【技术实现步骤摘要】
本专利技术涉及数据挖掘及图聚类的，尤其涉及基于子序列挖掘与有向加权图聚类的建筑能源管理方法。
技术介绍
1、建筑的能源消耗占全球能源使用量的近三分之一，控制建筑物的运作方式有助于开发高效的生态友好型智能能源系统。随着高级计量基础设施的安装及智能仪表等测量技术在住宅等建筑中的应用，大量的负载数据提供了分析不同的建筑负载模式如何协助解决电力系统操作的各种问题的机会。通过数据挖掘，能够分析负载概况以确定适合采用需求响应计划的能耗模式。
2、但是，现有的聚类能源管理方法仅考虑了子序列之间基于形状或特征的相似性，而忽略了子序列之间的复杂时间依赖性，成对相似度计算方法也不可扩展到大型的时间序列数据集。
3、因此，亟需基于子序列挖掘与有向加权图聚类的建筑能源管理方法的解决上述问题。
技术实现思路
1、本部分的目的在于概述本专利技术的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和专利技术名称中可能会做些简化或省略以避免使本部分、说明书摘要和专利技术名称的目的模糊，而这种简化或省略不能用于限制本专利技术的范围。
2、鉴于上述现有建筑能源管理方法存在的问题，提出了本专利技术。
3、为解决上述技术问题，本专利技术提供如下技术方案：
4、基于子序列挖掘与有向加权图聚类的建筑能源管理方法，该方法包括以下步骤：
5、步骤一：对负载数据进行预处理；
6、步骤二：将时间序列分段为子序列，并提取子序列特
7、步骤三：将符号数据建模为有向加权图，用图表示子序列；
8、步骤四：进行准完全连通子图聚类，得到聚类子图；
9、步骤五：基于聚类结果，计算建筑能耗的稳定性，并识别非典型能耗模式。
10、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：所述步骤一中的具体方法为：
11、s1：收集n个建筑样本在m个时间序列上的负载数据集，得到t＝rm×n的负载数据矩阵；
12、s2：对数据的预处理包括调整缺失值、删除重复值和标准化；
13、其中，使用线性插值来估算缺失值，对重复值的处理可以选择删去或用平均值代替，最后将数据标准化。
14、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：对时间序列数据集进行处理后，将时间序列ti分割成等长的、不重叠的子序列，子序列的长度为l，对于n个建筑样本，得到的子序列数量q＝n/l；
15、将子序列用符号表示，使用时间序列符号聚合近似进行降维编码，时间序列具有高负荷持续时间、上升时间、下降时间、均值、斜率、极差等特征，本方法选取均值、斜率、极差表示子序列的趋势和峰值；
16、将每个时间序列ti标准化，并将其分段聚合近似表示为；标准化的时间序列具有高斯分布，能够实现时间序列的离散化；求取使得高斯分布被划分成任意数量等概率区间的断点序列b，通过断点序列b和分段聚合近似序列值完成sax符号化；
17、并通过符号表示算法，输出原始时间序列数据集t的符号数据
18、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：所述步骤三中，为了提取时间序列数据集的相似子序列组并保持子序列出现的时间顺序，将符号数据建模为有向加权图g(v,e)；
19、其中，具有相同符号的子序列表示相似的模式，因此提取在符号数据中的独特符号，通过映射函数将其映射成有向加权图g的顶点和边；
20、为了获取两个连续符号之间的距离，使用修正的sax距离计算两个子序列之间的距离
21、
22、
23、
24、其中，其中max(αr)、min(αc)分别是字符串αr的第r个元素、字符串αc的第c个元素对应区域的最大值、最小值，dist(.，.)可以使用表查找来实现，表的行与列代表sax字母表的字母，q个子序列的距离sd(.，.)的总和是两个时间序列之间修正后的sax距离。
25、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：所述步骤四中，在构造图之后，使用基于准完全连通子图的聚类方法，提出具有标准化边权重的有向加权图的ψ-准完全连通子图；
26、通过贪婪图聚类算法使有向加权图g中的每一个聚类都是最大ψ-准完全连通子图：首先，计算有向加权图g的顶点vi的权重w(vi)；以权重作为优先级对顶点进行非递增顺序排列，得到优先级队列q；从队列q中选择权重最高的顶点，将其包含并形成一个独立聚类si，在每次迭代中，选择顶点权重次高于si的顶点权重的聚类作为sj，使si与sj相邻；当满足以下两点条件时，合并聚类si和sj，得到新的子图new_si：
27、条件1：新子图new_si应该形成一个弱连通体，以确保顶点之间的最小连通性；
28、条件2：新子图应该满足条件ψ(new_si)≥ψmin，其中
29、其中，z＝|new_si|，是子图new_si的顶点数，参数ψmin决定了聚类的质量；
30、重复迭代，直到si不能再合并为止，最终形成一个最大的ψ-准完全连通子图。对于其他不属于si的所有顶点，重复上述步骤，最终算法返回一组子图sg，它是图g的最大的ψ-准完全连通子图。
31、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：所述步骤五中，将聚类结果应用到需求响应程序，测量建筑负载稳定性，遵循一致负载模式的建筑，被认为是稳定的，适合实施需求响应程序和节能计划，聚焦峰值负载转移以及减少日常消耗；
32、假设一个聚类集使用熵来测量一个建筑物tj的稳定性得分，熵越低，建筑物具有更高的稳定性：
33、
34、其中，时间变化函数当子序列的聚类标签为si时，否则为0。
35、作为本专利技术所述基于子序列挖掘与有向加权图聚类的建筑能源管理方法的一种优选方案，其中：所述步骤五中，识别非典型模式有助于设计准确的负载预测模型；使用基于图的分析方法从时间序列数据集中发现非典型模式，关键是检查有向加权图g中符号的出现频率和顶点的度；顶点的度捕获了时间依赖的独特模式的数量，度较低的顶点在时间序列数据集中出现的频率最小，只有少数时间依赖模式；根据顶点的度分布决定阈值vd，基于阈值vd分隔低度顶点，并将被分隔的顶点的代表模式作为非典型模式。
36、本专利技术的有益效果：
37、1、本专利技术通过时间序列子序列挖掘提取有关负载消耗模式的重要内容，有助于构建能源管理系统；将住宅建筑负载数据上的子序列聚类表述为有向加权图上的图聚类问题，捕捉了子序列之间的时间依赖性和相似性；
38、2、通过数据处理、分段与符号表示、图表示、准完全连通子图聚类等过程，使用图聚类算法得到了时间序列子序列的子本文档来自技高网...
【技术保护点】
1.基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤一中的具体方法为：
3.根据权利要求2所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤二中，对时间序列数据集进行处理后，将时间序列ti分割成等长的、不重叠的子序列，子序列的长度为l，对于n个建筑样本，得到的子序列数量q＝n/l；
4.根据权利要求3所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤三中，为了提取时间序列数据集的相似子序列组并保持子序列出现的时间顺序，将符号数据建模为有向加权图G(V,E)；
5.根据权利要求4所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤四中，在构造图之后，使用基于准完全连通子图的聚类方法，提出具有标准化边权重的有向加权图的ψ-准完全连通子图；
6.根据权利要求5所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于
7.根据权利要求1-6任一项所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤五中，识别非典型模式有助于设计准确的负载预测模型；使用基于图的分析方法从时间序列数据集中发现非典型模式，关键是检查有向加权图G中符号的出现频率和顶点的度；顶点的度捕获了时间依赖的独特模式的数量，度较低的顶点在时间序列数据集中出现的频率最小，只有少数时间依赖模式；根据顶点的度分布决定阈值vd，基于阈值vd分隔低度顶点，并将被分隔的顶点的代表模式作为非典型模式。
...【技术特征摘要】
1.基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤一中的具体方法为：
3.根据权利要求2所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤二中，对时间序列数据集进行处理后，将时间序列ti分割成等长的、不重叠的子序列，子序列的长度为l，对于n个建筑样本，得到的子序列数量q＝n/l；
4.根据权利要求3所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤三中，为了提取时间序列数据集的相似子序列组并保持子序列出现的时间顺序，将符号数据建模为有向加权图g(v,e)；
5.根据权利要求4所述的基于子序列挖掘与有向加权图聚类的建筑能源管理方法，其特征在于：所述步骤四中，在构造图之后，使用基于准完全...
【专利技术属性】
技术研发人员：马斌，高海洋，郑馨怡，桂帆，王昱婷，徐琼璟，端凌立，张若微，张瑶，张汀荟，范庆华，陈庭记，杨莲，刘永生，朱海超，蔡可庆，王艳巧，陈雪薇，
申请(专利权)人：南京电力设计研究院有限公司，
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。