Das deutsche Python-Forum

Hallo Community,

ich wollte mal fragen, ob jemand ein passendes
Modell (Neuronales Netz) zur Überwachung einer
Heizungsanlage im Onlinebetrieb kennt oder
bereits implementiert hat.

Liebe Grüße

Die Frage ist ja sehr allgemein gehalten. Was genau soll überwacht werden? Um welche Heizungsanlage handelt es sich genau?

Es soll in den Bereich Predictive Maintenance gehen;
soll heißen, dass die Heizung (proaktiv) überwacht werden soll,
sodass sie fehlerfrei läuft.

Liebe Grüße

Ich kenne diverse Projekte, die sowas probieren fuer zB Rolltreppen oder Windkraftanlagen. Teilweise durch die Erfassung von "normalen" Betriebsparametern die eh angefallen waeren, teilweise durch Audioanalyse.

Der springende Punkt dabei: das ist das Geschaeftsmodell (wie bei dir bestimmt auch...). Das wird natuerlich gehuetet wie der Augapfel. Wenn du sowas bauen willst, setz dich mit einem der grossen Hersteller in Verbindung, und versuch deren Fernwartungs-Daten zu erhalten. Auch da wirst du aber ein grosses Stueck vom Kuchen abgeben muessen.

__deets__ hat geschrieben: ↑Freitag 15. Februar 2019, 16:38 Ich kenne diverse Projekte, die sowas probieren fuer zB Rolltreppen oder Windkraftanlagen. Teilweise durch die Erfassung von "normalen" Betriebsparametern die eh angefallen waeren, teilweise durch Audioanalyse.

Der springende Punkt dabei: das ist das Geschaeftsmodell (wie bei dir bestimmt auch...). Das wird natuerlich gehuetet wie der Augapfel. Wenn du sowas bauen willst, setz dich mit einem der grossen Hersteller in Verbindung, und versuch deren Fernwartungs-Daten zu erhalten. Auch da wirst du aber ein grosses Stueck vom Kuchen abgeben muessen.

Nee - das ist erst mal nur als Forschunsprojekt gedacht.
Ich hatte mir ein BlackBox Modell vorgestellt gehabt, wo man
jetzt nicht das physikalische Backroundwissen aus der Regelungstechnik
mitbringen muss.
Da wollte ich wissen, ob da jmd. schon mal was vergleichbares implementiert/getestet hat.

Wenn es ein Forschungsprojekt ist, solltest du vielleicht erstmal eine Literaturrecherche machen

ArtooDetoo hat geschrieben: ↑Montag 18. Februar 2019, 09:57 Wenn es ein Forschungsprojekt ist, solltest du vielleicht erstmal eine Literaturrecherche machen

Das habe ich natürlich schon gemacht!
Ich habe auch schon einige Ansätze gesehen, allerdings
ist mir dabei die Umsetzung/Implementierung in Python
nicht ganz klar!

Tjoa. Dann fang an, und wenn du konkrete Probleme hast stell konkrete Fragen. Das hier jemand genau das schonmal gemacht & zufaellig auf der Platte liegen haette ist ja nun eher unwahrscheinlich. Was machen die Ansaetze, was davon ist dir in Python unklar, etc pp.

__deets__ hat geschrieben: ↑Mittwoch 20. Februar 2019, 15:26 Tjoa. Dann fang an, und wenn du konkrete Probleme hast stell konkrete Fragen. Das hier jemand genau das schonmal gemacht & zufaellig auf der Platte liegen haette ist ja nun eher unwahrscheinlich. Was machen die Ansaetze, was davon ist dir in Python unklar, etc pp.

Naja ich wollte ein LSTM-Netz trainieren.
Mir ist dabei halt z.B. nicht ganz klar, wenn ich die
Daten online auswerte bzw. Zeitreihen habe, wie ich da
mit verrauschten Daten umgehe, bzw. wie ich hierbei
Fehler vermeide.....

Im Allgemeinen sollte Rauschen für LSTMs kein Problem sein, sondern kann im Gegenteil für das Training sogar nützlich sein.

edit: Kommt natürlich auch darauf an, wie stark das Rauschen ist. Hast du schon Daten?

ArtooDetoo hat geschrieben: ↑Donnerstag 21. Februar 2019, 10:13 Im Allgemeinen sollte Rauschen für LSTMs kein Problem sein, sondern kann im Gegenteil für das Training sogar nützlich sein.

edit: Kommt natürlich auch darauf an, wie stark das Rauschen ist. Hast du schon Daten?

Ich habe ein solches Netzt bisher nur mit statischen Daten probiert.
Bei einem dynamischen System mache ich mir da eben so meine Gedanken bzgl.
verrauschter Daten,etc...
Wieso ist deiner Meinung nach Rauschen sogar wünschenswert beim Training?

Es wird manchmal gezielt auf die Trainingsdaten addiert, damit das Netz besser generalisieren kann (also nicht "overfitted").
Vielleicht wäre es für den Anfang am besten, wenn du erstmal einen Datensatz erstellst, mit dessen Hilfe du offline eine geeignetes Modell erstellen und testen kannst.

ArtooDetoo hat geschrieben: ↑Donnerstag 21. Februar 2019, 16:55 Es wird manchmal gezielt auf die Trainingsdaten addiert, damit das Netz besser generalisieren kann (also nicht "overfitted").
Vielleicht wäre es für den Anfang am besten, wenn du erstmal einen Datensatz erstellst, mit dessen Hilfe du offline eine geeignetes Modell erstellen und testen kannst.

Also würdest du quasi sagen, dass eine vorherige Datenaufbereitung nicht
wirklich notwendig ist, um eine gute Generalisierung zu erhalten?

So pauschal würde ich das nicht sagen. Zu Datenaufbereitung gehört auch noch mehr als nur Rauschreduzierung, wie z. B. Bereinigung, Normierung oder Transformation.
Was davon in welchem Umfang gebraucht wird, hängt meiner Ansicht nach stark von den konkreten Daten ab.

Ja ich denke für das Data Pre-Processing benötigt man bei dynamischen Systemen eine PCA oder ähnliches.....
Sonst macht das Netztraining wenig Sinn!

Hat jmd. noch Erfahrungen mit der Umsetzung von NN bei dynamischen Systemen
mit nicht-linearen Zusammenhängen?
Ich bin immer noch etwas unsicher bei der Thematik.

Vielen Dank schon mal!

Und deine konkreten Fragen sind....?

Du hast bis dato so gut wie nichts an verwertbarer Information jenseits von "ich will da was machen" geliefert. Keine Daten, keine belastbaren Systemanforderungen, nichts.

Was soll da denn bei rumkommen? Es wird sich hier niemand finden, der dir 20 Seiten zu deinem Problem schreibt. Oder es implementiert. Selbst wenn es jemanden gaebe, der das aus der Guete seines Herzens machen will, es geht halt nicht mit dem bisschen an Information.

Zusaetzlich ist die Anforderung, dynamisch das System im Betrieb trainieren zu wollen eher ungewoehnlich, und im Zweifel eine Komplikation die du dir im ersten Schritt ersparen solltest.