【技术实现步骤摘要】
一种检测建筑能源异常消耗的方法
本专利技术涉及建筑节能行业
,具体为一种检测建筑能源异常消耗的方法。
技术介绍
商业和住宅建筑消耗了大量的能源同时排放了大量的温室气体,全世界的商业和住宅建筑导致了近60%的电力消耗。为发展绿色建筑,目前建筑节能方案已贯穿了建筑物的整个寿命周期,包括设计、建造、使用和维修。尽管建筑物在设计和建造环节可以达到绿色节能的目的,但是在建筑运营使用期间,如果管理人员没有正确执行能源管理策略,很大一部分能源仍会被浪费掉。出乎意料的设备故障或人为失误,例如传感器出现故障、缺乏经验的管理人员、不断变换的环境等,都会产生建筑能源消耗黑洞。为了有效填补建筑耗能黑洞,提高能源效率,本专利技术需要一套系统的能源管理方法。随着智能测量系统以及楼宇自控系统的发展,商业建筑安装了不同类型的传感器,例如温度传感器、功率计和流量计等,并且能够生产分钟级别的数据流。这些数据流被持续储存在建筑能源管理系统中,相关管理人员通过对大数据进行分析,能够及时发现问题并提高商业建筑的能源效率。数据驱动的建筑能源管理在世界范围内越来越受欢迎。在众多用以提高建筑能源效率的数据驱动方法中,监控能源消耗以识别异常消耗模式的方法具有一定的成本效益,并且拥有广阔的应用前景。近来关于建筑能源异常消耗检测的研究可以划分为两种类别:点异常检测和语境异常检测。点异常检测的核心思想在于运用聚类或傅立叶转换算法对能源消耗时间序列数据进行预处理,构建能源消耗预测模型,得到能源消耗的预测数值。如果实际测量数据显著偏离预测数值,则表明存在 ...
【技术保护点】
1.一种检测建筑能源异常消耗的方法,其特征在于:具体包括以下步骤:/nS1:运用简单有效的算法对高频建筑负荷时间序列数据进行预处理,并用一组统计数据将其量化为建筑负荷特征;/nS2:通过选择合适的数据挖掘算法和预测指标构建这些负荷特征的能源消耗预测模型,并运用历史数据集对这些模型进行训练和测试,基于预定义的评价指标从中选出最佳能源消耗预测模型;/nS3:利用统计控制图理论对能源消耗预测模型的残差进行分析,对于每一个负荷特征,确定合适的上控制限,构建相应的控制图,运用控制图监控每日建筑的能源消耗情况,通过对比建筑负荷特征的预测值和实际观察值,识别异常能源消耗模式。/n
【技术特征摘要】
1.一种检测建筑能源异常消耗的方法,其特征在于:具体包括以下步骤:
S1:运用简单有效的算法对高频建筑负荷时间序列数据进行预处理,并用一组统计数据将其量化为建筑负荷特征;
S2:通过选择合适的数据挖掘算法和预测指标构建这些负荷特征的能源消耗预测模型,并运用历史数据集对这些模型进行训练和测试,基于预定义的评价指标从中选出最佳能源消耗预测模型;
S3:利用统计控制图理论对能源消耗预测模型的残差进行分析,对于每一个负荷特征,确定合适的上控制限,构建相应的控制图,运用控制图监控每日建筑的能源消耗情况,通过对比建筑负荷特征的预测值和实际观察值,识别异常能源消耗模式。
2.根据权利要求1所述的一种检测建筑能源异常消耗的方法,其特征在于:所述预测模型的构建方法如下:
S2.1:收集时间序列数据并对数据进行预处理;
S2.2、建立模型;
S2.3、选择最佳数据挖掘算法及预测指标。
3.根据权利要求2所述的一种检测建筑能源异常消耗的方法,其特征在于:在所述步骤S2.1中,所述收集时间序列数据并对数据进行预处理具体步骤为:
S2.1.1、从建筑智能化能源管理系统中提取相关参数集,包括建筑负荷时间序列数据、外部温度时间序列数据以及外部湿度时间序列数据,收集的时间序列数据设有时间间隔,采样频率为5分钟或10分钟;
S2.1.2、运用一组统计数据对收集的每日时间序列数据进行预处理,量化建筑能源消耗模式;
S2.1.3、对时间序列数据完成预处理后,生成训练数据表和测试数据表。
4.根据权利要求3所述的一种检测建筑能源异常消耗的方法,其特征在于:所述步骤S2.1.2中量化数据包括但不仅限于平均负荷、高负荷持续时间、上升时间、下降时间、最大负荷、最小负荷、平均温度和平均湿度。
5.根据权利要求4所述的一种检测建筑能源异常消耗的方法,其特征在于:在所述步骤S2.2中,所述建立模型构建方法为:采取分治策略,根据制冷季节、供暖季节和过渡季节将训练数据集分为三个子集,对于每一个建筑负荷特征,选用多种不同的数据挖掘算法基于训练数据子集构建相应的能源消耗预测模型。
6.根据权利要求5所述的一种检测建筑能源异常消耗的方法,其特征在于:所述能源消耗预测模型是用一组相关预测指标产生建筑负荷特征参数的预测值,包括预测平均负荷的能源消耗模型、预测高负荷持续时间的能源消耗模型、预测上升时间、下降时间的能源消耗模型,所述相关预测指标包括外部温度、外部湿度、建筑负荷特征的历史参数值以及相关节假日信息。
7.根据权利要求6所述的一种检测建筑能源异常消耗的方法,其特征在于:所述预测模型基于自回归公式表述为:
yi(t)=fi(x(t),yi(t_))+εi
其中,yi(t_)∈{yi(t-1),yi(t-2),…,yi(t-d)},t为当前时间戳,其代表一个特定的日期,d为整数,其代表算法设定的最大...
【专利技术属性】
技术研发人员:宋哲,
申请(专利权)人:南京松数科技有限公司,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。