一种基于数据挖掘的公共建筑能耗监管平台数据处理方法
【专利摘要】本发明公开了一种基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，包括以下步骤：S1、问题数据初步识别；S2、根据历史数据建立用能模式特征参数集；S3：问题数据精细识别；S4：问题数据智能补充。本发明的有益之处在于：本发明的方法具有智能性、实时性和通用性；通过对历史能耗数据按照不同用能模式分类，建立建筑用能耗模式特征参数集，实现了对能耗监管平台问题数据的分类识别、清洗、智能补充的一体化处理，克服了目前公共建筑能耗监管平台数据处理方法智能性不足、问题数据补充方法缺乏合理性的问题；同时，运用本发明的方法能够很好的实现能耗监管平台数据质量评价、能耗预估、问题数据报警，以及提供可靠的故障排查建议。
【专利说明】一种基于数据挖掘的公共建筑能耗监管平台数据处理方法
【技术领域】
[0001]本发明涉及一种数据处理方法，具体涉及一种基于数据挖掘的公共建筑能耗监管平台数据处理方法，属于数据处理【技术领域】。
【背景技术】
[0002]据统计，全球建筑能耗大约占能源总消耗量的三分之一。在我国的能源消费主体中，建筑能耗所占的比例已经达到35 %，随着社会的发展，我国建筑能耗总量和在能源总消费的比例还有持续上升的趋势。其中，公共建筑能耗始终居高不下，虽然公共建筑数量仅占总建筑数量的5%左右，但能耗却占建筑总能耗的22%。与此同时，我国正面临着能源短缺和环境恶化的双重压力，建筑节能减排迫在眉睫。因此监测、控制公共建筑能耗成为建筑节能的一项重要工作。
[0003]建立公共建筑能耗监管平台、进行能耗分项计量是公共建筑能源管理体系的一项重要内容。它将信息技术与节能监管体系相结合，实现对公共建筑能耗的实时监测和管理。目前，许多公共建筑建立了能耗监管平台，并且在运营过程中积累了大量数据。然而大量数据也带来了 “数据灾难”，由于“技术”和“管理”等方面的原因，能耗监管平台运行过程中会产生大量存在问题的数据，管理人员难以有效的发现和处理这些问题数据，最终导致能耗监测数据与建筑真实能耗相差甚远。数据质量差的公共建筑能耗监测平台非但不能促进建筑节能工作的开展，还会干扰、误导建筑节能工作的正常进行。因此，如何及时发现和处理这些问题数据，提高能耗监管平台数据质量是一个亟待解决的问题。
[0004]目前的问题数据处理方法大致可以分为两类:一类是单纯的设定阀值处理法，另一种是相对智能的数据处理方法。设定阀值法阀值难以确定，阀值选取不当对数据处理结果影响极大，且缺乏智能性。目前常用的智能处理方法，对季节、区域环境等因素考虑不足，动态适应性不够理想，而且缺少智能的问题数据补充方法。
【发明内容】
[0005]针对目前能耗数据处理方法缺乏智能性、数据补充手段不够合理等问题，本发明的目的在于提供一种能够有效提高公共建筑能耗监管平台数据质量和能耗监管水平的基于数据挖掘的公共建筑能耗监管平台数据处理方法。
[0006]为了实现上述目标，本发明采用如下的技术方案:
[0007]—种基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，包括以下步骤:
[0008]S1、问题数据初步识别:识别出能耗数据中由于计量、传输和记录设备故障产生的数据缺失、数据突变的问题数据；
[0009]S2、根据历史数据建立用能模式特征参数集:按照影响因素将建筑和/或设备能耗数据精细分为若干用能模式，计算出每类用能模式能耗数据集的数学期望和方差，以数学期望和方差作为用能模式的特征参数，建立起包含所有用能模式特征参数的数据集，其中，前述影响因素包括:能耗数据发生时刻、发生时刻所在天是否是休息日、气象参数；
[0010]S3:问题数据精细识别:根据S2所述用能模式特征参数数据集将能耗数据与所属的用能模式匹配，根据用能模式特征参数集判断能耗数据是否离群，如果离群则该能耗点为由于使用者异常用能行为导致的用能异常数据点；
[0011]S4:问题数据智能补充:将问题数据与用能模式匹配，根据用能模式特征参数集，采用拉格朗日算法对问题数据进行智能补充。
[0012]前述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，前述
51、问题数据初步识别，包括以下步骤:
[0013]Sll:对问题数据进行分类，包括缺失数据和突变数据；
[0014]S12:根据聚类算法得到缺失数据、突变数据单位时间内能耗最大值，即阀值F ；
[0015]S13:对计量表累计示数数据进行图形识别，建立起针对缺失数据和突变数据的识别公式:
[0016]缺失数据识别公式:
[0017]Ai = 0*Ai 为空式(I)
[0018]突变数据识别公式:
[0019]A1-AiYO 或 A1-AiJF 式(2)
[0020]其中Ai为第i时刻计量表累计示数，Ap1为第1-Ι时刻计量表累计示数，F为阀值；
[0021]S14:根据式(I)和式(2)识别缺失数据、突变数据，记录能耗数据中缺失数据数目、突变数据的数目；
[0022]S15:将识别出的突变数据的计量表累积值赋为O。
[0023]前述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，前述
52、根据历史数据建立用能模式特征参数集，包括以下步骤:
[0024]S21:为能耗数据添加是否是工作日标签、气象参数标签；
[0025]S22:根据能耗数据发生时刻、发生时刻所在天是否是休息日、气象参数将建筑和/或设备的用能模式精细的分为若干类；
[0026]S23:计算出每类用能模式对应能耗数据集的数学期望和方差，该数学期望和方差作为用能模式的特征参数；
[0027]S24:建立起包含所有用能模式特征参数的数据集。
[0028]前述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，前述
S4:问题数据智能补充，包括以下步骤:
[0029]S41:统计需要补充数据段内包含的问题数据点数目、问题数据对应的用能模式、问题数据发生前、后时刻计量表累积示数；
[0030]S42:根据用能模式特征参数集，采用拉格朗日算法对问题数据进行补充，补充值通过以下公式计算:
【权利要求】
1.一种基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，包括以下步骤: 51、问题数据初步识别:识别出能耗数据中由于计量、传输和记录设备故障产生的数据缺失、数据突变的问题数据； 52、根据历史数据建立用能模式特征参数集:按照影响因素将建筑和/或设备能耗数据精细分为若干用能模式，计算出每类用能模式能耗数据集的数学期望和方差，以数学期望和方差作为用能模式的特征参数，建立起包含所有用能模式特征参数的数据集，其中，所述影响因素包括:能耗数据发生时刻、发生时刻所在天是否是休息日、气象参数； 53:问题数据精细识别:根据S2所述用能模式特征参数数据集将能耗数据与所属的用能模式匹配，根据用能模式特征参数集判断能耗数据是否离群，如果离群则该能耗点为由于使用者异常用能行为导致的用能异常数据点； 54:问题数据智能补充:将问题数据与用能模式匹配，根据用能模式特征参数集，采用拉格朗日算法对问题数据进行智能补充。
2.根据权利要求1所述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，所述S1、问题数据初步识别，包括以下步骤: 511:对问题数据进行分类，包括缺失数据和突变数据； 512:根据聚类算法得到缺失数据、突变数据单位时间内能耗最大值，即阀值F ; 513:对计量表累计示数数据进行图形识别，建立起针对缺失数据和突变数据的识别公式: 缺失数据识别公式: Ai = O或Ai为空 式(I) 突变数据识别公式: Α「Αη〈0 或 A1-AiJF 式(2) 其中Ai为第i时刻计量表累计示数，Ag为第1-Ι时刻计量表累计示数，F为阀值； S14:根据式(I)和式(2)识别缺失数据、突变数据，记录能耗数据中缺失数据数目、突变数据的数目； S15:将识别出的突变数据的计量表累积值赋为O。
3.根据权利要求1所述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，所述S2、根据历史数据建立用能模式特征参数集，包括以下步骤: 521:为能耗数据添加是否是工作日标签、气象参数标签； 522:根据能耗数据发生时刻、发生时刻所在天是否是休息日、气象参数将建筑和/或设备的用能模式精细的分为若干类； 523:计算出每类用能模式对应能耗数据集的数学期望和方差，该数学期望和方差作为用能模式的特征参数； 524:建立起包含所有用能模式特征参数的数据集。
4.根据权利要求1所述的基于数据挖掘的公共建筑能耗监管平台数据处理方法，其特征在于，所述S4:问题数据智能补充，包括以下步骤: S41:统计需要补充数据段内包含的问题数据点数目、问题数据对应的用能模式、问题数据发生前、后时刻计量表累积示数； S42:根据用能模式特征参数集，采用拉格朗日算法对问题数据进行补充，补充值通过以下公式计算:
Δ 2 Ei = A.+ ^ (Β~Α~Σ?=ι) 式(3)
Σ,=Α- 其中，Ei为第i个问题数据的补充值，μ i为第i个问题数据匹配的用能模式数据的数学期望值，Λ i为第i个问题数据匹配的用能模式数据的方差，η为问题数据段内问题数据的个数，A为问题数据发生前一时刻的计量表累积示数，B为问题数据发生后一时刻的计量表累积示数。
【文档编号】G06Q50/08GK104199961SQ201410482593
【公开日】2014年12月10日 申请日期:2014年9月19日 优先权日:2014年9月19日
【发明者】杨石, 顾中煊, 罗淑湘 申请人:北京建筑技术发展有限责任公司