公共建筑能耗分析的数据挖掘方法研究与系统开发

《公共建筑能耗分析的数据挖掘方法研究与系统开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、公共建筑能耗分析的数据挖掘方法研究与系统开发重庆大学硕士学位论文(专业学位)学生姓名：肖丹指导教师：王波副教授兼职导师：林贻学位类别：工程硕士(计算机技术领域)重庆大学计算机学院二0一二年四月MethodResearchandSystemDevelopmentofEnergyAnalysisforPublicBuildingsBaseonDataMiningAThesisSubmittedtoChongqingUniversityinPartialFulfillmentoftheRequirementfortheProfessionalDegree

2、By-XiaoDanSupervisedbyassociateprofessorWangBoPluralisticSupervisedbyLinYiSpecialty：ME(ComputerTechnologyField)CollegeofComputerScienceofChongqingUniversity，Chongqing，ChinaApril2012重庆入学硕十学位论文中文摘要摘要当前我国建筑能耗在社会总能耗中占到了32％，公共建筑能耗占建筑总能耗的22％11

3、，是节能降耗工作的重点领域。随着公共建筑能耗分项计量的推广应用，越来越多的能耗

4、数据被收集并存储。从数据的角度客观准确地分析能耗情况并提供节能决策支持已是公共建筑节能的研究热点之一。但是，大量的能耗数据带来了“数据灾难”，难以快速有效地发现其中潜在的、有用的知识。目6仃虽然有部分数据挖掘方法被提出，但这些方法未考虑建筑物自身运行规律，且大多以特定公共建筑类型为研究对象进行静态分析，在通用性和实时性等方面存在不足。本文在对公共建筑能耗特点以及现有能耗分析方法进行总结分析的基础之上，提出了基于数据挖掘技术的公共建筑能耗分析模型，包括能耗监测模型、能耗预测模型和能耗评价模型，分别用于建筑物同常能耗异常检测、预知未来一段时l、自J的能

5、耗值和评估建筑物耗能程度。其中能耗监测模型通过聚类识别建筑运行能耗模式，建立建筑能耗模式判定树，对实时采集的能耗数据进行模式匹配，与相同能耗模式的历史数据进行离群点分析，进而判定能耗是否异常；能耗预测模型通过识别待预测时段的能耗模式，提取相同模式能耗时序数据集，对其按照一定规则进行划分后，建立RBF网络预测目标时间段能耗值；能耗评价模型通过建立RBF神经网络，对属性提取后的样本建筑能耗数据集进行训练和测试，预测目标建筑能耗值，比较预测值与实际值确定目标建筑能耗状况。为了使该模型能够应用于实际中，本文以VisualC++2008为开发工具开发了公共建

6、筑能耗分析系统。通过该系统可以使公共建筑管理人员方便地对能耗进行监测、预测和评价，而不需要进行复杂操作和具备相关专业知识。通过将公共建筑能耗分析模型应用于某综合楼夏季能耗数据和美国商业建筑能耗统计数据库(CBECS)进行分析，验证了该模型的有效性和准确性。通过将公共建筑能耗分析系统应用于某综合楼进行实际能耗分析，运行结果表明该系统可以完成能耗监测、预测和评价等工作，且具有较高的运行效率。本文提出的公共建筑能耗分析模型具有通用性、实时性等特点，能够有效地应用于实际能耗分析，有利于实现公共建筑节能。关键词：建筑节能，能耗监测，能耗预测，能耗评价，数据挖

7、掘重庆大学硕七学位论文英文摘要ABSTRACTCurrently,thebuildingenergyconsumptionaccountsfor32％ofthetotalenergyconsumptionofthecommunity,andpublicbuildingenergyconsumptionaccountsfor22％ofthetotalbuildingenergyconsumption，ithasbecomethefocusareasofenergyconservation．Withthepopularityofenergysubent

8、rymeasureinmanycities，moreandmoreenergyconsumptiondatawascollectedandstored．Ithasbecomeahotresearchtopictoanalyzeenergyconsumptionobjectivelyandaccuratelyandprovidedecisionsupporttoenergyconservation．Theenergyconsumptiondatacontainstherichinformationwhichisusefultosaveenergy,h

9、owever,largeamountsofdatahasalsobroughta”datadisaster”，whichi