[发明专利]一种数据驱动的建筑空调电耗与照明插座电耗拆分方法

权利要求书

1.一种数据驱动的建筑空调电耗与照明插座电耗拆分方法，其特征在于，步骤如下：

S1、对建筑能耗监测系统的历史数据进行预处理：对问题数据进行分类，采用K均值聚类算法识别并清洗突变数据；

S1.1、对问题数据进行分类：

问题数据包括突变数据及缺失数据；建筑能耗监测平台的缺失数据记为“0”，可实现在线识别，无需处理；突变数据指部分用能数据出现过大或过小，超出实际用能阈值，需要人工加入算法进行辨识并清洗；

S1.2、利用K均值聚类算法识别清洗突变数据：

在样本数据集中随机选择3个点作为初始聚类中心，计算样本集中其他点到初始聚类中心的距离，并分配到最近邻簇内；第一轮聚类完成后，在各簇内，将所有样本点平均值作为新的聚类中心，并重复第一轮的步骤，直至聚类中心不再变化，完成聚类，输出聚类中心和3个簇分类；

样本点间的距离采用闵可夫斯基距离，即下式计算：

其中x₁和x₂代表两个样本点的坐标，k代表样本点的次序，w代表维数；聚类中心值为最大和最小的两个簇中，如果各自簇样本个数占总样本数5％以下，并且聚类中心的大小差别较大时，簇中数据可识别为突变数据；

S2、利用步骤S1中清洗过的历史数据，对建筑内空调设备使用情况进行识别：主要采用室外空气温度模型算法及K均值聚类算法两种方法；

S2.1、定义空调设备的使用工况分区；由工作时刻中使用空调小时数占比p的大小定义指定日实际使用工况，取40％、70％作为空调使用工况临界值；p40％时，判定空调设备不开启或轻度开启，40％p70％,判定空调设备中度开启，p70％,判定空调设备重度开启；

S2.2、依据不同需求，选择室外空气温度模型算法或K均值聚类算法中的一种对空调使用工况进行辨识；针对指定日的空调工况识别，选择室外空气温度模型算法，针对指定时刻的空调工况识别，选择K均值聚类算法；

S2.3、利用室外空气温度模型算法，识别指定日的空调设备运行使用情况；利用历史数据中准确的照明插座电耗数据与平均室外温度，以电耗为因变量，温度为自变量建立函数关系；根据上述函数关系，计算二阶导数计算，确定拟合曲线的拐点对应温度为判别温度；如果指定日的室外温度小于判别温度，则认为p40％，即空调不开启或轻微开启；如果指定日的室外温度大于判别温度，则认为p40％，即空调中度或重度开启；

S2.4、利用K均值聚类算法，识别指定日或指定时刻的空调设备运行使用情况；利用历史数据中准确的照明插座电耗数据与平均室外温度，以K均值聚类算法，K取3进行聚类计算；聚类中心最小的簇对应p40％,即空调不开启或轻微开启；聚类中心最大的簇对应p70％,即空调设备重度开启；剩余的聚类中心介于最大和最小之间的簇对应40％p70％,即空调设备中度开启；

S3、根据识别出的空调工作工况，对掺混的空调电耗及照明插座电耗进行拆分；空调不开启或轻微开启时，认为数据不需进行拆分；空调中度或重度开启时，需要对数据进行拆分；即通过上述识别方法得到空调中度或重度开启的时刻，利用与这一时刻最相近的对应工作日、工作时刻的不掺混空调电耗的照明插座电耗值e_i,j进行插补，得到估算的不掺混空调电耗的照明插座电耗数据。