[发明专利]公共建筑空调用电能耗数据清洗方法及系统

说明书

本发明公开了公共建筑空调用电能耗数据清洗方法及系统，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；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；对不同数据类型分别进行数据填补。

技术领域

本公开涉及建筑数据清洗技术领域，特别是涉及公共建筑空调用电能耗数据清洗方法及系统。

背景技术

本部分的陈述仅仅是提到了与本公开相关的背景技术，并不必然构成现有技术。

目前，建筑能耗需求占全球能耗需求的比例较大。公共建筑是发展较快、能耗消耗量较大且难以降耗的建筑，而空调能耗比例在公共建筑中达到50％以上,公共建筑降耗的首要任务是从减少空调系统的能耗入手。随着公共建筑能耗监测平台被应用于公共建筑中，该平台采集建筑能耗数据，但实际传到平台的建筑能耗数据存在大量的问题数据，该问题数据包括缺失数据和异常数据，所以数据预处理成为建筑数据挖掘分析前的重要工作。

数据清洗、集成、转换和简化是其他领域中广泛使用的数据预处理步骤。在建筑领域中，因为建筑能耗监控平台的方案定制，在平台数据库中会预先设定数据属性和精度，保证相关数据属性和精度的一致性。因此，构建建筑数据预处理任务主要包括数据简化(减少数据维等)，数据清洗(识别缺失和异常数据、数据填补)和数据转换(数据离散化和缩减等)。由于数据简化和数据转换两个任务在数据填补算法中被应用。因此在数据预处理中，数据清洗成为相对重要的任务。

在实现本公开的过程中，发明人发现现有技术中存在以下技术问题：

目前公共建筑空调用电能耗数据清洗方法中，在识别问题数据方面，由于没有以实际空调用电能耗数据的特点为依据，数据中的异常数据类型不明确，无法准确的识别出异常数据，导致识别出很多正常数据。在填补问题数据方面，目前针对公共建筑空调用电能耗数据填补问题，大多只采用直接删除、单一的机器学习算法或统计学算法填补，填补时没有考虑整个空调用电能耗数据的特点，填补速度快但导致最终填补精度不高。

假如以不适当的方式进行数据清洗，数据填补精度不高，得到完整的数据质量较差，会导致数据分析挖掘出错误的知识和结论。

发明内容

针对目前公共建筑空调用电能耗数据清洗方法中无法准确识别异常数据、仅采用单一填补方法、填补精度不高、没有统一的处理方法体系等缺点，本公开提供了公共建筑空调用电能耗数据清洗方法及系统；其中通过分析平台数据特点，对数据集中异常数据类型分类，并准确识别每种类型的异常数据，解决了无法准确识别异常数据的问题。依据数据判定实际空调运行模式，根据不同空调运行模式选择不同的填补算法，解决了仅采用单一填补方法且填补精度不高的问题。

第一方面，本公开提供了公共建筑空调用电能耗数据清洗方法；

公共建筑空调用电能耗数据清洗方法，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；

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；

对不同数据类型分别进行数据填补。

第二方面，本公开提供了公共建筑空调用电能耗数据清洗系统；

公共建筑空调用电能耗数据清洗系统，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；