[发明专利]公共建筑空调用电能耗数据清洗方法及系统

权利要求书

1.公共建筑空调用电能耗数据清洗方法，其特征是，包括：

获取公共建筑空调用电能耗数据，对获取的数据进行缺失数据识别和异常数据识别，将识别的异常数据转换成缺失数据；得到待填补的空调用电能耗数据；其中，所述异常数据包括长期连续重复数据和突变数据两类；所述长期连续重复数据是指在设定时间段内相同数据连续出现的时间长度超过设定值；所述突变数据是指在设定时间段内该数据大于设定阈值或小于设定阈值；

根据每种空调运行模式下空调用电能耗数据与室外环境参数之间的相关度，将不同空调运行模式下待填补的空调用电能耗数据划分为与建筑冷热负荷相关的数据和与建筑冷热负荷无关的数据两种数据类型；具体步骤包括：

计算空调用电能耗数据与室外环境温度的第一相关性；

计算空调用电能耗数据与室外环境湿度、太阳辐射和风速的第二相关性；

当第一相关性或第二相关性大于设定阈值；将当前空调运行模式下待填补的空调用电能耗数据视为与建筑冷热负荷相关的数据；

否则，将当前空调运行模式下待填补的空调用电能耗数据视为与建筑冷热负荷无关的数据；

对不同数据类型分别进行数据填补；对于与建筑冷热负荷相关的数据，使用预训练的神经网络模型进行问题数据的填补；对于与建筑冷热负荷无关的数据，使用相邻日的不存在问题数据的空调用电能耗历史数据进行问题数据的填补。

2.如权利要求1所述的方法，其特征是，对长期连续重复数据进行识别，首先识别出每个月空调用电能耗数据中的相同数据，然后，判断所述相同数据连续出现的时间长度是否超过设定值，如果是，就认为存在长期连续重复数据；否则，就认为不存在长期连续重复数据。

3.如权利要求1所述的方法，其特征是，对突变数据进行识别，具体包括：

将12个月的空调用电能耗数据划分为12个组，每一组的数据为一列，对原始空调用电能耗数据进行标准化处理；通过轮廓系数法确定聚类中心的个数；对每个月的空调用电能耗数据进行聚类识别；采用组间平方和与总距离平方和的商来评价聚类结果：若商大于设定阈值，则表示聚类结果满足要求，否则，在当前聚类中心个数的基础上加一，然后继续聚类，直至商值满足要求。

4.如权利要求1所述的方法，其特征是，不同空调运行模式，具体划分步骤包括：

通过聚类算法和每个月室外的环境温度，将预处理后的空调用电能耗数据按月划分到三个季度，所述三个季度分别为供暖季、过渡季和制冷季；供暖季对应空调的供热模式，过渡季对应空调的新风模式，制冷季对应空调的制冷模式；进而得到每种空调运行模式下的空调用电能耗数据。

5.公共建筑空调用电能耗数据清洗系统，其特征是，包括：

获取模块，其被配置为：获取公共建筑空调用电能耗数据，对获取的数据进行缺失数据识别和异常数据识别，将识别的异常数据转换成缺失数据；得到待填补的空调用电能耗数据；其中，所述异常数据包括长期连续重复数据和突变数据两类；所述长期连续重复数据是指在设定时间段内相同数据连续出现的时间长度超过设定值；所述突变数据是指在设定时间段内该数据大于设定阈值或小于设定阈值；

划分模块，其被配置为：根据每种空调运行模式下空调用电能耗数据与室外环境参数之间的相关度，将不同空调运行模式下待填补的空调用电能耗数据划分为与建筑冷热负荷相关的数据和与建筑冷热负荷无关的数据两种数据类型；具体步骤包括：

计算空调用电能耗数据与室外环境温度的第一相关性；

计算空调用电能耗数据与室外环境湿度、太阳辐射和风速的第二相关性；

当第一相关性或第二相关性大于设定阈值；将当前空调运行模式下待填补的空调用电能耗数据视为与建筑冷热负荷相关的数据；

否则，将当前空调运行模式下待填补的空调用电能耗数据视为与建筑冷热负荷无关的数据；

填补模块，其被配置为：对不同数据类型分别进行数据填补；对于与建筑冷热负荷相关的数据，使用预训练的神经网络模型进行问题数据的填补；对于与建筑冷热负荷无关的数据，使用相邻日的不存在问题数据的空调用电能耗历史数据进行问题数据的填补。