Detailansicht
SunScreen: visual fault detection and diagnosis for solar-thermal systems
Lukas Feierl
Art der Arbeit
Masterarbeit
Universität
Universität Wien
Fakultät
Fakultät für Physik
Studiumsbezeichnung bzw. Universitätlehrgang (ULG)
Masterstudium Computational Science
Betreuer*in
Torsten Möller
DOI
10.25365/thesis.73521
URN
urn:nbn:at:at-ubw:1-18030.44901.600558-9
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Fehlererkennung und Diagnose sind sehr wichtig, um Solarthermie-Anlage betreiben und überwachen zu können. Die dafür notwendige Analyse der Anlagen ist allerdings herausfordernd, da die Messdaten aufgrund des dynamischen Anlagenverhaltens schwer zu interpretieren sind. Daher braucht es einige Zeit und Übung, um Solarthermieanlagen manuell zu überwachen, während automatische Algorithmen oft Fehlalarme auslösen können, oder wichtige Fehler übersehen. In dieser Arbeit wird daher das visuelle Framework „SunScreen“ präsentiert, um das Monitoring-Personal zu unterstützen. Es kombiniert die automatische Fehlererkennung mit dem Fachwissen des Monitoring-Personals und erlaubt es, die Messdaten interaktiv zu analysieren. Das Design wurde mit Rapid-Prototyping entwickelt und mit Hilfe von Fachleuten in einem Usability Test und einem Use-Case Scenario evaluiert. Das finale Design wird mithilfe von Data-Comics präsentiert. Die Ergebnisse zeigen, dass noch Verbesserungen notwendig sind, um das Monitoring-Personal voll zu unterstützen. Es zeigt sich aber auch das Potential von SunScreen: Zum Beispiel schätzen die Nutzer sehr, dass Anlagen-Ereignisse (z.B.: erkannte Fehler, Services) und detektierte Anomalien während der Messdaten-Analyse angezeigt werden können.
Abstract
(Englisch)
Fault Detection and Diagnosis (FDD) are essential for operating and maintaining solar-thermal plants. However, detecting anomalous system behavior is challenging due to the multivariate and time-dependent nature of the sensor data. As a result, considerable time and training are needed to investigate the measurement data manually, while automatic FDD algorithms might often raise false alarms or miss critical faults. To bridge the gap between manual and automatic approaches, this work introduces the visual framework SunScreen. It combines the user's domain knowledge with automatic fault detection and allows to analyze the system data interactively. The design is done using Rapid-Prototyping and is evaluated in a Use-Case and Usability-Test, working closely with domain users. The design is presented using Data-Comics. The results are promising, but SunScreen needs further refinement before it can fully support the tasks of the monitoring personnel. Nevertheless, the domain users appreciate that algorithm results and system-event information (e.g., already detected faults, services) are accessible during data analysis.
Schlagwörter
Schlagwörter
(Deutsch)
Fehlerdetektion Monitoring Solarthermie Visuelles Framework Design Study Data-Comic
Schlagwörter
(Englisch)
fault detection monitoring solar-thermal visual framework design study data-comic
Autor*innen
Lukas Feierl
Haupttitel (Englisch)
SunScreen: visual fault detection and diagnosis for solar-thermal systems
Paralleltitel (Deutsch)
SunScreen: visuelle Fehlerdetektion und Diagnose für Solarthermie-Anlagen
Publikationsjahr
2023
Umfangsangabe
61 Seiten : Illustrationen
Sprache
Englisch
Beurteiler*in
Torsten Möller
AC Nummer
AC16858755
Utheses ID
65798
Studienkennzahl
UA | 066 | 910 | |