[发明专利]一种基于数据挖掘的建筑能耗集成分析方法

说明书

本发明提供一种基于数据挖掘的建筑能耗集成分析方法，包括以下步骤：采用高斯混合模型对建筑能耗模式进行识别；采用决策树算法对建筑能耗历史数据进行分类；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；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；使用共轭梯度法对前馈神经网络进行训练，得到建筑能耗集成分析预测模型；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。本发明可以解决现有技术中存在的对建筑能耗进行分析时，仅仅是对当前建筑能耗数据是否异常进行了分析，不能对建筑能耗进行预测的技术问题。

技术领域

本发明涉及建筑节能技术领域，具体涉及一种基于数据挖掘的建筑能耗集成分析方法。

背景技术

根据近年来的数据统计，在我国社会终端能耗的构成中，建筑能耗占地区城镇总能耗的33％以上，因此为了实现节约型社会的目标，降低建筑能耗十分重要，因此需要对建筑能耗的情况进行分析。在建筑能耗数据分析领域，为了从建筑能耗历史数据中挖掘出更全面的信息，集成化的建筑能耗分析方法逐渐兴起，常见的方法是通过分类、离群点分析、关联分析，以及预测等系列步骤进行建筑能耗分析；通过对建筑能耗的分析预测，可以在实施降低建筑能耗的方案时作为参考。

在现有技术中，CN102289585A公开了一种基于数据挖掘的公共建筑能耗实时监测方法，包括以下步骤：S1：建立建筑能耗模式判定树；S2：实时采集建筑能耗数据；S3：判别当前建筑能耗数据是否为能耗异常点，将当前建筑能耗数据与所属建筑能耗模式判定树进行模式匹配，判断当前建筑能耗数据是否为离群点。上述技术方案采用通过对历史能耗数据进行聚类分析识别建筑物特有的能耗模式，对数据分类后获得建筑能耗模式判定树，在建筑能耗实时监测过程中对动态采集的能耗数据进行模式匹配，与相同模式历史数据进行离群点分析，可判别当前建筑能耗数据是否异常。

但是，上述技术方案在对建筑能耗进行分析时，仅仅是对当前建筑能耗数据是否异常进行了分析，不能对建筑能耗进行预测，无法满足对建筑能耗进行全面分析预测的实际需求。

发明内容

针对现有技术存在的不足，本发明提出一种基于数据挖掘的建筑能耗集成分析方法，以解决现有技术中存在的对建筑能耗进行分析时，仅仅是对当前建筑能耗数据是否异常进行了分析，不能对建筑能耗进行预测，无法对建筑能耗进行全面分析预测的技术问题。

本发明采用的技术方案是，一种基于数据挖掘的建筑能耗集成分析方法，，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。

进一步的，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；