建筑能耗集成化智能分析方法的优化研究.pdf

中文摘要 摘 要 在我国社会终端能耗的构成中，建筑能耗占地区城镇总能耗的 33% 以上，因 此为了实现节约型社会的目标，降低建筑物能耗是十分重要的。能耗历史数据的 分析是实现建筑物节能的一个重要途径，建筑能耗集成化智能分析方法可以从多 方面对建筑能耗数据进行较为全面和准确的分析。 IIT 方法 （Integration Intelligent Technique ）是目前最佳的建筑能耗集成化智能 分析方法中的一种，但IIT 方法中仍存在数据预处理不充分，采用的聚类算法有一 定局限性，采用的能耗预测算法收敛速度慢且可能陷入局部最优，以及发现知识 不全面等问题。因此，本文对IIT 方法进行优化研究并试图提出一种性能更好、知 识发现更全面的建筑能耗集成化智能分析方法——IABEC （Integrated Analysis of Building Energy Consumption ），以提高建筑节能决策的有效性，主要研究工作如下： ① 根据建筑能耗数据不同属性之间数值差异较大等特点，利用改进的 RobustScaler 算法对建筑能耗数据进行归一化处理。通过对主流聚类算法进行理论 分析优选出GMM 聚类算法对数据添加能耗模式标签； ② 在IIT 建筑能耗集成化智能分析法具有的功能基础上增加故障预测功能， 通过对主流故障预测算法进行理论分析和故障预测准确率对比实验，优选出 XGBoost 作为故障预测算法； ③ 根据文献[8]的实验结果，选用BP 神经网络作为建筑能耗预测的初始算法。 为了更快的训练预测网络模型和提高预测的准确度，综合梯度下降法和一种新改 进的共轭梯度法替换梯度下降法来改进BP 神经网络算法； ④ 集成优选出的特征处理算法、GMM 聚类算法、XGBoost 故障预测算法、 文献[8]中优选出的LOF 离群点分析算法和灰度关联分析算法，以及本文中改进的 BP 神经网络算法，提出一种新的建筑能耗集成化智能分析方法——IABEC ； ⑤ 基于美国国家再生能源实验室研究支持机构使用的建筑能耗数据集和某 高校建筑能耗监管平台收集的建筑能耗历史数据，分别进行了下列实验： 1) 使用IABEC 方法、IIT 方法和单一的异常点分析方法分别进行了异常点分 析实验，实验结果表明，IABEC 方法相比于 IIT 方法、单一的异常点分析方法， 异常点分析的准确率分别有16.8~44.8%的提升； 2) 使用 IABEC 方法和 IIT 方法分别进行了能耗预测实验，实验结果表明， IABEC 方法相比于IIT 方法，能耗预测准确率有 13~15.7%的提升，迭代次数减少 了24~34.2% ； I 重庆大学硕士学位论文 3) 使用 IABEC 方法和单一的故障预测方法分别进行了用能设备故障预测实 验，实验结果表明，IABEC 方法相比于单一的故障预测方法，故障预测的准确率 提升了2.9% ，平均绝对误差降低了11.0%。 ⑥ 设计并实现了建筑能耗集成化智能分析系统，主要功能是利用 IABEC 方 法实现了建筑能耗数据集的能耗模式识别、异常点检测、能耗预测和用能设备的 故障预测。 关键词：建筑能耗；数据挖掘；智能分析；智慧节能；能耗分析 II 英文摘要 Abstract In the composition of social terminal energy consumption in China, building energy consumption accounts for more than 33% of the total energy consumption in cities and towns. Therefore, in order to achieve the goal of a conservation-oriented so