[发明专利]一种检测建筑能源异常消耗的方法

说明书

本发明公开了建筑节能行业技术领域的一种检测建筑能源异常消耗的方法，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，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，通实现对于建筑能源消耗的在线监控，从而及时发现异常的能源消耗情况。

技术领域

本发明涉及建筑节能行业技术领域，具体为一种检测建筑能源异常消耗的方法。

背景技术

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，本发明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，则表明存在异常消耗模式。语境异常检测则具有多种方法，并且使用了不同种类的统计学习算法。此外，语境异常检测还利用了除能源消耗时间序列之外的其他相关信息，包括建筑构造及材料、当地环境等来判断是否出现异常的能源消耗。

发明内容

本发明的目的在于提供一种检测建筑能源异常消耗的方法，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：一种检测建筑能源异常消耗的方法，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。

优选的，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。

优选的，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：