论文部分内容阅读
【摘要】在信息负担沉重的大数据时代，人们在生活和工作中面临着大量的信息和数据。数据挖掘技术通过尽快从海量数据中提取最有价值的信息，最大限度地降低了数据分类在人们生活和工作中的复杂性。随着数据挖掘技术的发展，它已扩展到所有领域。在建筑暖通空调领域，数据提取技术在促进建筑暖通空调健康发展方面发挥着重要作用。在此基础上，深入分析了数据提取技术及其在建筑暖通空调领域的应用，仅供参考。
【关键词】数据挖掘技术;建筑暖通空调领域;应用建议
【DOI】10.12334/j.issn.1002-8536.2021.24.
近年来，技术进步，特别是建筑物自动化系统（BAS）和建筑能源管理系统（BEMS）的出现和广泛使用，导致在建筑暖通领域采用了新的研究方法。建筑工程自动化系统和建筑能源管理系统储存了大量关于建筑实际使用情况的数据，是反映建筑供暖、通风和空调系统实际运行状况的最直接和最原始的载体，其价值是显而易见的。
1、数据挖掘概念
数据挖掘是在大量数据中发现和提取有价值信息的过程。这是一项多学科技术，结合了人工智能、机器学习、数据可视化和统计数学。使用数据挖掘可以执行以下操作：
（1）分类数据，以突出相似元素之间的共性或差异，从而更好地设计或调整建筑节能。
（2）查找数据与数据之间的相关性，暖通空调系统参数之间的相关性程度，如室内和室外温度和湿度、回风量、压力等，掌握系统运行的基本规律，为系统控制策略提供参考。
（3）对数据聚类，计算分析数据之间的相似性，揭示构造环境中的内部机制和影响因素，并确定每个影响因素的影响程度。
（4）对缺失或未来数据的预测。
2、数据挖掘技术在建筑暖通空调领域中的应用现状
2.1挖掘暖通建筑能耗数据可以分几个阶段进行
（1）确定和收集要收集的数据集，例如温度、湿度、大气压力、太阳辐射强度、流量和信号控制;（2）数据预处理、数据清理、提高数据质量、保证数据的准确性和完整性;（3）结合所收集数据的特点，确定适当的分析算法，构建模型，常用算法如k-近邻算法，支持向量机、神经网络等，形成清理数据，调整模型参数，使模型尽可能好;（4）分析结果、结果的准确性、模型的优缺点;（5）模型的应用。诊断故障和检测。建筑暖通空调系统十分复杂，一旦发生故障，运营和维护费用就会大幅增加，造成严重的能源损失，影响室内温度、湿度和空气质量，并对人民产生严重和不利的影响。因此，必须及时诊断和检测故障，以此作为对建筑暖通空调系统日常管理的监测的一部分。建筑暖通空调故障主要分为硬故障与软性故障。在暖通空调故障的诊断和检测中，数据挖掘技术可用于挖掘、收集、分类和记录暖通空调系统的运行和故障，以及实时记录运行状态数据。通过提取大量数据，可以构建相应的分析模型。实时监控运行数据参数与正常运行数据进行比较，对暖通空调运行进行监控，大大提高故障检测的运行效率。
2.2冰蓄冷空调负荷的预测与控制
由于冰蓄冷空调的特殊性，室内室外温度和湿度、太阳辐射强度和结构热力学都是影响冰蓄冷空调系统的因素。因此，在系统运行期间，需要使用负荷预测来确定系统的负荷状态。为了实现冰蓄冷空调负荷预测，需要利用数据挖掘技术收集和整理运行数据，并预测系统第二天的冷却负荷，前提是要保证准确性。
3、数据挖掘在暖通空调中应用的制约因素
3.1缺乏数据挖掘概念
数据挖掘是近年来出现的一项新技术，是一个共同的跨学科伟大的技术。对数据挖掘的认识不足不仅阻碍了空调行业数据挖掘的发展，而且阻碍了该行业本身的发展和进步。
3.2数据获取途径的匮乏
在建造的建筑物中，拥有楼宇自动化系统的建筑物较少，监测数据不完整，储存地点相对孤立，数据共享机制尚未到位，导致无法进入、记录不完整和数据浪费。
3.3技术
现有的技术和模型不一定适合所有的影响因素。这些因素不仅影响建筑环境，而且影响相互作用。分析极其复杂，很难理解其规律。这些技术不容易使用，需要二次封裝才能提供相对简单的接口。
3.4费用限制
采集建筑物数据不仅需要资本投资，还需要发展楼宇建筑系统，配备专门人员，增加工程投资。
3.5缺乏专门的数据挖掘人员
数据挖掘技术应用于空调行业，不仅需要掌握暖通相关技术，面对海量数据，需要学习如何使用Python及其pandas和tensorflow数据处理框架等计算机编程工具来组织、分析、培训和可视化数据。因此，缺乏数据挖掘人员也阻碍了暖通行业大量数据的发展。
4、数据挖掘技术在建筑暖通空调领域中应用优化建议
4.1改变对数据挖掘技术概念的理解
在信息技术迅速发展的时代，信息技术、海量数据技术、信息技术和其他技术不断发展，网络信息变得越来越复杂。鉴于目前信息负担过重，只有通过筛选元数据才能获得最有价值的信息，可利用数据挖掘技术，尽快对大量数据进行分类和分析，并按利率分析海量数据的潜在价格数据挖掘和显示值。其目的是提高对数据提取技术的认识，更好地了解数据提取的特点和好处，不断学习和创新数据提取技术，并提高暖通空调系统管理控制的效率和准确性。
4.2加强高校数据挖掘技术培训的重要性
暖通空调是各建筑环境和能源管理的基础课程，主要包括热学、热力、流体和其他学科。课程解决方案是困难的。在实践教学中，最好传授理论知识，例如如何实现自动化机械设备的自动控制。
数据挖掘技术是一种流行技术，在各个领域有着重要的应用。各校应加强数据挖掘技术教育，培训数据挖掘和分析专业人员，适应互联网时代的信息革命。
参考文献：
[1]陈劭江.数据挖掘技术在制冷空调行业的应用[J].暖通空调，2019，46（3）：20-25
[2]陈江云.大数据在空调领域的应用[J].制冷学报，2019，36（4）：16-22
[3]肖成盛.基于数据挖掘技术的建筑系统性能诊断有优化[J].化工学报，2019，65（S2）：181-187
[4]杨淑明.基于数据挖掘的公共建筑能耗监管平台数据处理方法[J].暖通空调，2019，45（2）：82-86
[5]麦坚忍，陈友明.用小波分析法分离变风量系统流量传感器故障[J].建筑热能通风空调，2019，24（4）：52-55
[6]郝友国.小波过滤在小故障检测中的应用[J].暖通空调，2019，35（8）：138-140
【关键词】数据挖掘技术;建筑暖通空调领域;应用建议
【DOI】10.12334/j.issn.1002-8536.2021.24.
近年来，技术进步，特别是建筑物自动化系统（BAS）和建筑能源管理系统（BEMS）的出现和广泛使用，导致在建筑暖通领域采用了新的研究方法。建筑工程自动化系统和建筑能源管理系统储存了大量关于建筑实际使用情况的数据，是反映建筑供暖、通风和空调系统实际运行状况的最直接和最原始的载体，其价值是显而易见的。
1、数据挖掘概念
数据挖掘是在大量数据中发现和提取有价值信息的过程。这是一项多学科技术，结合了人工智能、机器学习、数据可视化和统计数学。使用数据挖掘可以执行以下操作：
（1）分类数据，以突出相似元素之间的共性或差异，从而更好地设计或调整建筑节能。
（2）查找数据与数据之间的相关性，暖通空调系统参数之间的相关性程度，如室内和室外温度和湿度、回风量、压力等，掌握系统运行的基本规律，为系统控制策略提供参考。
（3）对数据聚类，计算分析数据之间的相似性，揭示构造环境中的内部机制和影响因素，并确定每个影响因素的影响程度。
（4）对缺失或未来数据的预测。
2、数据挖掘技术在建筑暖通空调领域中的应用现状
2.1挖掘暖通建筑能耗数据可以分几个阶段进行
（1）确定和收集要收集的数据集，例如温度、湿度、大气压力、太阳辐射强度、流量和信号控制;（2）数据预处理、数据清理、提高数据质量、保证数据的准确性和完整性;（3）结合所收集数据的特点，确定适当的分析算法，构建模型，常用算法如k-近邻算法，支持向量机、神经网络等，形成清理数据，调整模型参数，使模型尽可能好;（4）分析结果、结果的准确性、模型的优缺点;（5）模型的应用。诊断故障和检测。建筑暖通空调系统十分复杂，一旦发生故障，运营和维护费用就会大幅增加，造成严重的能源损失，影响室内温度、湿度和空气质量，并对人民产生严重和不利的影响。因此，必须及时诊断和检测故障，以此作为对建筑暖通空调系统日常管理的监测的一部分。建筑暖通空调故障主要分为硬故障与软性故障。在暖通空调故障的诊断和检测中，数据挖掘技术可用于挖掘、收集、分类和记录暖通空调系统的运行和故障，以及实时记录运行状态数据。通过提取大量数据，可以构建相应的分析模型。实时监控运行数据参数与正常运行数据进行比较，对暖通空调运行进行监控，大大提高故障检测的运行效率。
2.2冰蓄冷空调负荷的预测与控制
由于冰蓄冷空调的特殊性，室内室外温度和湿度、太阳辐射强度和结构热力学都是影响冰蓄冷空调系统的因素。因此，在系统运行期间，需要使用负荷预测来确定系统的负荷状态。为了实现冰蓄冷空调负荷预测，需要利用数据挖掘技术收集和整理运行数据，并预测系统第二天的冷却负荷，前提是要保证准确性。
3、数据挖掘在暖通空调中应用的制约因素
3.1缺乏数据挖掘概念
数据挖掘是近年来出现的一项新技术，是一个共同的跨学科伟大的技术。对数据挖掘的认识不足不仅阻碍了空调行业数据挖掘的发展，而且阻碍了该行业本身的发展和进步。
3.2数据获取途径的匮乏
在建造的建筑物中，拥有楼宇自动化系统的建筑物较少，监测数据不完整，储存地点相对孤立，数据共享机制尚未到位，导致无法进入、记录不完整和数据浪费。
3.3技术
现有的技术和模型不一定适合所有的影响因素。这些因素不仅影响建筑环境，而且影响相互作用。分析极其复杂，很难理解其规律。这些技术不容易使用，需要二次封裝才能提供相对简单的接口。
3.4费用限制
采集建筑物数据不仅需要资本投资，还需要发展楼宇建筑系统，配备专门人员，增加工程投资。
3.5缺乏专门的数据挖掘人员
数据挖掘技术应用于空调行业，不仅需要掌握暖通相关技术，面对海量数据，需要学习如何使用Python及其pandas和tensorflow数据处理框架等计算机编程工具来组织、分析、培训和可视化数据。因此，缺乏数据挖掘人员也阻碍了暖通行业大量数据的发展。
4、数据挖掘技术在建筑暖通空调领域中应用优化建议
4.1改变对数据挖掘技术概念的理解
在信息技术迅速发展的时代，信息技术、海量数据技术、信息技术和其他技术不断发展，网络信息变得越来越复杂。鉴于目前信息负担过重，只有通过筛选元数据才能获得最有价值的信息，可利用数据挖掘技术，尽快对大量数据进行分类和分析，并按利率分析海量数据的潜在价格数据挖掘和显示值。其目的是提高对数据提取技术的认识，更好地了解数据提取的特点和好处，不断学习和创新数据提取技术，并提高暖通空调系统管理控制的效率和准确性。
4.2加强高校数据挖掘技术培训的重要性
暖通空调是各建筑环境和能源管理的基础课程，主要包括热学、热力、流体和其他学科。课程解决方案是困难的。在实践教学中，最好传授理论知识，例如如何实现自动化机械设备的自动控制。
数据挖掘技术是一种流行技术，在各个领域有着重要的应用。各校应加强数据挖掘技术教育，培训数据挖掘和分析专业人员，适应互联网时代的信息革命。
参考文献：
[1]陈劭江.数据挖掘技术在制冷空调行业的应用[J].暖通空调，2019，46（3）：20-25
[2]陈江云.大数据在空调领域的应用[J].制冷学报，2019，36（4）：16-22
[3]肖成盛.基于数据挖掘技术的建筑系统性能诊断有优化[J].化工学报，2019，65（S2）：181-187
[4]杨淑明.基于数据挖掘的公共建筑能耗监管平台数据处理方法[J].暖通空调，2019，45（2）：82-86
[5]麦坚忍，陈友明.用小波分析法分离变风量系统流量传感器故障[J].建筑热能通风空调，2019，24（4）：52-55
[6]郝友国.小波过滤在小故障检测中的应用[J].暖通空调，2019，35（8）：138-140