Мне нужно проанализировать данные измерений температур внутри PCM-модулей (Phase Change Material). PCM используется для пассивного охлаждения / обогрева небольшого здания.
Краткое объяснение PCM:
Например, PCM похож на лед, за исключением того, что мои PCM-модули имеют другие точки плавления и затвердевания (температура плавления лежит около 25 ° C). Таким образом, материал находится в твердом состоянии до 25 ° C, затем происходит процесс плавления, и PCM накапливает много тепла / энергии, что означает, что температура в PCM больше не повышается.
Проблема
Данные снабжены временем (дата и время) и столбцом температуры. Когда я строю график измеренной температуры, изменение фазы твердое вещество-жидкость видно из-за почти стационарной температуры в течение определенного времени.
Однако моя цель - автоматически (с уверенностью) определить , сколько из этих фазовых изменений произошло в течение недели / дня . Моя проблема в том, что я еще не выяснил, как этого добиться. Стандартные отклонения должны быть почти нулевыми, когда имеет место изменение фазы, поэтому я думаю, что стандартное отклонение может иметь решающее значение для выяснения этого.
Если у кого-то есть опыт проведения подобных экспериментов, я был бы очень благодарен, если бы кто-то мог порекомендовать подходящий подход (например, статистические тесты). Я также натолкнулся на пакет «прогноз», который предоставляет несколько хороших статистических методов для анализа стационарных временных рядов.
Извините за этот довольно необычный вопрос, но я довольно плохо знаком с R и его функциональными возможностями.