[发明专利]建筑运维设备异常诊断方法、系统及计算机可读存储介质

说明书

本发明实施例提供的一种建筑运维设备异常诊断方法、系统及计算机可读存储介质，该方法包括获取历史逐预设时间段单天能耗值；对数据向量进行预处理后，进行特征提取；采用聚类算法对单天特征向量进行聚类计算；构建影响因素与聚类标签之间的分类模型；根据影响因素和分类模型，预测未来天设备运行的波动范围。本发明根据天维度能耗曲线提取特征值；根据聚类算法对特征向量进行计算，将数据向量进行分类划分，提取出设备常规运行模式和该运行模式的波动范围，将影响因素与设备运行模式相关联建立分类模型；根据分类模型和未来天的影响因素预测未来天设备运行波动曲线。提高设备计算能力，扩大计算方法范围，准确预测到未来天设备运行情况。

技术领域

本发明涉及建筑运维技术领域，具体涉及一种建筑运维设备异常诊 断方法、系统及计算机可读存储介质。

背景技术

中国当前正处于能源消耗高的同时，能源相对紧缺的阶段，能源的 匮乏和社会对能源不断增大的需求已经成为了制约社会进步发展的突出 矛盾之一，而城市的大规模建设使得建筑能耗在社会总能耗中的比例达 到了46％，通过自身诊断异常和控制手段降低运行时的能耗是实现节能 的一个重要途径。

当前，许多高能耗企业已经实现了对于分项能耗的采集，积累了大 量的历史能耗数据，这为数据的异常诊断提供了基础。但是，大量的历 史能耗数据也带来了“数据灾难”，使得相关的管理人员无法迅速并准确 的从数据中发现能耗的异常性问题，最终导致建筑能耗难于监测和管理。

传统的监测方法一般是由相关的能耗管理人员根据经验设定一个能 耗阈值，以此来判断能耗是否出现异常，但是这种方式存在两个问题， 首先是阈值无法准确的确定，其阈值的过高或者过低都将直接影响到实 际检测结果的准确性；其次则是建筑模型的复杂性，对于商业建筑其能 耗的运行将会受到多种因素的影响而发生改变，比如月份、温度、湿度、 节假日等特征因素，所以单纯依靠阈值进行诊断无法适应复杂的动态能 耗模型。因此为了解决阈值方法的局限性，一些更加智能的诊断方法被 提出：唐桂忠等人使用实时数据采集技术实现了数据的实时统计，并且 利用统计方式进行能耗的异常诊断。虽然上述方式都解决了阈值方法的 局限性问题，但是还存在着以下的几点问题：

(1)现有方法计算维度较大，未根据能耗曲线本身提取特征降低纬 度。

(2)以上方法都是基于历史数据对能耗的统计分析，无法根据设备 不同运行模式计算能耗波动范围。

(3)仅针对能耗本身进行分析计算，未考虑影响设备运行模式转换 的特征因子。

发明内容

为解决目前技术存在的不足，本发明实施例提供一种建筑运维设备异常诊断方法、系统及计算机可读存储介质。其具体技术方案如下：

为实现上述目的，本发明实施例提供一种建筑运维设备异常诊断方 法，包括步骤：

获取历史逐预设时间段单天能耗值，作为建筑设备单天数据向量；

对所述数据向量进行预处理后，进行特征提取，得到特征向量；其 中，所述特征向量的特征值包括：设备开启时间、开启区间能耗均值、 和能耗方差；

采用聚类算法对特征向量进行聚类计算，得到所述单天能耗值的聚 类标签；

采用随机森林算法构建影响因素与所述聚类标签之间的分类模型； 其中，所述影响因素包括温度、湿度、月份、节假日和风速；

根据天气预报获取的未来天的影响因素和所述分类模型，得到未来 天设备运行的波动范围。

进一步的，在所述采用聚类算法对所述特征向量进行聚类计算，得 到所述当天能耗值的聚类标签之后，所述采用随机森林算法构建影响因 素与所述聚类标签之间的分类模型之前，还包括采用smote采样算法对 所述聚类标签的数量进行平衡。

进一步的，所述预处理包括：删除异常波动天的数据向量。