一种建筑能耗数据的预测处理方法及应用技术

本发明专利技术提供一种建筑能耗数据的预测处理方法及应用，所述建筑能耗数据的预测处理模型，包括数据预处理模块、异常数据剔除模块、缺失数据修复模块及短期能耗预测模块，所述数据预处理模块用于实现建筑历史能耗数据的读取及数据分析；所述异常数据剔除模块用于对每一类数据聚类分析，得到异常值并剔除；所述缺失数据修复模块用于对剔除的数据和缺失的数据进行修复；所述短期能耗预测模块用于进行短期预测。通过对建筑能耗的数据处理和短期的能耗数据预测，并将其应用在能耗监控系统中，实现对建筑能耗的可视化操作，同时通过数据预测对能耗的监控提供技术支持，可以有效地对建筑能耗进行监控管理，降低建筑能耗，节能减排。节能减排。节能减排。

【技术实现步骤摘要】
一种建筑能耗数据的预测处理方法及应用


[0001]本专利技术涉及于建筑能耗监控
，尤其涉及一种建筑能耗数据的预测处理方法及应用。

技术介绍

[0002]随着社会高速发展，人们对生活质量的要求也随之提高，对各种能源的需求、消耗量持续上升。建筑业作为支柱性产业，其能耗总量不断提升。降低建筑能耗，实现对建筑的节能减排起到举足轻重的作用。
[0003]建筑能耗预测的常用方法有物理建模和数据驱动，物理建模方法需要根据建筑的结构，构建模型，利用热力学的原理对建筑能耗进行预测，实际操作复杂，且数据处理的精度不高。随着智能算法的发展，基于机器学习、神经网络的数据驱动方法功能越来越完善，预测模型的线性拟合和精度有了进一步提高。准确的数据模型是预测的基础，现有技术中的数据预测，根据历史数据进行模型的训练处理，缺乏对异常数据的检测与修复过程，影响预测的精度，同时建筑能耗数据的异常识别处理与修复工作还缺乏相关的应用。通过异常数据的识别修复，进行精度更好的预测，对楼宇进行精细化的能源管理，实现节能减排。

技术实现思路

[0004]本专利技术的目的是为了解决现有技术中的技术问题。
[0005]为了实现上述目的，本专利技术采用了如下技术方案：
[0006]一种建筑能耗数据的预测处理模型，其特征在于：包括数据预处理模块、异常数据剔除模块、缺失数据修复模块及短期能耗预测模块，其中，所述数据预处理模块用于实现建筑历史能耗数据的读取及数据分析；所述异常数据剔除模块用于对每一类数据聚类分析，得到异常值并剔除；所述缺失数据修复模块用于对剔除的数据和缺失的数据进行修复；所述短期能耗预测模块用于获取经过修复的建筑能耗数据，然后进行短期预测。
[0007]优选的，所述数据预处理模块用于读取建筑历史能耗数据，并进行归一化操作以及k
‑
means聚类分析操作。
[0008]优选的，所述归一化采用mi n
‑
max标准化，其表达式如下：
[0009][0010]其中，
x
'表示归一化之后的值，
x
表示样本数据，
xmin
表示样本数据的最小值，
xmax
表示样本数据的最大值。
[0011]优选的，所述k
‑
means聚类分析方法，其步骤如下：
[0012]S1：算法初始化，选取K个点，作为聚类中心；
[0013]S2：分别计算每个点到K个聚类中心的距离，将点划分到最近的聚类中心，形成K个簇；
[0014]S3：重新计算每个簇的质心，形成新的聚类中心；
[0015]S4：重复S2、S3，直至质心的位置不再发生变化或者变化在容许范围内，停止计算，得到K个聚类；
[0016]采用手肘法，对聚类的个数进行判断，根据建筑能耗的原始数据，测定其误差平方和SSE，其运算方法如下：
[0017][0018]其中，
Ci
是第
i
个簇，
mi
是第
Ci
的质心。
[0019]优选的，对于K的取值，采用CH(Calinski
‑
Harabaz)指数进一步确定，对于K个聚类，CH的分数S被定义为组间离散与组内离散的比率，该分值越大说明聚类效果越好：
[0020][0021]其中，k代表聚类数目，N代表全部数据数目，
SSB
是类间方差，
SSW
是类内方差，k＝2时，CH值为1672，k＝3时，CH值为1782，所以选取聚类的簇数目K为3。
[0022]优选的，所述异常数据剔除模块采用基于密度的聚类方法DBSCAN，对属于同一簇的建筑能耗数据进行再次聚类，识别出异常点，并进行标记和剔除操作。
[0023]优选的，所述缺失数据修复模块采用KNN算法实现。
[0024]优选的，所述短期能耗预测模块采用支持向量机SVM进行数据的短期预测；所述SVM的输入数据为经过聚类、异常检测和修复完成之后的完整数据集，输出为经过预测得到的未来短时间内的建筑能耗使用情况，保存在能耗监控系统的数据库中。
[0025]本申请还提供了一种建筑能耗数据的应用系统，所述应用系统为采用B/S架构设计的建筑能耗监控系统，其包括上述所述的建筑能耗数据的预测处理模型、监控系统服务器、能耗数据库和应用界面。
[0026]优选的，所述能耗数据库采用MySql数据库，用于保存原始的建筑能耗数据以及经过处理的数据和预测的建筑能耗数据等；所述应用界面采用VUE框架搭建，包括登录界面、注册界面、数据可视化展示界面以及对底层设备的控制功能；所述监控系统服务器后台使用Python搭建，数据处理的方法在后台实现，保存在数据库中，前端通过调用接口，实现对数据的可视化展示。
[0027]上述所述的建筑能耗数据的预测处理模型，通过将数据的聚类、异常识别修复和神经网络相结合，实现对建筑能耗的数据处理和短期的能耗数据预测，并将其应用在能耗监控系统中，实现对建筑能耗的可视化操作，同时通过数据预测对能耗的监控提供技术支持，可以有效地对建筑能耗进行监控管理，降低建筑能耗，节能减排。
附图说明
[0028]图1为本专利技术一实施方式中建筑能耗数据的应用系统整体框架示意图；
[0029]图2为本专利技术一实施方式中使用的k
‑
means方法流程示意图；
[0030]图3为本专利技术一实施方式中系统应用的整体流程；
[0031]图4为本专利技术一实施方式中SSE与簇数目关系图；
[0032]图5为本专利技术一实施方式中2月份逐时能耗分布图；
[0033]图6为本专利技术一实施方式中2月份低能耗数据原始分布图；
[0034]图7为本专利技术一实施方式中2月份低能耗数据剔除异常值分布图；
[0035]图8为本专利技术一实施方式中短期能耗预测图。
[0036]图例说明：
[0037]1、预测处理模型；2、能耗表具；3、能耗集中器；4、MQTT协议；5、监控系统服务器；6、能耗数据库；7、应用界面。
具体实施方式
[0038]以下结合具体实施例，对本专利技术作进一步地详细说明。
[0039]请参阅图1、图2和图3，一种建筑能耗数据的预测处理模型1，包括数据预处理模块、异常数据剔除模块、缺失数据修复模块及短期能耗预测模块，其中，所述数据预处理模块用于实现建筑历史能耗数据的读取、归一化操作及k
‑
means聚类分析；所述异常数据剔除模块采用DBSACN方法为核心，实现对每一类数据再次聚类分析，得到异常值并剔除；所述缺失数据修复模块采用KNN数据填补方法对剔除的数据和缺失的数据进行修复；所述短期能耗预测模块用于获取经过修复的建筑能耗数据，然后采用支持向量机SVM进行数据的短期预测。
[0040]在一实施方式中，所述数据预处理模块用于读取建筑历史能耗数据、归一化操作以及k
‑...

【技术保护点】

【技术特征摘要】
1.一种建筑能耗数据的预测处理模型，其特征在于：包括数据预处理模块、异常数据剔除模块、缺失数据修复模块及短期能耗预测模块，其中，所述数据预处理模块用于实现建筑历史能耗数据的读取及数据分析；所述异常数据剔除模块用于对每一类数据聚类分析，得到异常值并剔除；所述缺失数据修复模块用于对剔除的数据和缺失的数据进行修复；所述短期能耗预测模块用于获取经过修复的建筑能耗数据，然后进行短期预测。2.根据权利要求1所述的建筑能耗数据的预测处理模型，其特征在于：所述数据预处理模块用于读取建筑历史能耗数据，并进行归一化操作以及k
‑
means聚类分析操作。3.根据权利要求2所述的建筑能耗数据的预测处理模型，其特征在于：所述归一化采用min
‑
max标准化，其表达式如下：其中，
x
'表示归一化之后的值，
x
表示样本数据，
xmin
表示样本数据的最小值，
xmax
表示样本数据的最大值。4.根据权利要求2所述的建筑能耗数据的预测处理模型，其特征在于：所述k
‑
means聚类分析方法，其步骤如下：S1：算法初始化，选取K个点，作为聚类中心；S2：分别计算每个点到K个聚类中心的距离，将点划分到最近的聚类中心，形成K个簇；S3：重新计算每个簇的质心，形成新的聚类中心；S4：重复S2、S3，直至质心的位置不再发生变化或者变化在容许范围内，停止计算，得到K个聚类；采用手肘法，对聚类的个数进行判断，根据建筑能耗的原始数据，测定其误差平方和SSE，其运算方法如下：其中，
Ci
是第
i
个簇，
mi
是第
Ci
的质心。5.根据权利要求1所述的建筑能耗数据的预测处理模型，其特征在...

【专利技术属性】
技术研发人员：钟永彦，向元柱，陈娟，张伟航，丁士旵，
申请(专利权)人：南通大学，
类型：发明
国别省市：