基于数据挖掘的公共建筑能耗监管平台异常数据修复研究

摘要：

公共建筑用能设备多、建筑面积大、使用人数多,具有较大的节能潜力.但由于建设费用有限导致的数据分项计量异常及传感器或采集器故障导致的数据缺失和突变等问题,其配套的建筑能耗监管平台获取的电耗数据经常出现数据异常问题.本文研究以聚类算法为基础,提出了一种由KNN-Matrix算法与KNN-Slope算法共同构成的异常数据修复体系.KNN-Slope算法根据异常数据当日用电趋势线,寻找用电趋势一致的最近历史电耗数据,以加权计算后的电耗值作为插补值进行异常数据修复.KNN-Matrix算法引入以矩阵形式表征的用电强度量化等级,寻找量化等级与用电趋势均一致的最近历史数据或平均历史数据作为插补值进行异常数据修复.结果显示,在面向不同数据异常比例和不同公共建筑类型时,上述修复体系可使99％的异常数据在修复后与真实数据的相对误差在30％以下,且相对误差最大值、平均值均大幅下降.

关键词：公共建筑、能耗监管、数据挖掘、临近算法、量化等级、数据修复

所属期刊栏目：52

分类号：TP311.131;TU111.195;TU201.5

资助基金：国家重点研发计划;国家自然科学基金

在线出版日期：2022-09-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：73-82