Automated multilinear parameter identification from big data of buildings

Abstract

[ES] Este trabajo de final de master propone un nuevo proceso automatizado para la identificación paramétrica multilineal para la detección de anomalías en edificios. Esto es útil para edificios que funcionan con big data, ya que pueden contener miles de puntos que proporcionan datos. Un algoritmo para agrupar los datos basado en Expresiones Regulares se ha creado des de cero, con el fin de complementar el algoritmo para la identificación paramétrica creado a priori. Un edificio con una amplia red de datos localizado en Hamburgo, Alemania, genera una gran cantidad de puntos de datos que son usados en este trabajo para crear el nuevo proceso, el cual se automatizará lo máximo posible. Por último, para diseñar este proceso, el nuevo algoritmo se basará en el uso de un esquema estandarizado para nombrar puntos de datos.

[EN] This master thesis proposes a new automated process for the multilinear parameter identification for anomaly detection in buildings. This is useful for buildings that work with big data since the amount of data points is in the order of thousands. A data grouping algorithm based on Regular Expressions is built from scratch in order to complement the low-rank parameter identification algorithm made a priori. A building that relies on big data located in Hamburg, Germany, provides a large amount of data points that are used in this thesis as a case study to create the new automated process, which will rely on as less human action as possible. Furthermore, in order to design this process, the data point grouping algorithm relies on an existing standardized scheme for data point tagging.