【技術實現步驟摘要】
本專利技術涉及能耗監測，具體涉及一種建筑能耗監測方法及系統。
技術介紹
1、建筑行業是全球能源消耗和碳排放的主要來源之一。根據國際能源署(iea)的數據，建筑和建筑操作約占全球總能源消耗的40％，并貢獻了近1/3的年度溫室氣體排放。隨著城市化進程的加速以及生活水平的提高，建筑能耗問題日益突出，引起全球范圍內的廣泛關注。
2、在建筑能耗監測的過程中，通過智能傳感控制器和物聯網技術，可以實現對于建筑能耗設備的智能數據獲取與能耗異常數據分析，能有效識別出建筑異常能耗，并利用機器學習模型預測建筑物和設備能耗狀況，利用控制策略來改善用能設備的運行，實現及時的調整優化處理，以降低不必要的能源消耗，節約用能成本，提升能源管理效率。但由于多維度建筑能耗數據之間往往存在一定的相關性關系，多維度建筑能耗數據中的部分異常數據是因為相關性關系導致的結構分布的異常，而不是真實的建筑異常能耗狀況因此需要結合多維度建筑能耗數據變化相關性特征，利用獲取的異常數據，實現建筑能耗智能監測。
技術實現思路
1、為了解決上述問題，本專利技術一種建筑能耗監測方法及系統。
2、本專利技術的一種建筑能耗監測方法及系統采用如下技術方案：
3、本專利技術一個實施例提供了一種建筑能耗監測方法，該方法包括以下步驟：
4、獲取不同采樣周期的多維度的建筑能耗數據；
5、對于任意一個維度的建筑能耗數據，獲取所述維度在不同采樣周期的變化趨勢；
6、對于任意兩個維度的建筑能
7、對不同采樣周期的多維度的建筑能耗數據構建多維樣本空間，多維樣本空間中包含若干數據點；通過設置不同大小的聚類簇數量，對多維樣本空間所有數據點進行層次聚類，獲取多維樣本空間中不同的層次聚類結果，其中每一個層次聚類結果中包含若干聚類簇；
8、根據多維樣本空間中不同的層次聚類結果以及相關程度集合，獲取多維樣本空間中數據點的聚類簇合并必要性；
9、對任意一次層次聚類過程中，根據多維樣本空間中數據點的聚類簇合并必要性，獲取任意兩個聚類簇之間的調整后合并條件，根據調整后的合并條件對所述兩個聚類簇進行合并得到調整后的層次聚類結果；
10、根據調整后的層次聚類結果，獲取多維度建筑能耗數據中的異常數據；
11、根據獲取的多維度建筑能耗數據中的異常數據，預測建筑內用戶異常能耗模式。
12、進一步的，所述對于任意一個維度的建筑能耗數據，獲取所述維度在不同采樣周期的變化趨勢，包括的具體步驟如下：
13、對于任意一個維度的建筑能耗數據，在第一個采樣周期內從第一個采樣時刻開始，計算第一個采樣時刻和第二個采樣時刻的數據差值，第二個采樣時刻和第三個采樣時刻的數據差值，第三個采樣時刻和第四個采樣時刻數據差值，依次進行，計算相鄰時刻的數據差值，將所述數據差值的絕對值構成第一個采樣周期的絕對值序列，記作所述維度的第一個采樣周期的變化趨勢；
14、獲取所述維度的其他采樣周期的變化趨勢以及其他維度的所有采樣周期的變化趨勢。
15、進一步的，所述對于任意兩個維度的建筑能耗數據構成維度組合，根據所述維度組合在不同采樣周期的變化趨勢，獲取所述維度組合的相關程度，包括的具體步驟如下：
16、對于任意兩個維度的建筑能耗數據，分別記為第一維度和第二維度；將第一維度的第一個采樣周期的變化趨勢，分別與第二維度的所有采樣周期的變化趨勢進行dtw匹配，得到第一維度在第一個采樣周期相對于第二維度的dtw相似度分數集合，記為第一維度在第一個采樣周期相對于第二維度的第一集合；對所述第一集合中的數據進行降序排序，獲取排序后的第一集合；
17、對排序后的第一集合獲取集合中第一個數據值與第二個數據值的差值的絕對值，同樣獲取第二個數據值與第三個數據值的差值的絕對值，依次進行，得到第一維度的第一個采樣周期相對于第二維度的第二集合；
18、依次類推，獲取第一維度的所有采樣周期相對于第二維度的第二集合
19、計算第一維度和第二維度的相關程度，其中記第一維度為維度a，第二維度為維度b，上述兩個維度的相關程度dl(a,b)的計算方法為：
20、
21、其中，i表示維度a的采樣周期的數量；ji表示維度a的第i個采樣周期相對于維度b的第二集合中數據的數量；rij(a,b)表示維度a的第i個采樣周期相對于維度b的第二集合中的第j個數據值；表示維度a的第i個采樣周期相對于維度b的第二集合中的均值；max_min[]表示最大最小化歸一化函數。
22、進一步的，所述通過設置不同大小的聚類簇數量，對多維樣本空間所有數據點進行層次聚類，獲取多維樣本空間中不同的層次聚類結果，包括的具體步驟如下：
23、設置聚類簇數量區間[x,y]，遍歷區間[x,y]中的每個整數，當遍歷到第n個整數時，將第n個整數作為層次聚類過程中設置的聚類簇的數量，然后對所有數據點進行層次聚類，得到的層次聚類結果記為第n層次聚類結果。
24、進一步的，所述根據多維樣本空間中不同的層次聚類結果以及相關程度集合，獲取多維樣本空間中數據點的聚類簇合并必要性，包括的具體步驟如下：
25、在所有層次聚類結果中的若干聚類簇中，獲取多維樣本空間的第k個數據點所在的多個聚類簇來獲取多維樣本空間的數據點的聚類簇合并必要性，其中多維樣本空間的第k個數據點的聚類簇合并必要性cnk的計算方法為：
26、
27、其中，u表示相關程度集合中的數據的數量；dlu表示相關程度集合中的第u個數據的數據值；gk表示多維樣本空間的第k個數據點所在的聚類簇；qu的獲取方法為：獲取相關程度集合中的第u個數據維度組合，在多維樣本空間中的所述維度組合的兩個維度所對應坐標構成的平面，記為qu；
28、sku表示聚類簇gk中的所有數據點在平面qu上的投影點；hsku表示多維樣本空間的第k個數據點分別與sku的歐式距離；cov()表示對多維樣本空間的第k個數據點分別與這些投影點的歐式距離求方差貢獻率；exp[]表示以自然常數為底數的指數函數。
29、進一步的，所述根據多維樣本空間中數據點的聚類簇合并必要性，獲取任意兩個聚類簇之間的調整后合并條件，包括的具體步驟如下：
30、在任意一次層次聚類結果中，第f個聚類簇和其他第f′個聚類簇之間的調整后合并條件的計算方法為：
31、
32、其中，vf表示第f個聚類簇中數據點的數量；cnv表示第f個聚類簇中第v個數據點的聚類簇合并必要性；d(f,f′)表示第f個聚類簇和其他第f′個聚類簇之間聚類簇中心的歐式距離；δ表示聚類簇合并必要性權重系數；exp[]表示以自然常數為底數的指數函數。
33、進一步的，本文檔來自技高網...
【技術保護點】
1.一種建筑能耗監測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述對于任意一個維度的建筑能耗數據，獲取所述維度在不同采樣周期的變化趨勢，包括的具體步驟如下：
3.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述對于任意兩個維度的建筑能耗數據構成維度組合，根據所述維度組合在不同采樣周期的變化趨勢，獲取所述維度組合的相關程度，包括的具體步驟如下：
4.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述通過設置不同大小的聚類簇數量，對多維樣本空間所有數據點進行層次聚類，獲取多維樣本空間中不同的層次聚類結果，包括的具體步驟如下：
5.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據多維樣本空間中不同的層次聚類結果以及相關程度集合，獲取多維樣本空間中數據點的聚類簇合并必要性，包括的具體步驟如下：
6.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據多維樣本空間中數據點的聚類簇合并必要性，獲取任意兩個聚類簇之間的調整后合并條件，包括
7.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據調整后的合并條件對所述兩個聚類簇進行合并得到調整后的層次聚類結果，包括的具體步驟如下：
8.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據調整后的層次聚類結果，獲取多維度建筑能耗數據中的異常數據，包括的具體步驟如下：
9.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據獲取的多維度建筑能耗數據中的異常數據，預測建筑內用戶異常能耗模式，包括的具體步驟如下：
10.一種建筑能耗監測系統，包括存儲器、處理器以及存儲在所述存儲器中并在所述處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現如權利要求1-9任意一項所述一種建筑能耗監測方法的步驟。
...【技術特征摘要】
1.一種建筑能耗監測方法，其特征在于，該方法包括以下步驟：
2.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述對于任意一個維度的建筑能耗數據，獲取所述維度在不同采樣周期的變化趨勢，包括的具體步驟如下：
3.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述對于任意兩個維度的建筑能耗數據構成維度組合，根據所述維度組合在不同采樣周期的變化趨勢，獲取所述維度組合的相關程度，包括的具體步驟如下：
4.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述通過設置不同大小的聚類簇數量，對多維樣本空間所有數據點進行層次聚類，獲取多維樣本空間中不同的層次聚類結果，包括的具體步驟如下：
5.根據權利要求1所述的一種建筑能耗監測方法，其特征在于，所述根據多維樣本空間中不同的層次聚類結果以及相關程度集合，獲取多維樣本空間中數據點的聚類簇合并必要性，包括的具體步驟如下：
6.根據權利要求...
【專利技術屬性】
技術研發人員：韓健，姜敏，王皓，周潔，
申請(專利權)人：上海東方低碳科技產業股份有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。