數據挖掘在建筑暖通空調的應用

導語：數據挖掘在建筑暖通空調的應用一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要:文章以傳統建筑能耗分析為切入點，引申出將數據挖據應用于暖通空調的新思路，分析了數據挖掘的概念，及其在暖通空調領域的相關應用現狀和制約因素，提出了幾點在暖通空調中推行數據挖掘的建議，展望了暖通空調中應用數據挖掘的前景。

關鍵詞:數據挖掘;暖通空調;應用;制約因素;建議;前景

改革開放以來，隨著物質生活水平的提高，人們對所處環境的熱舒適性要求導致建筑能耗不斷提高，對資源的供給構成了巨大的挑戰。傳統能耗計算通過諸如EneryPlus、DeST等對建筑進行建模后，定性、定量的分析，［1］然而這些模型未考慮不斷變化的氣象條件，多變的能耗或建筑的熱物性能，使得其使用受到一定限制。隨著智慧建筑的興起，樓宇自控的不斷完善，海量建筑物實測數據、氣象數據、系統運行數據等被記錄，通過數據挖據，發現數據之間潛在的內部聯系，將數據有效的應用起來，為其在暖通空調中的應用提供新的思路。

1數據挖掘概念

數據挖掘是一個從海量數據中發現和提取有價值信息的過程。集人工智能、機器學習、數據可視化和統計數學于一體的多學科技術。［2］利用數據挖掘可以做到以下幾點:(1)對數據進行分類，凸顯同類事物的共有屬性或不同事物的差異性，從而更好地進行建筑節能設計或運行調節。(2)發現數據與數據之間的相關性，發現暖通空調系統各參數，如室內外溫濕度，送回風量，壓強等之間的關聯度，掌握系統運行底層規律，為系統控制策略提供參考。(3)對數據進行聚類，計算分析數據之間的相似度，顯現建筑環境的內在機理及影響因素，確定各影響因素的影響程度。(4)對缺失的數據或未來的數據進行預測。

2暖通空調數據挖掘技術應用現狀分析

通過對現有研究文獻的調研，分析得出，對暖通建筑能耗數據的挖掘可按如下步驟進行:(1)確定要收集的數據集并進行收集，如溫度、濕度、大氣壓力、太陽輻射強度、流體流量、設備功率、控制信號等;(2)對數據進行預處理，清洗數據，提高數據質量，確保數據的準確性和完整性;(3)結合已收集數據的特點，確定適宜的分析算法，并建立模型，常見算法如k-最近鄰算法、支持向量機、神經網絡等，訓練清理過的數據，調整模型參數，使模型盡可能達到最佳;(4)對結果進行分析，分析結果的準確性，模型的優缺點等;(5)應用模型。2．1冰蓄冷空調負荷預測與控制策略。冰蓄冷空調對負荷預測有著很強的需求。太陽輻射輻射強度、室外溫度濕度、室內設計溫度以及維護結構熱物性等都是影響冰蓄冷空調系統的主要因素，收集數據，選擇適宜的模型，并進行訓練，在保證一定精度的條件下，對第二日逐時冷負荷進行預測，根據第二日電價，合理分配冰蓄冷裝置和制冷機組各應提供的冷量，提前在電價谷段對蓄冰量進行控制，并制定實際操作策略，在電價峰段最大限度使用冰蓄冷，減少富裕冰量，或蓄冰過少造成在電價峰段過多的使用制冷機。通過對負荷的預測，不僅降低了設備的運行成本，而且還提高了用戶的經濟效益。2．2暖通空調控制系統的故障檢測與診斷。空調系統的故障將導致運行成本的提高，增加能耗，降低室內空氣品質及熱舒適度，因此對故障的檢測與診斷是極其重要的。硬故障和軟故障為暖通空調中兩大故障，傳統故障檢測診斷方法對人員的技術要求高，效率也較低，如基于案例的方法，需要查找相關資料，結合已有的案例進行分析，不僅耗時耗力，而且應用的局限性也很明顯;基于故障樹的方法，盡管邏輯清晰且故障檢索全面可靠，但是對于復雜龐大的系統，則故障樹自身體量也很大，不利于快速排查。從數據挖掘的角度來實現空調系統故障檢測與診斷，通過記錄和挖掘空調系統正常運行時與運行故障時，各種傳感器的數據，以及人員的操作記錄，系統運行狀態的數據等，建立模型，實現實時在線的故障檢測，通過模型得到的輸出來確定空調運行狀態，及故障時應進行的診斷，減少了對技術人員技術儲備的依賴，減少了空調系統維護或維修的時間成本，也大大提升了效率。

3數據挖據在暖通空調中應用的制約因素

3．1缺乏數據挖掘觀念。數據挖據是近年來的一項新興技術，是一門多學科共同支撐的技術。沒有認識到在海量的數據中，數據與數據之間的內在聯系，發現規律，并創造價值，缺乏對數據挖掘的認識不僅阻礙了數據挖掘在暖通行業的發展，也制約了暖通行業自身的發展進步。3．2數據獲取途徑的匱乏。已建成建筑中，擁有完善的樓宇自控系統的建筑較少，獲得的監測數據不夠全面，存放位置相對獨立和封閉，對數據的共享機制并未建立起來，導致獲取途徑匱乏，且記錄不完善，造成數據的浪費，使其沒有發揮應有的價值，而僅僅作為對系統運行狀態的反應。3．3技術的制約。現有的技術和模型不一定適用于所有的影響因素，各影響因素不僅作用于建筑環境，同時也存在相互作用，分析起來極為復雜，從而很難把握其規律。而且這些技術也不方便的被用戶使用，需要實現二次封裝，提供較為簡單的接口。3．4成本的制約。對建筑進行數據采集，不僅需要投入設備，還需要開發較為完善的樓宇系統，安排專業的人員進行作業，增加了項目的投資。3．5缺少數據挖掘人才。將數據挖掘技術，應用于暖通空調行業，不僅需要掌握暖通專業相關技術知識，還需要對數據信息敏感，懂得如何對數據進行挖掘的人才，面對海量的數據，應學會使用計算機編程的工具，如Python以及其數據處理框架Pandas，神經網絡框架TensorFlow或其它工具等來對數據進行整理，分析，對模型進行訓練，可視化等。而這樣的人才，是極少數的。因此數據挖掘人才的緊缺也制約暖通行業大數據發展的因素。

4暖通空調中推行數據挖掘的建議

4．1改變觀念。在數據無處不在的現在以及未來，世界是信息的世界，利用好數據，評估和挖掘數據的潛在價值。轉變思維方式，理解數據挖掘的特點，其具有數據源海量性特點、結果具有概率性特點，不精確不再是缺點，數據的體量決定了其容錯能力很好，對數據的精確解析不再是首要要求，尋找數據間的內在聯系變得愈發重要，相關關系的發現更加準確，也更有效率。4．2相關政府部門給予政策支持。政府部門應制定相關政策，給予資金支持，要求建立建筑能耗監測系統，規范數據記錄形式。同時主持創建暖通行業大數據相關的公共數據庫，鼓勵企業或科研機構將不涉密的數據資料進行資源共享，使數據信息變得透明，為廣大研究者提供數據支持，降低數據獲取的門檻，讓更多的專業人才能專注于科研本身。4．3大學應開設相關課程。目前，暖通專業的大學課程側重于專業相關的理論知識，主干基礎課包括傳熱學、工程熱力學、流體力學等，開設的建筑設備自動控制原理課程也主要是教授通過外加的設備或機械裝置對被控對象進行自動控制，而未涉及對大量數據進行處理及分析的需求。因此，本專業應開設數據挖掘相關課程，培養屬于自己的數據分析技術人才，順應時代的變革。5前景展望近年來，樓宇自動化系統積累了大量的數據，為實現數據挖掘提供了堅實的數據基礎，國家對新技術的大力扶持，提供了堅強的后盾，同時國內外互聯網，物聯網技術的快速更新迭代，為大數據的處理提供了先進的算法思想和工具支持。暖通行業的數據挖掘技術也剛剛起步，不僅能對已建成的系統進行改造升級，也能為新系統的設計和控制策略、新產品的研發提供支持，同時通過研究用戶人行為，［3］為不同的客戶提供差異化，個性化的產品和服務，使行業向信息化、智能化、技能話發展。

6結語

將數據挖掘應用于暖通空調，能促進暖通空調向數據導向型轉變，以數據的形式展現建筑自身屬性及其客觀規律。在應用不同的算法對數據進行分析的過程中，結合實際工程項目，打造真正的智慧建筑、綠色建筑。

參考文獻:

［1］張運楚，韓懷寶，楊紅娟，楊崇濤，王兆斌．數據挖掘技術及其在建筑節能中的應用［J］．計算機系統應用，2017，26(09):151-157．

［2］崔治國，曹勇，魏景姝，毛曉峰，李冉，唐艷南．數據挖掘技術在建筑暖通空調領域的研究應用進展［J］．建筑科學，2018，34(04):85-97．

［3］陳煥新，劉江巖，胡云鵬，李冠男．大數據在空調領域的應用［J］．制冷學報，2015，36(04):16-22．

作者:陳亮 單位:河北工程大學