Accounts bei QBRX sind Kundenkonten bzw. Mandanten. Als Kunde ist Ihr Unternehmen demzufolge über einen Account bei QBRX registriert. Jedes Unternehmen, welches QBRX nutzt, hat einen eigenen Account. Auf diese Weise können Ihre Unternehmensdaten klar von denen anderer Kunden getrennt werden. Zu Ihrem Account gehören alle User, zusammen mit Ihren persönlichen Einstellungs-möglichkeiten, Berechtigungen und Facilities Ihres Unternehmens, an welchen Ihre Daten in einer vielseitigen und übersichtlichen Art und Weise ausgewertet und abgebildet werden. In QBRX unterscheiden wir Kunden- und Partner-Accounts. Was genau das bedeutet und wie das System funktioniert, erfahren Sie in unserem Help Center.
Die Aggregation von Daten bestimmt, wie sie in Diagrammen zusammengefasst und dargestellt werden. Wie die Werte für die Aggregation berechnet werden hängt davon ab, was Sie sehen wollen. Der Durchschnittswert zeigt den Durchschnitt aller gemessenen Werte an. Das Maximum zeigt Ihnen den höchsten und Minimum den niedrigsten aller eingebundenen Werte. Im Integral werden die Integrale der Stunden addiert um den Energieverbrauch zu berechnen. Aggregationen sind wichtig für eine Vielzahl an Diagrammen bei QBRX. Sie spielen zum Beispiel auch bei Benchmarks eine große Rolle. Hier können Sie selber bestimmen, ob Ihre aggregierten Daten jeweils für einzelne Tage, oder aber Wochen, Monate oder Jahre zusammengefasst werden sollen. Je nachdem, wofür Sie diese Information brauchen, ist immer eine andere Darstellungsweise praktischer.
Anomalieerkennung ist die Identifikation von Abweichungen in Datensätzen oder Zeitreihen in Bezug zu erwarteten Werten oder Mustern. Sie kann Erkenntnisse zu möglichen Fehlern oder Trends liefern. Die Ermittlung von Abweichungen hilft auch bei der frühzeitigen Erkennung von Störungen oder Leckagen. Häufig sind Anomalieerkennungen in Zeitreihen komplexe Aufgaben, welche Bereiche wie Statistik, Machine Learning, künstliche Intelligenz (KI) oder Data-Mining einbeziehen. Auch die einfache Überwachung von Grenzwerten in einem zeitlichen Kontext kann dafür genutzt werden. Im Energiemanagement wird sie häufig für die Erkennung eines sich schleichend verändernden Verbrauchsverhaltens angewendet. Beispiele dafür sind Verschleiß bei Pumpen, Veränderungen bei der Verschattung von PV-Anlagen oder die Identifizierung von Micro-Leckagen bei Klima- und Kälteanlagen.
Datenschutzerklärung | Impressum
Wird zum Entsperren von Mapbox Inhalten verwendet.
Zweck: Externe Medien (YouTube)