Рисунок 3 - Онтограф для класса Equipment
Каждый класс инженерных систем включает классы основного инженерного оборудования соответствующих систем. Наиболее проработанным классом онтологии инженерного оборудования является класс HVACSystem,поскольку к базовым классам этого класса Boiler, Heat_Exchanger, Heater, Pipe, Pump, Radiator, Chiller, Coil, Fanдобавлены классы инженерного оборудования системы EnergyPlus,что существенно облегчает выполнение обмена данными при энергомоделировании.
Класс MeasurementProperty онтологии измерений представляет основные измеряемые физические свойства, используемые различными системами контроля, мониторинга и инженерным оборудованием. Он включает такие параметры как температура, давление, расход, энтальпия, скорость, ток, напряжение, частота и др.
Класс Dataиз онтологии данных содержит классы DataSource, Datastorageи DataType, предназначенные для хранения и представления информации. Класс DataSourceвключает классы Document, File, Package, DataBase,а класс DataTypeсодержит описание основных типов данных. Онтология выровнена по основным типам данных Binary, Boolean, Integer, Number, Realи другим с онтологией EXPRESS.
Класс Resourceонтологии ресурсов представляет основные ресурсы здания. Он включает классы ResourceTypeдля обозначения видов ресурсов, ResourceProviderдля поставщиков ресурсов, ResourceConsumerдля потребителей ресурсов и класс ResourceParametersдля параметров ресурсов. Класс ResourceTypeвключает электроэнергию, воду, газ и др. Онтограф для класса Resourceпоказан на рисунке 4.
Рисунок 4 - Онтограф для класса Resource
Класс Userонтологии пользователей предназначен для описания пользователей. Он включает классы UserProperties,содержащий характеристики пользователя, класс UserPreferencesдля описания предпочтений пользователя, класс UserFamilyдля описания семьи и класс UserProfileдля профиля пользователя. Класс UserPropertiesвключает такие характеристики пользователя, как имя, фамилия, возраст, пол, рост, вес и др. Класс UserFamilyописывает различные отношения родства между членами семьи.
Класс Agentонтологии MASпредназначен для поддержки MASуправления зданием. Совместно с классами Event, Goal, Message, Service, Taskи др. этот класс позволяет достаточно полно описать ПрО MAS. Мультиагентная архитектура всё чаще используется для построения BMSздания [29]. Класс Agent включает подклассы LocalAgent, ZonalAgent, CentralAgent, HumanAgent, ProviderAgent, IndoorAgent, OutdoorAgent.Такая структура класса Agent соответствует принятой в [30] классификации агентов MAS управления зданием.
Классы Fact, Slot, MultiSlot, LHS, RHSвместе с общими классами Function, Class, Object, Methodи др. используются для поддержки интеллектуальных систем, основанных на правилах. Они применяются для установления логической связи между онтологией и экспертной системой продукционного типа. В дальнейшем планируется использовать данные классы для генерации фактов и определения структуры правил БЗ экспертной системы.
Классы Bus, DataPoint, DPTField, FunctionPointсовместно с классами Address, Data, Function, NetworkProtocolи др. применяются для поддержки систем автоматизации на базе современных коммуникационных протоколов типа KNX.Шина KNXсейчас широко используется в качестве основного сетевого протокола в BMS.Классы этой группы, а также множество других классов онтологии, таких как Sensor, Point, Device, NetworkDevice, MobileDevice, Network, WiredNetwork, WirelessNetwork, Service, CloudStorage, Softwareи др. могут использоваться для связи цифрового двойника с BMS,системами мониторинга и IoT.
Пример реализации онтологии в Protege
Модульный принцип построения значительно облегчает создание онтологий цифрового двойника, имеющих пересекающиеся множества понятий и отношений в ПрО. Требуемая онтология может быть построена путём объединения и выравнивания базовых онтологий. Используя набор базовых онтологий, можно создать онтологию BMS,онтологию BEMS,онтологию компьютерных моделей здания, онтологию IoTи др.
Например, онтология BMSвключает большинство базовых онтологий за исключением онтологии ifcOWLи онтологий, относящихся к системе EnergyPlus.Фрагмент иерархии классов онтологии BMSв редакторе Protйgйпоказан на рисунке 5. Структура классов онтологии включает следующие основные классы: Agent, Appliances, Building, Data, Device, Environment, Equipment, Event, Location, Measurement Property, Message, Point, Resource, State, TechnicalSystem, User и др.
Рисунок 5 - Фрагмент иерархии классов в Protйgй
Для классов и их индивидуальностей в онтологии определено множество свойств (отношений). Часть их них представлена на рисунке 6.
Рисунок 6 - Отношения онтологии
Например, объекты класса Sensorсвязаны отношением hasMeasurementс объектами класса MeasurementProperty. Это отношение устанавливает связь между датчиком и измеряемым параметром. Свойство hasMeasurement имеет обратное свойство isMeasuredBy, связывающее объекты класса MeasurementProperty с объектами класса Sensor.В онтологии имеется много подобных инверсий свойств. Часть свойств унаследована от базовых онтологий. Другая часть устанавливает отношения между объектами из разных базовых онтологий. Примером таких отношений может служить упомянутое отношение hasMeasurement, устанавливающее связь между объектом датчик из онтологии инженерных систем здания с объектом класса MeasurementProperty онтологии измерений. В качестве другого примера можно привести отношение hasLocation, которое устанавливает связь между объектом класса Equipmentонтологии инженерных систем с объектом класса Locationонтологии здания.
Можно отметить сходства и различия полученной онтологии BMSс существующими онтологиями, описанными в разделе 4. Сходство с SAREFзаключается в наличии одинаковых классовCommand, Device, Function, Property, Service, State, Task. Однако реализация классов Device, Function, Service, Task иная, классы CommandиState существенно расширены и дополнены, а классу Property SAREF соответствует класс MeasurementProperty онтологии. Структура классов Equipment, Location, Measurement Property представленной онтологии частично совпадает со структурой аналогичных классов онтологии Brick, однако общая организация онтологии и реализация класса Pointиные.
С онтологией BOnSAIразработанную онтологию сближает наличие большого числа общих классов Action, Environment, Hardware, Locationи др. Однако большинство из них в BOnSAIлишь обозначены. С онтологией DogOntтакже имеются общие классы Command, Device, Environmentи др. При этом структура классов Environment, State, StateValue, Techni- calSystem частично похожа. Общими классами с онтологией ThinkHome являются классы BuildingEnvironment, Room, Command, State, StateValue. Их структура частично совпадает со структурой аналогичных классов разработанной онтологии. Из онтологий IoT,основанных на SSN, по степени проработанности и охвату ПрО справедливо сравнение только с онтологией IoT-O.Эта онтология также является модульной и включает в себя набор онтологий, среди которых есть и DogOnt.При наличии большого числа общих классов различия между IoT-Oи разработанной онтологией достаточно очевидны.
Заключение
Рассмотрена разработка онтологических моделей для цифрового двойника здания. Создан набор независимых онтологий, пригодных для повторного использования. На основе базовых онтологий можно создать онтологию BMS,онтологию BEMS,онтологию компьютерных моделей здания, онтологию IoTи другие онтологии, необходимые для функционирования цифрового двойника здания.
К достоинствам созданных онтологий можно отнести детальную проработку таких классов как Environment, Equipment, Event, Location, Resource, Userи др.
Структура этих классов существенно изменена по сравнению с онтологиями, описанными в разделе 4, путём добавления новых необходимых подклассов и отношений. Для поддержки интеллектуальных систем управления на базе экспертных систем продукционного типа и MASбыли добавлены классы Fact, Rule, Slot, MultiSlot, Agent, Event, Goal, Message, Service, Taskи др.
Для поддержки систем автоматизации на базе современных коммуникационных протоколов типа KNXи систем «Интернет вещей» были добавлены классы Address, Bus, CloudStorage, Data, DataPoint, DPTField, Function, FunctionPoint, Network, NetworkProtocolи др. Это значительно повышает возможности описания ПрО и применения онтологий.
Использование онтологий позволяет организовать эффективный механизм обмена информации между встроенными моделями и инструментальными программами цифрового двойника, между цифровым двойником и людьми или внешними программами. Онтологии, в отличие от простого обмена данными с помощью форматов XMLи JSON,могут определять не только синтаксис, но и семантику передаваемых данных. Различные потребители информации, компьютерные модели, люди или внешние сервисы могут получать данные из онтологий, в том числе, через сеть Интернет с помощью SPARQLзапросов. Онтологии также являются удобным базисом для разработки БЗ и структуры БД цифрового двойника зданий.
Список источников
онтологическая модель здание цифровой
1. Табунщиков, Ю.А. Цифровизация экономики - тенденция глобального масштаба / Ю.А. Табунщиков - М.: Энергосбережение, 2018, № 7. - С.4-10.
2. Ролсон, O.K.Интеллектуальные здания: масштабируемые структурированные сети, Интернет вещей и энергоэффективность / О'Нил Кинг Ролсон. - М.: Энергосбережение, 2018, № 7. - С.22-24.
3. Капустин, П.В. Онтологические вопросы в кастомизированном архитектурном онлайн проектировании персонализированных жилых домов / П.В. Капустин, Д.М. Канин, И.Л. Чураков // Онтология проектирования, 2015, № 3, C.256-277. - DOI:10.18287/2223-9537-2015-5-3-256-277.
4. Прохоров, А. Цифровые двойники. Концепция развивается. - http://data.cnews.ru/artides/2018-04-18_tsifrovye_dvojniki_kontseptsiya_razvivaetsya.
5. Green Zoom. - https://www.greenzoom.ru/.
6. Semantic Web-W3C. - https://www.w3.org/standards/semanticweb/.
7. Ковалев, С.П. Проблемы цифрового проектирования энергетических систем. Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM- 2018): тезисы докл. 18-ой междунар. конфер. - М.: ИПУ РАН, 2018. - С.16.
8. Поспелов, Д.А. Ситуационное управление: теория и практика. - М.: Наука, 1986. - 288 с.
9. Марьясин, О.Ю. Программный комплекс для моделирования инженерных систем зданий. Системы проектирования, технологической подготовки производства и управления этапами жизненного цикла промышленного продукта (CAD/CAM/PDM- 2018). - М.: ИПУ РАН, 2018. - С. 24-27.
10. IFC-Industry Foundation Classes. - http://www.ifcwiki.org/ index.php?title=IFC_Wiki.
11. Pauwels, P. EXPRESS to OWL for construction industry: Towards a recommendable and usable ifcOWL ontology / P. Pauwels, W. Terkaj // Automation in Construction, № 63, 2016. - P.100-133.
12. IFCtoRDF-Desktop. - https://github.com/jyrkioraskari/IFCtoRDF-Desktop.
13. SPARQL Query Language for RDF. - https://www.w3.org/TR/rdf-sparql-query/.
14. Green Building XML. - http://www.gbxml.org/index.html.
15. EnergyPlus. - https://energyplus.net/.
16. Pauwels, P. Representing SimModel in the Web Ontology Language / P. Pauwels, E. Corry, J. O'Donnell // Proc. International Conference on Computing in Civil and Building Engineering, Proceedings, 2014.
17. GitHub-IMI-KIT/eplus-lod: Provides EnergyPlus I/O interoperability via semantic web technologies. - https://github.com/IMI-KIT/eplus-lod.
18. Daniele, L., den Hartog, F., Roes, J. Study on Semantic Assets for Smart Appliances Interoperability, 2015.
19. Daniele, L. Interoperability for Smart Appliances in the IoT World / L. Daniele, M. Solanki, F. den Hartog, J. Roes // International Semantic Web Conference, Springer, 2016. - P.21-29.
20. Balaji, B. Brick: Towards a unified metadata schema for buildings / Balaji B., Bhattacharya A., Fierro G., Gao J., Gluck J., Hong D., Johansen A., Koh J., Ploennigs J., Agarwal Y., Berges M., Culler D., Gupta R., Kjжrgaard M.B., Srivastava M., Whitehouse K. // Proceedings of the 3rd ACM International Conference on Systems for Energy-Efficient Built Environments. New York, USA: ACM, 2016. - P.41-50.
21. Stavropoulos, T.G. Bonsai: A smart building ontology for ambient intelligence / T.G. Stavropoulos, D. Vrakas, D. Vlachava, N. Bassiliades // Proceedings of the 2Nd International Conference on Web Intelligence, Mining and Semantics. New York: ACM, 2012. - P.263-274.
22. Butzin, B. A survey on information modeling and ontologies in building automation / B. Butzin, F. Golatowski, D. Timmermann // 43 Annual Conference of the IEEE, 2017. - P.1-7.
23. Kofler, M. J. A semantic representation of energy-related information in future smart homes / M. J. Kofler, C. Rei- nisch, W. Kastner // Energy and Buildings, vol. 47, 2012. - P.169 -179.
24. Bajaj, G. A study of existing Ontologies in the IoT-domain / G. Bajaj, R. Agarwal, P. Singh, N. Georgantas, V. Issarny // arXiv preprint, arXiv:1707.00112, 2017. - P.1-24.
25. Gyrard, A. Machine-to-Machine Data with Semantic Web Technologies for Cross-Domain Applications / A. Gy- rard, C. Bonnet, K. Boudaoud // IEEE World Forum on Internet of Things (WF-IoT), IEEE, 2014, pp.559-564.
26. Xue, L. An Ontology based Scheme for Sensor Description in Context Awareness System / L. Xue, Y. Liu, P. Zeng, H. Yu, Z. Shi // Information and Automation, 2015 IEEE International Conference on, IEEE, 2015. - P.817-820.
27. Zhang, D.4W1H in Mobile Crowd Sensing / D. Zhang, L. Wang, H. Xiong, B. Guo // IEEE Communications Magazine, 52 (8), 2014. - P.42-48.
28. Uschold, M. Towards methodology for building ontologies / M. Uschold, M. King // Workshop on Basic Ontological Issues in Knowledge Sharing, Canada, 1995. - P.1-15.
29. Yang R, Wang L. Development of multi-agent system for building energy and comfort management based on occupant behaviors. Energy and Buildings, 2013, P.1-7.
30. Марьясин, О.Ю. Проектирование мультиагентной системы управления зданием с использованием онтологий / О.Ю. Марьясин // Онтология проектирования. - 2018. - Т. 8, №3(29). - С.387-399.
References
1. Tabunshchikov YuA. Digitalization of the economy is a global trend [In Russian]. Energy saving publ. 2018; 7: 410.
2. Rawlson OK. Smart Buildings: Scalable Structured Networks, Internet of Things, and Energy Efficiency [In Russian]. Energy saving publ. 2018; 7: 22-24.
3. Kapustin PV, Kanin DM, Churakov IL.The ontological questions of personalize homes customized architectural online designing [In Russian]. Ontology of Designing. - 2015; 5(3): 256-277. - DOI:10.18287/2223-9537-2015-5- 3-256-277.
4. Prokhorov A. Digital Twins. An Evolving Concept [In Russian]. - http://data.cnews.ru/articles/2018-04- 18_tsifrovye_dvoj niki_kontseptsiya_razvivaetsya.
5. GREEN ZOOM. - https://www.greenzoom.ru/.
6. Semantic Web-W3C. - https://www.w3.org/standards/ semanticweb/.
7. Kovalev SP. Problems of digital design of energy systems [In Russian]. Systems for designing, technological preparation of production and life cycle management of an industrial product (CAD/CAM/PDM - 2018): Proc. of the 18th Int. Conf. Moscow: ICS RAS Publ., 2018. - P.16.
8. Pospelov DA. Situational control: theory and practice [In Russian]. Moscow, Nauka Publ., 1986. - 288 p.
9. Maryasin OYu. The software package for the simulation of engineering systems of buildings [In Russian]. Systems for designing, technological preparation of production and life cycle management of an industrial product (CAD/CAM/PDM - 2018): Proc. of the 18th Int. Conf. Moscow: ICS RAS Publ., 2018. - P.24-27.
10. IFC-Industry Foundation Classes. - http://www.ifcwiki.org/ index.php?title=IFC_Wiki.
11. Pauwels P, Terkaj W. EXPRESS to OWL for construction industry: Towards a recommendable and usable ifcOWL ontology // Automation in Construction, 2016; 63.
12. IFCtoRDF-Desktop. - https://github.com/jyrkioraskari/IFCtoRDF-Desktop.
13. SPARQL Query Language for RDF. - https://www.w3.org/TR/rdf-sparql-query/.
14. Green Building XML. - http://www.gbxml.org/index.html.
15. EnergyPlus. - https://energyplus.net/.
16. Pauwels P, Corry E, O'Donnell J.Representing SimModel in the Web Ontology Language // Proc. International Conference on Computing in Civil and Building Engineering, Proceedings, 2014.
17. GitHub-IMI-KIT/eplus-lod: Provides EnergyPlus I/O interoperability via semantic web technologies. - https ://github. com/IMI-KIT /eplus-lod.
18. Daniele L, den Hartog F, Roes J.Study on Semantic Assets for Smart Appliances Interoperability, 2015.
19. Daniele L, Solanki M, den Hartog F, Roes J.Interoperability for Smart Appliances in the IoT World // in: International Semantic Web Conference, Springer, 2016, pp. 21-29.