.
 
4. Обнаружение аномалий в системах автоматизации зданий
Системы автоматизации зданий (BAS) представляют собой распределенные сети аппаратного и 
программного обеспечения, которые контролируют и управляют отоплением, вентиляцией и 
кондиционированием воздуха (HVAC), а также освещением и безопасностью интеллектуальных зданий. 
BACnet – это стандартный протокол передачи данных, предназначенный для работы со многими типами 
полевых панелей и контроллеров BAS. 
В работе [22] изучается трафик BACnet в реальном BAS с различных точек зрения и разрабатывается 
детектор аномалий для сетей BAS. Анализ трафика BACnet с помощью нескольких показателей 
показывает, что трафик BACnet не является строго периодическим, как и ожидалось, от управляющего 
трафика, и не демонстрирует суточных моделей сетевого трафика IP. Трафик BACnet представляет собой 
комбинацию нескольких групп потоковых услуг, которые относятся к категориям «управляемых»: 
управляемых временем, управляемых человеком и управляемых событиями. Трафик, управляемый по 
времени, следует периодическим шаблонам, регулярным шаблонам или моделям включения/выключения. 
Трафик, управляемый человеком, и трафик, управляемый событиями, представляют собой 
непериодические модели. Авторы строили модели потокового обслуживания для трафика, управляемого 
временем, и разрабатали детектор аномалий, который использует различные механизмы для каждой 
категории трафика. Получены оценки детектора аномалий с помощью k-кратной перекрестной проверки и 
искусственных атак. Показано, что предлагаемый управляемый детектор аномалий способен эффективно 
обнаруживать подозрительный трафик в сетях BAS с небольшой частотой ложных срабатываний. 
Неисправности в сетях управления отоплением, вентиляцией и кондиционированием воздуха 
существенно влияют на показатели энергоэффективности и комфорта в коммерческих зданиях. Поскольку 
эти управляющие сети состоят из множества датчиков и исполнительных механизмов, сложно выявить, 
часто незаметные, аномалии, вызванные этими неисправностями. В работе [23] авторами разработан метод 
кластерного анализа для обнаружения аномалий. Предлагаемый метод объединяет данные системы 
автоматизации зданий в небольшое количество различных схем работы. Эти отчетливые паттерны 
помогают менеджерам по энергетике обнаружить и интерпретировать аномалии с помощью визуализации 
этих закономерностей. Метод был продемонстрирован с использованием данных системы автоматизации 
зданий за год, состоящих из 247 тепловых зон и установок переработки воздуха. Аномалии, связанные с 
температурной зоны и регулированием воздушного потока, были выявлены примерно в одной трети этих 
зон. На уровне приточно-вытяжной установки авторами работы были выявлены аномалии, связанные с 
тремя различными неисправностями: использованием режима экономайзера с обогревом по периметру, 
негерметичностью наружной заслонки и заслонки возвратного воздуха. Использование режима 
экономайзера с обогревом по периметру повлияло на 39–52% от общего периода эксплуатации и привело к 
тому, что заслонка наружного воздуха оставалась полностью открытой, а блок рекуперации тепла оставался 
выключенным в течение большей части отопительного сезона. 
Обнаружение аномалий на уровне зоны включает в себя исследование ошибок управления 
температурой и воздушным потоком VAV, т. е. различий между заданным значением и регулируемой 
переменной. На рисунке 6 представлен наглядный пример ошибок управления температурой и воздушным 
потоком в зоне в течение дня. Закономерности ошибок регулирования воздушного потока и температуры 
изучаются в восемь этапов. 

---