Tecniche di machine learning per la ricerca guasti in impianti HVAC

Il corretto funzionamento degli impianti di tipo HVAC (Heating Ventilating and Air Conditioning) di taglia medio/grande, risulta cruciale al fine di garantire un adeguato livello di comfort agli occupanti degli edifici ed evitare inutili sprechi energetici. Oltre ad un buon sistema di controllo, risulta assai utile un sistema in grado di rilevare e classificare possibili guasti o malfunzionamenti. Questo ambito di ricerca è noto come fault detection and diagnosis (FDD). L'obiettivo che si intende perseguire in questo elaborato è quello di ricavare un modello di un semplice sistema HVAC di tipo VAV (Variable Air Volume), multi-zona, che permetta di generare dei dati da utilizzare per la valutazione di tecniche di machine learning per la rilevazione di anomalie. Una volta ricavato il modello ed il relativo sistema di controllo si progetteranno dei sistemi di fault dection and diagnosis basati su k-nearest neighbor (K-NN) e support vector machine (SVM)