论文部分内容阅读
摘要:建筑业在社会经济与技术进步的推动下得到了快速的发展,公众在节能方面的意识也在不断增强,建筑节能目前已成为重要的节能研究领域。随着智能建筑技术和物联网技术的迅速发展和普及,人们获得了大量关于特定室内环境能源使用特性的数据,数据挖掘技术可以从这些低密度值的建筑维护数据中提取对建筑节能有效的相关数据,从而制定出节能策略。基于此,本文简要介绍了数据挖掘技术,分析数据挖掘技术在建筑节能中的具体应用。
关键词:数据挖掘技术;建筑节能;能耗分析
1引言
在社会发展与时代进步中,每一项技术进步都会伴随产生出一系列产品与服务,但也导致了资源和能源消耗的急剧增加。虽然各种技术的革新可以提升资源与能源的使用效率,但人均能耗一直处于不断递增的状况。合理的需求侧能耗是提高建筑能效的关键,而供给侧能耗是提高建筑能效的关键,为了实现建筑节能模式由供给侧向需求侧的转变,有必要描述特定室内环境的能耗特征,以便从需求侧评价建筑能耗的合理性,准确识别能源浪费的因素和原因[1]。城市化进程的推进下,建筑业得到了快速的发展,而建筑能耗方面的问题也日益突出。据相关调查,建筑能耗在能源消费总量中所占的比重不断上升,给能源使用造成了巨大的压力,作为建筑能耗的主要组成部分,建筑运行能耗浪费现象特别严重,大约占到建筑总能耗的80%左右。因此,提升对建筑节能的意识与认知,是发展资源节约型社会与经济发展的必由之路。如何快速有效地从海量数据信息中提取挖掘出价值数据,发现建筑能源使用中存在的问题,提升建筑能源的高效合理使用,俨然成为建筑业面临的关键问题。
2数据挖掘概述
数据挖掘属于综合性较强的交叉学科,它是通过大数据中的算法发现具有潜在价值数据的过程。运用统计学、专家系统、模式识别和数据库技术等方法,搜索隐藏的信息和规则,目前在各领域都获得了广泛的应用。数据挖掘也被称之为数据库知识发现,即从不完整、模糊和随机的大规模数据中提取挖掘出具有潜在价值的信息和知识的过程。数据挖掘能够发现隐藏在数据库中的新知识,通过数据挖掘,可以发现数据库中数据之间隐藏的内在联系,从数据中挖掘出的信息可以用来评价以往的历史数据、预测发展趋势、控制过程、管理信息、影响决策,与其他数据分析处理技术相比较而言,数据挖掘具有海量性、可用性、相对性等特点,数据挖掘是数据库技术和机器学习的结合,常用的方法包括线性回归分析、分类分析、聚类分析、神经网络、关联分析等。
3数据挖掘技术在建筑節能中的应用
城市公共建筑中的大小型设备类型与数量逐渐增多,耗能数据也随之不断增加。随着能耗监测系统的建立和空调、照明、电源等分项测量的实施,积累了大量的建筑能耗数据。这些数据的主要特点是数据量大、信息量大,传统的数据分析方法无法满足这些不完整、无规律、庞大数据中有潜在价值的信息,利用数据挖掘可以有效地解决此类问题,具体的挖掘过程分为数据处理与预处理、能耗数据挖掘模型的构建、数据信息挖掘的结果评估以及模型应用四步[2]。以下对数据挖掘技术的典型方法为例,探究其在建筑节能中的应用。3.1关联挖掘分析的应用。对隐藏在能源消耗数据中的能源消耗特征进行挖掘是实现建筑节能的一个重要方向。关联挖掘分析技术是一种十分典型的关联分析方法,能够有效地发现建筑中能源消耗的数据与影响能源消费指数生成的因素之间存在的各种联系。在关联挖掘技术方法的使用过程中,主要是通过用户事先设置的最小支持度和最小置信度阈值来确定众多数据信息之间的关系[3]。Apriori迭代型关联挖掘方法最早是由RAgrawal提出,将该关联挖掘分析方法应用于建筑众多能耗数据信息分析中,分析过程思路简单、过程循序渐进。曾有相关学者利用Apriori关联挖掘算法生成了强关联规则,并从其中发现了空调系统午休前后中存在的不合理运行问题,进而采取针对性的改进措施提升空调系统的运行效率,实现建筑空调方面的有效节能,推动建筑节能的建设步伐。3.2聚类挖掘分析的应用。数据挖掘技术中聚类分析法的优点是仅需考虑数据特征,不需考虑分类结构,即根据大量数据间的相似度对数据进行特征分类,得出的结果对于建筑而言,可以用在建筑能耗的预测、运行优化、基准评价等方面。其中常用的聚类方法有k-means算法、Chameleon算法、DBSCAN算法等。借助基于Weak平台的Chameleon算法,可以构建出建筑能耗优化的聚类模型。首先利用K-均值算法提取距离最近的k点,形成若干簇,再通过各簇之间的相互联系和紧密程度来决定是否需要进行合并簇操作。将该方法运用在办公、商场等建筑能耗聚类中,可以计算出各簇的能耗分布与平均能耗值,然后将其结果作为建筑节能的评价指标,为建筑节能提供科学合理的决策依据。与其他数据挖掘技术方法相比,聚类分析不需要太多的公式计算,只需从数据处理的角度出发,即可获得较好的分析结果,为建筑节能提供数据依据。
4结语
综上所述,建筑设备和能耗的增加,导致建筑能耗数据的海量化是必然的。如何利用数据挖掘技术从大规模数据中挖掘出有价值的数据信息,为建筑节能提供数据参考依据,是建筑行业需要关注的重点发展方向。随着数据挖掘技术的不断革新,其在建筑节能中的应用将会有更广阔的前景。
【参考文献】
[1]尹婧.中国建筑节能关键技术应用与发展趋势[J].科技与创新,2020(22):6-9.
[2]王宏宇,李笑,秦志远.超高层建筑中的绿色节能技术与设计[J].智能建筑与智慧城市,2020(11):48-49,52.
[3]林其浪.云技术在建筑能耗管理中的应用研究[J].福建建筑,2020(10):136-140.
辽宁中雁建筑工程有限公司 辽宁沈阳 110031
关键词:数据挖掘技术;建筑节能;能耗分析
1引言
在社会发展与时代进步中,每一项技术进步都会伴随产生出一系列产品与服务,但也导致了资源和能源消耗的急剧增加。虽然各种技术的革新可以提升资源与能源的使用效率,但人均能耗一直处于不断递增的状况。合理的需求侧能耗是提高建筑能效的关键,而供给侧能耗是提高建筑能效的关键,为了实现建筑节能模式由供给侧向需求侧的转变,有必要描述特定室内环境的能耗特征,以便从需求侧评价建筑能耗的合理性,准确识别能源浪费的因素和原因[1]。城市化进程的推进下,建筑业得到了快速的发展,而建筑能耗方面的问题也日益突出。据相关调查,建筑能耗在能源消费总量中所占的比重不断上升,给能源使用造成了巨大的压力,作为建筑能耗的主要组成部分,建筑运行能耗浪费现象特别严重,大约占到建筑总能耗的80%左右。因此,提升对建筑节能的意识与认知,是发展资源节约型社会与经济发展的必由之路。如何快速有效地从海量数据信息中提取挖掘出价值数据,发现建筑能源使用中存在的问题,提升建筑能源的高效合理使用,俨然成为建筑业面临的关键问题。
2数据挖掘概述
数据挖掘属于综合性较强的交叉学科,它是通过大数据中的算法发现具有潜在价值数据的过程。运用统计学、专家系统、模式识别和数据库技术等方法,搜索隐藏的信息和规则,目前在各领域都获得了广泛的应用。数据挖掘也被称之为数据库知识发现,即从不完整、模糊和随机的大规模数据中提取挖掘出具有潜在价值的信息和知识的过程。数据挖掘能够发现隐藏在数据库中的新知识,通过数据挖掘,可以发现数据库中数据之间隐藏的内在联系,从数据中挖掘出的信息可以用来评价以往的历史数据、预测发展趋势、控制过程、管理信息、影响决策,与其他数据分析处理技术相比较而言,数据挖掘具有海量性、可用性、相对性等特点,数据挖掘是数据库技术和机器学习的结合,常用的方法包括线性回归分析、分类分析、聚类分析、神经网络、关联分析等。
3数据挖掘技术在建筑節能中的应用
城市公共建筑中的大小型设备类型与数量逐渐增多,耗能数据也随之不断增加。随着能耗监测系统的建立和空调、照明、电源等分项测量的实施,积累了大量的建筑能耗数据。这些数据的主要特点是数据量大、信息量大,传统的数据分析方法无法满足这些不完整、无规律、庞大数据中有潜在价值的信息,利用数据挖掘可以有效地解决此类问题,具体的挖掘过程分为数据处理与预处理、能耗数据挖掘模型的构建、数据信息挖掘的结果评估以及模型应用四步[2]。以下对数据挖掘技术的典型方法为例,探究其在建筑节能中的应用。3.1关联挖掘分析的应用。对隐藏在能源消耗数据中的能源消耗特征进行挖掘是实现建筑节能的一个重要方向。关联挖掘分析技术是一种十分典型的关联分析方法,能够有效地发现建筑中能源消耗的数据与影响能源消费指数生成的因素之间存在的各种联系。在关联挖掘技术方法的使用过程中,主要是通过用户事先设置的最小支持度和最小置信度阈值来确定众多数据信息之间的关系[3]。Apriori迭代型关联挖掘方法最早是由RAgrawal提出,将该关联挖掘分析方法应用于建筑众多能耗数据信息分析中,分析过程思路简单、过程循序渐进。曾有相关学者利用Apriori关联挖掘算法生成了强关联规则,并从其中发现了空调系统午休前后中存在的不合理运行问题,进而采取针对性的改进措施提升空调系统的运行效率,实现建筑空调方面的有效节能,推动建筑节能的建设步伐。3.2聚类挖掘分析的应用。数据挖掘技术中聚类分析法的优点是仅需考虑数据特征,不需考虑分类结构,即根据大量数据间的相似度对数据进行特征分类,得出的结果对于建筑而言,可以用在建筑能耗的预测、运行优化、基准评价等方面。其中常用的聚类方法有k-means算法、Chameleon算法、DBSCAN算法等。借助基于Weak平台的Chameleon算法,可以构建出建筑能耗优化的聚类模型。首先利用K-均值算法提取距离最近的k点,形成若干簇,再通过各簇之间的相互联系和紧密程度来决定是否需要进行合并簇操作。将该方法运用在办公、商场等建筑能耗聚类中,可以计算出各簇的能耗分布与平均能耗值,然后将其结果作为建筑节能的评价指标,为建筑节能提供科学合理的决策依据。与其他数据挖掘技术方法相比,聚类分析不需要太多的公式计算,只需从数据处理的角度出发,即可获得较好的分析结果,为建筑节能提供数据依据。
4结语
综上所述,建筑设备和能耗的增加,导致建筑能耗数据的海量化是必然的。如何利用数据挖掘技术从大规模数据中挖掘出有价值的数据信息,为建筑节能提供数据参考依据,是建筑行业需要关注的重点发展方向。随着数据挖掘技术的不断革新,其在建筑节能中的应用将会有更广阔的前景。
【参考文献】
[1]尹婧.中国建筑节能关键技术应用与发展趋势[J].科技与创新,2020(22):6-9.
[2]王宏宇,李笑,秦志远.超高层建筑中的绿色节能技术与设计[J].智能建筑与智慧城市,2020(11):48-49,52.
[3]林其浪.云技术在建筑能耗管理中的应用研究[J].福建建筑,2020(10):136-140.
辽宁中雁建筑工程有限公司 辽宁沈阳 110031