【技术实现步骤摘要】
用于建筑能耗预测的多元异构能耗数据融合方法和系统
[0001]本专利技术属于建筑能耗预测
，具体涉及一种用于建筑能耗预测的多元异构能耗数据融合方法和系统。
技术介绍
[0002]在大数据时代，建筑能耗数据可通过多个途径获取，但多个途径获取的能耗数据往往时间颗粒度和置信度存在差异，要将多源数据进行综合利用需首先进行数据融合。
[0003]现有建筑能耗实测数据与模拟数据融合算法是通过利用细颗粒度的模拟数据和实测数据的异常值和噪声进行处理，对实测数据中缺失的部分采用数据集的均值或众数进行修正，从而得到颗粒度一致的数据。
[0004]然而由于不同途径建筑能耗数据时间颗粒和置信度的差异，采用现有融合方法处理往往只是将模型数据和实测数据进行缩放和简单的修正，对于缺失值的填补往往没有经过可靠性的检验，对于数据的处理也过于简化，未能从建筑类型、用能特性等方面进行综合考虑。
技术实现思路
[0005]有鉴于此，本专利技术旨在解决现有融合算法对于模型数据和实测数据的处理过于简化，无法适应不同途径建筑能耗数据...
【技术保护点】
【技术特征摘要】
1.用于建筑能耗预测的多元异构能耗数据融合方法，其特征在于，包括如下步骤：分别从能耗监测平台获取逐日分项能耗数据、从节能审计报告中获取能耗月账单数据以及从快速模拟工具生成能耗模拟数据；针对每日的分项能耗数据，依次进行异常值判断和异常楼宇剔除，以便从总数据中去除异常值占比和建筑能耗偏差不满足融合处理条件的建筑能耗数据，对余下的数据进行修复补全处理；从处理后的所述逐日分项能耗数据中提取出典型逐日能耗曲线，利用所述典型逐日能耗曲线对所述能耗月账单数据的逐月进行填充，得到时间颗粒度和置信度均满足模拟计算要求的建筑能耗实测数据；利用所述建筑能耗实测数据建立输入
‑
输出数据库，所述输入
‑
输出数据库以所述能耗模拟数据为基础作为输出，对应的实测数据作为输出；训练数据修正模型来拟合所述能耗模拟数据和对应的所述实测数据之间的偏差；将待修正的建筑模拟数据为基础输入所述数据修正模型，得到经过所述偏差修正后的模拟数据。2.根据权利要求1所述的用于建筑能耗预测的多元异构能耗数据融合方法，其特征在于，从处理后的所述逐日分项能耗数据中提取出典型逐日能耗曲线，利用所述典型逐日能耗曲线对所述能耗月账单数据逐月进行填充，具体包括：将处理后的所述逐日分项能耗数据进行归一化处理；采用K
‑
Means聚类算法对所述逐日分项能耗数据在时间序列上按照月份进行聚类，其中，将DTW算法作为所述时间序列的距离度量指标，并采用平均轮廓系数最大的 k值作为聚类的k值；分析聚类结果，确定每簇的用能特性并将各簇的聚类中心曲线作为所述典型逐日能耗曲线，将符合各簇用能特性的能耗数据用所述典型逐日能耗曲线进行填充。3.根据权利要求1所述的用于建筑能耗预测的多元异构能耗数据融合方法，其特征在于，所述数据修正模型设有两层结构，第一层结构由不同算法建立的若干个一级修正模型组成，第二层结构设有一个综合修正模型，将待修正的建筑模拟数据为基础输入所述数据修正模型，得到经过所述偏差修正后的模拟数据，具体包括：将待修正的建筑模拟数据进行预处理后输入不同的一级修正模型中，输出若干个经一次偏差修正的模拟数据；将若干个一次修正的模拟数据进行加权算术平均处理后输入所述综合修正模型，输出经二次偏差修正的模拟数据。4.根据权利要求1所述的用于建筑能耗预测的多元异构能耗数据融合方法，其特征在于，异常值包括离群值和异常波动值，所述异常值判断具体包括：定义所述离群值的分布范围，利用箱形图从所述分项能耗数据中确定离群值的数据量；所述异常波动值包括突变值和死值，从从所述分项能耗数据中统计所述突变值和死值的数据量；针对每栋建筑，判断所述离群值的数据量和所述异常波动值数据量之和在每栋建筑的所述分项能耗数据中的占比是否超过设定阈值，若是，则将对应建筑的数据从所有建筑的
能耗数据集合中剔除。5.根据权利要求1所述的用于建筑能耗预测的多元异构能耗数据融合方法，其特征在于，所述异常楼宇剔除中需要剔除的异常楼宇具体包括：在能耗时间序列的设定时间范围中，所述能耗监测平台中得到的建筑总能耗数据与所述分项能耗数据之和的误差大于第一设定值的建筑；空调分项的最大能耗值与总能耗的最大值的比值小于第二设定值的建筑；单位面积全年能耗强度不在设定能耗强度范围内的建筑。6.用于建筑能耗预测的多元异构能耗数据融合系统，其特征在于，包括：数据采集单元，用于分别从能耗监...
【专利技术属性】
技术研发人员：周克楠，陈斐然，招婉媚，朱迪，何德卫，戚建平，梁永权，郭子科，
申请(专利权)人：广东电网有限责任公司佛山供电局，
类型：发明
国别省市：
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。