[发明专利]基于大数据和模糊模型的建筑异常用能检测方法及系统

摘要

本发明公开了基于大数据和模糊模型的建筑异常用能检测方法及系统；对建筑大数据进行搜集与抽取，进行数据预处理，保证聚类结果的有效性；利用快速k均值聚类方法构建正常用能的模糊模型；根据各实时建筑能耗数据与正常用能模糊模型的匹配程度，对用能正常与否快速地做出判断；对于异常用能行为及时检测，提高建筑能源利用率；采用自适应更新算法对所构建的正常用能模糊模型进行更新，采用直接更新类别库的方式，无需再次聚类，大大降低了系统的计算量，保证系统的实时性要求。本发明能够快速发现建筑能耗中的异常用能现象并及时处理，缓解能源浪费，提高能源利用率；同时采用模糊建模的方式，克服数据中的强不确定性，进而提高系统鲁棒性。

主权项

1.一种基于大数据和模糊模型的建筑异常用能检测方法，其特征是，包括：步骤(1)：对建筑大数据进行搜集与抽取，构建各类建筑能耗用能数据集，并进行数据预处理；步骤(2)：在构建的建筑能耗用能数据集基础上，利用k均值聚类算法构建正常用能的模糊模型；步骤(3)：根据各实时建筑能耗数据与正常用能模糊模型的匹配程度，对用能正常与否做出判断；对于异常用能行为及时检测，提供警示并处理，从而提高建筑能源利用率；步骤(4)：对于正常用能数据采用自适应更新算法对所构建的正常用能模糊模型进行更新；所述步骤(1)的进行数据预处理的步骤为：在所构建的各类建筑能耗用能数据集中，假定将要进行处理的第t种建筑用能数据是具有N个样本的数据序列步骤(1‑1)：计算第t种建筑用能数据序列的均值c_t与标准差sdv_t；步骤(1‑2)：若第i个数据满足则第i个数据保留，否则第i个数据被删除；预处理后的第t种建筑用能数据序列为其中M为剩余数据数目；所述步骤(2)的步骤为：步骤(2‑1)：采用k均值聚类算法对预处理后的第t种建筑用能数据进行聚类；在k均值聚类算法中类的个数由用户用能种类、春夏秋冬四季、工作日及休息日进行设定；假定所讨论的正常用能类型有K个，通过k均值聚类算法将第t种建筑用能数据划分到K个正常用能类别；K个正常用能类别的中心为标准差为步骤(2‑2)：对K个正常用能类别分别建立模糊模型，对第j个正常用能类别，构建高斯模糊模型模糊模型的隶属度函数为其中，x_t表示第t种建筑用能的实际用能量，为高斯模糊模型的中心，为高斯模糊模型的宽度，且满足和