[发明专利]建筑运行能耗异常识别方法、系统、计算机可读存储介质

说明书

本发明实施例提供一种建筑运行能耗异常识别方法、系统及计算机可读存储介质，包括获取历史年建筑能耗数据，并对其进行预处理，得到日能耗曲线；对所述日能耗曲线进行特征提取，得到表示所述日能耗曲线的特征向量；以所述特征向量为样本，采用自动寻优的无监督式随机森林模型对所述样本进行异常识别，得到异常日能耗数据。本发明将历史年建筑能耗数据细分到每日的能耗，然后获取表征该日能耗曲线的特征向量，最后采用分布式孤立森林算法对所述特征向量进行异常挖掘，找出异常的日能耗曲线，智能化的实现了对能耗异常的识别，解决了定阈值监测的弊端，提高了识别的准确性的同时，还提高了智能化水平，减少了人力、物力的投入。

技术领域

本发明涉及建筑运行技术领域，具体涉及一种建筑运行能耗异常识别方法、系统、计算机可读存储介质。

背景技术

随着社会的进步，科学技术的不断发展，建筑作为智慧城市战略落地实施的重要载体，通信设备发展带来了大量的信息化建设。机电系统用能设备的不断更新，在实际运行的过程中，由于设备量大，存在诸多隐蔽性异常，设备故障层出不穷。其中，设备的异常运行是困扰机电系统故障的主要问题。

对于机电设备的运行，运行过程中出现故障异常或运行策略异常，其运行能耗会出现偏差，通过从能耗视角去判断是否异常运行是可行的。从正向理论分析角度，更多是判断设备运行能耗是否按照计划运行，是否按照历史规律正常运行。工程应用上通常是监测能耗时刻点是否超过阈值去判断是否异常。然而如今大部分用能设备不仅仅是设备的故障，更多是运行策略的异常，需要从日能耗去观察是否异常。由于建筑本体、机电系统的实际运行特性千差万别，制定阈值去识别机电设备异常依然是一个难题。

如今大量的建筑信息化建设，提供了丰富的运行数据，这些数据是运行经验很好的载体。通过大量数据挖掘技术从实际数据中分离出离群簇，去识别机电设备异常无疑是一条可行的道路。

发明内容

本发明的目的是为了克服现有技术中的不足，提供一种建筑机电设备通用的运行能耗异常识别方法，通过在建筑机电系统领域融入孤立森林异常识别和高斯混合模型聚类大数据技术，该方法适用于建筑机电系统用能设备运行异常识别技术领域，并为建筑机电系统的运行诊断、节能评估提供可靠的参考。能够为建筑机电系统用能设备异常识别、节能改造提供可靠的经验借鉴。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行能耗异常识别方法，包括步骤：

获取历史年建筑能耗数据，并对其进行预处理，得到日能耗曲线；

对所述日能耗曲线进行特征提取，得到表示所述日能耗曲线的特征向量；其中，所述特征向量的特征包括：最大值、75％分位数、中位数、25％分位数、最小值、均值、方差；

以所述特征向量为样本，采用自动寻优的无监督式随机森林算法对所述样本进行异常识别，得到异常日能耗数据。

进一步的，所述采用自动寻优的无监督式随机森林模型对所述样本进行异常识别，具体为：

步骤1采用随机森林模型，对所述特征数据进行异常识别，计算剔除异常特征数据后，特征数据样本之间的差异系数；

步骤2判断本次所述差异系数与前一次的差异系数之间的差值是否大于预设的差值；

步骤3若大于所述差值，则按照预设步长，自动调整所述随机森林模型的异常比例参数，重复步骤1-步骤2；

步骤4若不大于所述差值，统计符合要求的异常比例参数及计算的差异系数值；根据差异系数随异常比例参数变化而变化的曲线，选择差异系数变化率(一阶差分)最小值对应的异常比例参数，即异常比例参数为最优参数，进而得到最终的样本异常识别结果。

进一步的，还包括采用聚类算法对所述异常日能耗数据进行分类，将聚类类别信息应用于时间轴，得到异常日能耗数据的异常分类标签。