2026-06-01T08:20:00Z https://datacatalogue.cessda.eu/oai-pmh/v0/oai

6f46b3746f61baf74e960c0eaf8284d608eb4e57e68d108dce43d70a6efa5d4c 2025-06-17T03:25:55Z language:svopenaire_data

JSON dataset för simulerad byggnadsvärmekontroll för system-av-system interoperabilitet Swedish National Data ServiceSvensk nationell datatjänst Landing page JSON dataset för simulerad byggnadsvärmekontroll för system-av-system interoperabilitet JSON Dataset of Simulated Building Heat Control for System of Systems Interoperability 2022-45-1-1https://doi.org/10.5878/1tv7-9x76 Nilsson, Jacob Nilsson, Jacob Swedish National Data ServiceSvensk nationell datatjänst 2022-04-19 Landing page interoperabilityinteroperabilitetpropertiesegenskaper Information SystemsSystemvetenskap, informationssystem och informatikBuilding TechnologiesHusbyggnadControl EngineeringReglerteknikCommunication SystemsKommunikationssystemOther Electrical Engineering, Electronic Engineering, Information EngineeringAnnan elektroteknik och elektronikComputer and Information ScienceData- och informationsvetenskap (Datateknik)Civil EngineeringSamhällsbyggnadsteknikElectrical Engineering, Electronic Engineering, Information EngineeringElektroteknik och elektronikEngineering and TechnologyTeknikNatural SciencesNaturvetenskap Interoperability in systems-of-systems is a difficult problem due to the abundance of data standards and formats. Current approaches to interoperability rely on hand-made adapters or methods using ontological metadata. This dataset was created to facilitate research on data-driven interoperability solutions. The data comes from a simulation of a building heating system, and the messages sent within control systems-of-systems. For more information see attached data documentation. The data comes in two semicolon-separated (;) csv files, training.csv and test.csv. The train/test split is not random; training data comes from the first 80% of simulated timesteps, and the test data is the last 20%. There is no specific validation dataset, the validation data should instead be randomly selected from the training data. The simulation runs for as many time steps as there are outside temperature values available. The original SMHI data only samples once every hour, which we linearly interpolate to get one temperature sample every ten seconds. The data saved at each time step consists of 34 JSON messages (four per room and two temperature readings from the outside), 9 temperature values (one per room and outside), 8 setpoint values, and 8 actuator outputs. The data associated with each of those 34 JSON-messages is stored as a single row in the tables. This means that much data is duplicated, a choice made to make it easier to use the data. The simulation data is not meant to be opened and analyzed in spreadsheet software, it is meant for training machine learning models. It is recommended to open the data with the pandas library for Python, available at https://pypi.org/project/pandas/.Datasetet innehåller simulerad servicedata för system-av-system interoperabilitetsforskning. För mer information se bifogad dokumentation och den engelska katalogsidan. Data kommer i två semikolonseparerade (;) csv-filer, training.csv och test.csv. Träning/testfördelningen är inte slumpmässig; träningsdata kommer från de första 80 % av de simulerade tidsstegen och testdata är de sista 20 %. Det finns ingen specifik valideringsdatauppsättning, valideringsdatan bör istället väljas slumpmässigt från träningsdatan. Simuleringen körs i lika många tidssteg som det finns tillgängliga utetemperaturvärden. De ursprungliga SMHI-data samplar bara en gång i timmen, som linjärt interpolerar för att få ett temperaturprov var tionde sekund. Data som sparas vid varje tidssteg består av 34 JSON-meddelanden (fyra per rum och två temperaturavläsningar utifrån), 9 temperaturvärden (ett per rum och utanför), 8 börvärden och 8 ställdonutgångar. Data som är associerade med vart och ett av dessa 34 JSON-meddelanden lagras som en enda rad i tabellerna. Detta innebär att mycket data dupliceras, ett val som görs för att göra det lättare att använda datan. Simuleringsdata är inte avsedd att öppnas och analyseras i kalkylprogram, det är avsett att träna maskininlärningsmodeller. Det rekommenderas att öppna data med pandas-biblioteket för Python, tillgängligt på https://pypi.org/project/pandas/. SwedenSverige Building temperature simulation.Simulering av byggnadstemperatur.SimulationSimulering Access to data through SND. Data are freely accessible.Åtkomst till data via SND. Data är fritt tillgängliga. https://snd.gu.se 2022-45-1 2022-04-19T10:34:58Z ddi:codebook:2_5