[发明专利]一种基于数据挖掘的建筑能耗集成分析方法

权利要求书

1.一种基于数据挖掘的建筑能耗集成分析方法，其特征在于，包括以下步骤：

S1、采用高斯混合模型对建筑能耗模式进行识别；

S2、根据建筑能耗模式，采用决策树算法对建筑能耗历史数据进行分类；

S3、采用基于密度的局部离群点检测算法对分类后的建筑能耗历史数据进行离群点分析，识别出建筑能耗异常数据；

S4、将建筑能耗异常数据从建筑能耗历史数据中删除，得到建筑能耗正常数据；

S5、根据建筑能耗正常数据，采用灰度关联分析算法找出建筑能耗影响因素；

S6、根据建筑能耗正常数据和建筑能耗影响因素，使用共轭梯度法对人工神经网络进行训练，得到建筑能耗集成分析预测模型；

S7、根据实时建筑能耗数据，使用建筑能耗集成分析预测模型对未来的建筑能耗情况进行预测。

2.根据权利要求1所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，采用高斯混合模型对建筑能耗模式进行识别，包括：

S1-1、设置类别数值，随机初始化每个单一高斯分布的期望和方差以及单一高斯分布在整体分布中所占的权重；

S1-2、计算每个建筑能耗历史数据属于每个高斯分布的概率；

S1-3、根据权重值和步骤S1-2中计算出的概率，计算一个总值，计算的目标是使总值最大；

S1-4、重复步骤S1-2、S1-3，直到总值的变化幅度小于或等于幅度阈值为止。

3.根据权利要求1所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，所述决策树算法为C4.5决策树算法。

4.根据权利要求1所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，对分类后的建筑能耗历史数据进行离群点分析，包括：

S3-1、输入邻域中数据点的最小数目；

S3-2、对建筑能耗历史数据中的每个数据点P进行邻域查找；

S3-3、计算数据点P的局部可达密度；

S3-4、根据局部可达密度计算数据点P的局部离群点因子；

S3-5、将局部离群点因子大于数据异常阈值的数据点判定为离群点。

5.根据权利要求1所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，所述人工神经网络为前馈神经网络。

6.根据权利要求5所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，建筑能耗影响因素包括：湿球温度，干球温度，湿度，风速，是否为节假日、非节假日的工作状态。

7.根据权利要求6所述的基于数据挖掘的建筑能耗集成分析方法，其特征在于，建筑能耗集成分析预测模型的构建方法，包括：

S6-1、构建训练集和测试集；

S6-2、设置前馈神经网络的超参数，隐藏层的节点数为9；

S6-3、使用训练集，将湿球温度、干球温度、湿度、风速、工作状态作为输入，将建筑能耗正常数据作为输出，使用共轭梯度法对前馈神经网络进行训练；

S6-4、使用测试集对训练后的前馈神经网络进行测试，优化前馈神经网络的超参数，得到建筑能耗集成分析预测模型。

8.一种基于数据挖掘的建筑能耗集成分析系统，其特征在于，包括建筑能耗数据采集模块、建筑能耗集成分析预测模块；

所述建筑能耗数据采集模块用于采集建筑能耗历史数据和建筑能耗实时数据；

所述建筑能耗集成分析预测模块使用权利要求1-6中任一所述的建筑能耗集成分析预测模型对未来的建筑能耗进行预测。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现权利要求1-6中任一所述的基于数据挖掘的建筑能耗集成分析方法。

10.一种存储有计算机程序的计算机可读存储介质，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6中任一所述的基于数据挖掘的建筑能耗集成分析方法。