《基于統(tǒng)計(jì)學(xué)的辦公建筑電力能耗周期性異常診斷研究》5900字（論文）

基于統(tǒng)計(jì)學(xué)的辦公建筑電力能耗周期性異常診斷研究目錄TOC\o"1-2"\h\u90221.1理論基礎(chǔ)及異常診斷標(biāo)準(zhǔn)建立 15101.1.1基于相似日的異常診斷 1297351.1.2基于排序算法及短期環(huán)比的異常診斷 4255011.2基于統(tǒng)計(jì)學(xué)的周期性能耗異常診斷策略 5122491.3數(shù)據(jù)準(zhǔn)備 6302011.3.1數(shù)據(jù)來(lái)源 6294551.1.2數(shù)據(jù)異常值處理 7239611.4案例分析 7184371.4.1Ⅰ類及Ⅱ類線路能耗周期性異常診斷 7236401.4.2Ⅳ類線路能耗周期性異常診斷 8285561.4.3Ⅲ類及Ⅴ類線路能耗周期性異常診斷 81.1理論基礎(chǔ)及異常診斷標(biāo)準(zhǔn)建立1.1.1基于相似日的異常診斷 根據(jù)需求和應(yīng)用場(chǎng)景的不同，相似日原理的方法和評(píng)判標(biāo)準(zhǔn)有所不同。本文針對(duì)辦公建筑電力能耗逐日能耗利用相似建立能耗診斷標(biāo)準(zhǔn)并進(jìn)行診斷，同一辦公建筑能耗影響因素復(fù)雜，根據(jù)本文第2章所述可知，逐日能耗主要受兩方面影響。一方面逐日能耗與辦公建筑的日類型相關(guān)，日類型影響辦公建筑內(nèi)人員行為和設(shè)備運(yùn)行狀態(tài)，是影響能耗的主要因素之一。另一方面逐日能耗也受到室外氣候尤其是溫度、濕度的影響，其中濕度分布和變化規(guī)律較難分析，而室外天氣溫、濕度與室外天氣類型相關(guān)，因此利用室外天氣類型代替濕度作為輸入條件之一。綜上所述，本文將日類型、天氣類型、最高溫度、最低溫度、平均溫度5種參數(shù)作為相似日的判斷輸入?yún)?shù)。基于相似日建立線路能耗基準(zhǔn)的基本方法如下：（1）影響因素量化日類型作為關(guān)鍵影響參數(shù)可以分為工作日工況（包含周一~周五、節(jié)日倒休）和非工作日工況（包含節(jié)日），其量化結(jié)果如表3-1所示。天氣類型作為另一關(guān)鍵影響參數(shù)，其變化較為復(fù)雜根據(jù)常見天氣類可以分為：晴、多云、陰、浮塵、霧、雨等基本類型[68]，其量化結(jié)果如表3-2所示。由于溫度相關(guān)數(shù)據(jù)為數(shù)值類型數(shù)據(jù)，因此不進(jìn)行量化處理。表3-1天氣類型量化取值表天氣類型量化取值晴5多云4陰3霧霾2霧1雨0雪0表3-2日類型量化取值表日類型量化取值周一1周二1周三1周四1周五1周六0周日0 （2）數(shù)據(jù)歸一化 室外平均溫度、最高溫度、最低溫度對(duì)于運(yùn)行策略具有顯著影響，從而直接影響隨溫度自動(dòng)或人工調(diào)節(jié)的運(yùn)行策略的能耗變化情況。因此，平均溫度、最高溫度和最低溫度數(shù)據(jù)是同工況下影響能耗的關(guān)鍵。但是，根據(jù)三者計(jì)算公式可知平均溫度的變化程度要小于最高溫度和最低溫度，為使三者貢獻(xiàn)均衡，如式（3-1）所示采用z-score標(biāo)準(zhǔn)化將三者進(jìn)行映射保證對(duì)結(jié)果的貢獻(xiàn)公平度。(3-1)其中，為映射后的數(shù)據(jù)，0<z<1；為平均值；為方差。 （3）相似日選擇方法相似日選擇方法采用基于多元統(tǒng)計(jì)的馬氏距離計(jì)算方法，該算法在歐式距離的基礎(chǔ)上，考慮了多種因素之間的相似度。該算法假設(shè)兩樣本集，，其協(xié)方差S計(jì)算如式（3-2）所示：(3-2)其中，，可以得到2樣本集間的馬氏距離計(jì)算如式（3-3）所示：(3-3)本文采用日類型、天氣類型、最高溫度、最低溫度、平均溫度5種參數(shù)作為相似日選擇參數(shù)，采用優(yōu)先級(jí)思想，對(duì)參數(shù)進(jìn)行分級(jí)，并對(duì)影響因素的歐式距離進(jìn)行計(jì)算，根據(jù)計(jì)算結(jié)果進(jìn)行排序，選取相應(yīng)的相似日。根據(jù)上文分析已知建筑具有能耗具有典型的周期性且設(shè)備運(yùn)行策略包含歷史經(jīng)驗(yàn)。工作日與非工作日工況能耗不具備可比性，因此將日類型作為相似日首要挑選因素。由于天氣數(shù)據(jù)可能存在不完全匹配性，不能將其作為單一影響因素，因此采用與室外溫度類參數(shù)相同的方式對(duì)天氣類型進(jìn)行歸一化處理。（4）異常診斷標(biāo)準(zhǔn)線路逐日能耗異常診斷基準(zhǔn)的構(gòu)建采用平均值法，對(duì)m個(gè)相似日組成的集合取平均構(gòu)成能耗異常診斷基準(zhǔn)。采用該方法的原因主要有2個(gè)：一方面，由于該建筑自動(dòng)水平尚待提高，逐日設(shè)備啟停時(shí)刻可能存在誤差，采用平均值法可以降低人工操作對(duì)數(shù)據(jù)的影響；另一方面，由于本文研究對(duì)象為真實(shí)線路，真實(shí)電力線路電壓具有不穩(wěn)定的特點(diǎn)，結(jié)合線路自帶設(shè)備特點(diǎn)，選用平均值法可以降低電力波動(dòng)對(duì)逐時(shí)能耗的影響，提高能耗基準(zhǔn)的準(zhǔn)確度。同時(shí)，根據(jù)辦公建筑電力能耗各線路作用對(duì)線路能耗的異常敏感性是不同的，因此各線路能耗異常判定閾值，根據(jù)實(shí)際建筑情況和管理運(yùn)維需求確定?；谙嗨迫盏漠惓Ｔ\斷規(guī)則如圖3-1所示：1）選擇N天作為待測(cè)試日的歷史相似日備選日；2）根據(jù)待測(cè)試日日類型進(jìn)行篩選，選擇相同日類型；3）對(duì)天氣數(shù)據(jù)、室外平均溫度數(shù)據(jù)、室外最高溫度數(shù)據(jù)、室外最低溫度數(shù)據(jù)進(jìn)行歸一化處理；4）根據(jù)式（3-2）和式（3-3）計(jì)算歷史相似日和待測(cè)試日間的馬氏距離，將距離小于閾值γ的歷史相似日按照距離進(jìn)行排序；5）選擇最相似的m個(gè)相似日，作為待測(cè)日的相似日集合。若小于閾值γ的歷史相似日不足m個(gè)選擇所有小于閾值γ的相似日作為歷史相似日，若無(wú)小于閾值γ的相似日則該日不進(jìn)行比較;6）對(duì)m個(gè)相似日取平均值構(gòu)建相似日能耗診斷基準(zhǔn)；7）與異常閾值∝進(jìn)行比較大于閾值則該日能耗異常，若小于閾值則該日能耗正常。1.1.2基于排序算法及短期環(huán)比的異常診斷排序算法基本原理及異常診斷（1）排序算法基本原理排序算法和短期環(huán)比算法都是常見的統(tǒng)計(jì)學(xué)分析方法。排序算法通過(guò)特定算法和方式將一組或者多組數(shù)據(jù)按照既定的模式進(jìn)行排序，排序后新的序列遵循指定規(guī)律。（2）異常診斷標(biāo)準(zhǔn)主要本文排序算法主要應(yīng)用于Ⅰ類線路和Ⅱ類線路中，逐日能耗線路在同工況下穩(wěn)定，因此采用名次比較的方法對(duì)能耗異常進(jìn)行診斷。根據(jù)線路能耗異常的敏感性設(shè)置異常排名范圍?；谂判蛩惴ǖ漠惓Ｔ\斷規(guī)則如圖3-2所示：1）選擇歷史數(shù)據(jù)庫(kù)中N天同工況歷史數(shù)據(jù)構(gòu)建能耗基準(zhǔn)；2）對(duì)歷史能耗數(shù)據(jù)進(jìn)行升序排序；3）待測(cè)試日進(jìn)行排序排名，若排名高于異常閾值β則該線路逐日能耗正常，若排名低于閾值則該線路逐日能耗異常。短期環(huán)比算法原理及異常診斷環(huán)比是指時(shí)間序列當(dāng)前時(shí)間范圍和相鄰的上一個(gè)時(shí)間范圍進(jìn)行對(duì)比。環(huán)比適用于根據(jù)相鄰時(shí)間范圍的數(shù)字對(duì)當(dāng)前時(shí)間范圍的指標(biāo)進(jìn)行設(shè)定。短期環(huán)比算法通過(guò)使用最近窗口T內(nèi)的數(shù)據(jù)趨勢(shì)進(jìn)行異常分析，其算法原理如式3-4所示。(3-4)其中，t為異常閾值，count_num為異常計(jì)數(shù)值，T為環(huán)比的滑動(dòng)窗口，i為比較日能耗值。如果大于閾值我們將count加1，如果count超過(guò)我們?cè)O(shè)置的count_num，則認(rèn)為該點(diǎn)是異常點(diǎn)，閾值threshold根據(jù)實(shí)際情況確定，一般取值5%~10%。1.2基于統(tǒng)計(jì)學(xué)的周期性能耗異常診斷策略本章提出一種基于統(tǒng)計(jì)學(xué)的周期性能耗異常診斷策略，如圖3-3所示，可有效結(jié)合電力能耗線路歷史數(shù)據(jù)，利用相似日、排序和短期環(huán)比的方法對(duì)電力線路以逐日為代表的周期性總能耗進(jìn)行異常診斷，并根據(jù)診斷結(jié)構(gòu)從運(yùn)行時(shí)間和逐時(shí)能耗兩方面進(jìn)行異常原因分析，提供相應(yīng)異常原因，為辦公建筑運(yùn)維管理人員運(yùn)維后評(píng)估提供決策支持。本文采用大津法對(duì)逐日運(yùn)行開啟和關(guān)閉時(shí)刻進(jìn)行自動(dòng)識(shí)別并計(jì)算當(dāng)日線路運(yùn)行時(shí)間。大津法是一種確定圖像二值化分割閾值的算法，該算法假設(shè)圖像像素能夠根據(jù)全局閾值，被分成背景和目標(biāo)兩部分。然后，通過(guò)計(jì)算式（3-5）獲得區(qū)分背景和圖像的最佳閾值。(3-5)其中，為目標(biāo)點(diǎn)數(shù)占總圖像比例，為背景點(diǎn)數(shù)占圖像比例，為平均灰度值，為平均灰度值。 本文為進(jìn)一步確定異常能耗發(fā)生時(shí)間，對(duì)測(cè)試日和相似日基準(zhǔn)逐時(shí)能耗進(jìn)一步分析。采用絕對(duì)距離的方法對(duì)逐時(shí)能耗數(shù)據(jù)距離進(jìn)行計(jì)算并排序，取距離降序排序后前n個(gè)時(shí)刻的能耗作為異常發(fā)生時(shí)刻。如圖3-3所示，本章提出的基于統(tǒng)計(jì)學(xué)的周期性能耗異常診斷策略，該策略可以分為四個(gè)部份：線路分類、能耗基準(zhǔn)、異常診斷和異常分析。采用第二章基于歷史數(shù)據(jù)的線路特征采用不同方式構(gòu)建能耗基準(zhǔn)并進(jìn)行異常能耗的診斷：Ⅰ類、Ⅱ類線路在已知運(yùn)行工況下能耗穩(wěn)定，因此選擇同工況（月類型、日類型）下的能耗作為。Ⅲ類線路與室外天氣溫度強(qiáng)相關(guān)采用相似日構(gòu)建建筑能耗基準(zhǔn)；Ⅴ類線路能耗與天氣弱相關(guān)且不具有環(huán)比相似性，線路能耗主要受人工操作影響其能耗變化規(guī)律不易直接獲得但是可以通過(guò)相似日間接進(jìn)行分析，因此Ⅲ類和Ⅴ類線采用相似日進(jìn)行分析。Ⅳ類線路能耗與天氣弱相關(guān)且日運(yùn)行時(shí)間逐時(shí)能耗穩(wěn)定，不適用于相似日方法，因此，通過(guò)短期環(huán)比算法進(jìn)行能耗異常診斷。1.3數(shù)據(jù)準(zhǔn)備1.1.1數(shù)據(jù)來(lái)源（1）電力能耗數(shù)據(jù)來(lái)源本章電力能耗數(shù)據(jù)來(lái)源與上節(jié)相同，為中國(guó)北京市某辦公寫字樓電力能耗監(jiān)控平臺(tái)分項(xiàng)電力能耗數(shù)據(jù)。該電力平臺(tái)結(jié)構(gòu)如圖3-4所示，該平臺(tái)具有Web監(jiān)控和管平臺(tái)管理功能，可以提供實(shí)時(shí)遠(yuǎn)程數(shù)據(jù)交互和后臺(tái)數(shù)據(jù)庫(kù)開放權(quán)限。該平臺(tái)中的末端遠(yuǎn)傳電表將電力數(shù)據(jù)按照一定的時(shí)間間隔傳輸至監(jiān)控主機(jī)，主機(jī)再進(jìn)行線路電力數(shù)據(jù)的存儲(chǔ)和處理。因此，電力監(jiān)控平臺(tái)在設(shè)備電力這一維度上的最小監(jiān)控范圍為某一線路的設(shè)備組的電力監(jiān)控，而非單一設(shè)備的電力監(jiān)控。本節(jié)采用該電力能耗監(jiān)控平臺(tái)電力能耗數(shù)據(jù)。并根據(jù)第二章表2-14可知該建筑基于歷史能耗特征的線路分類情況如下：公區(qū)照明（低區(qū)干線）為Ⅰ類線路、新風(fēng)機(jī)組為Ⅱ類線路、冷水機(jī)組（供冷季）、冷泵（供冷季）為Ⅲ類線路、冷卻塔（供冷季）為Ⅴ類線路。對(duì)照明系統(tǒng)和暖通空調(diào)系統(tǒng)線路進(jìn)行線路分類后，此建筑缺少Ⅳ類線路。因此本節(jié)對(duì)北京市同區(qū)域另一辦公建筑能耗數(shù)據(jù)進(jìn)行如2.4節(jié)數(shù)據(jù)分析，得到該建筑新風(fēng)機(jī)組為Ⅳ類能耗線路，本文將該線路命名為新風(fēng)機(jī)組（2）。（2）室外氣候數(shù)據(jù)來(lái)源本章室外氣候數(shù)據(jù)主要涉及天氣類型和室外溫度2類數(shù)據(jù)，兩者皆通過(guò)網(wǎng)站進(jìn)行爬取。利用Python配套的Pandas庫(kù)、Numpy庫(kù)和Spider庫(kù)對(duì)歷史日期室外氣候數(shù)據(jù)和被診斷日室外氣候數(shù)據(jù)進(jìn)行多線程爬取形成天氣類型數(shù)據(jù)庫(kù)。其中，天氣類型數(shù)據(jù)如圖3-5所示來(lái)自天氣后報(bào)網(wǎng)()室外溫度包括逐時(shí)和逐日室外最高溫度、室外最低溫度和室外平均溫度如圖3-6所示均來(lái)自中國(guó)天氣網(wǎng)(http://www.W)。（3）運(yùn)行策略數(shù)據(jù)來(lái)源該建筑為采用機(jī)房群控系統(tǒng)且樓宇自控系統(tǒng)缺乏對(duì)數(shù)據(jù)參數(shù)的記錄，因此運(yùn)行策略數(shù)據(jù)主要來(lái)源為該建筑管理運(yùn)維人員手動(dòng)記錄和建筑自身樓宇自控系統(tǒng)內(nèi)置數(shù)據(jù)運(yùn)行參數(shù)導(dǎo)出。將兩部分?jǐn)?shù)據(jù)根據(jù)設(shè)備運(yùn)行需求進(jìn)行統(tǒng)一格式整理形成日運(yùn)行策略數(shù)據(jù)庫(kù)，便于調(diào)用。（4）多源數(shù)據(jù)庫(kù)構(gòu)造實(shí)現(xiàn)辦公建筑周期性電力能耗異常的診斷需要對(duì)多源數(shù)據(jù)進(jìn)行整合，因此構(gòu)建如圖3-7所示包含逐日能耗、逐時(shí)能耗、天氣數(shù)據(jù)和運(yùn)行數(shù)據(jù)的多源數(shù)據(jù)庫(kù)。1.1.2數(shù)據(jù)異常值處理建筑電力平臺(tái)線路逐日總能耗數(shù)據(jù)由遠(yuǎn)傳電表傳送至平臺(tái)數(shù)據(jù)庫(kù)并在平臺(tái)數(shù)據(jù)庫(kù)中進(jìn)行逐小時(shí)能耗加和得到。因此，該建筑電力能耗平臺(tái)線路逐日能耗數(shù)據(jù)具有兩方面特征：一方面，電力平臺(tái)采集數(shù)據(jù)穩(wěn)定線路逐日能耗數(shù)據(jù)缺失值和死值出現(xiàn)較少，出現(xiàn)后采用刪除處理；另一方面，由于實(shí)際辦公建筑線路逐日能耗數(shù)據(jù)由于電力線路電壓不穩(wěn)等原因有一定的波動(dòng)不確定性。綜合以上兩個(gè)特征，為提升數(shù)據(jù)質(zhì)量，本文利用如式（3-6）和式（3-7）所示的箱線圖法對(duì)異常逐日能耗數(shù)據(jù)進(jìn)行剔除。(3-6)(3-7)其中，和分別是第一四分位數(shù)和第三四分位數(shù)。1.4案例分析本章采用該辦公建筑2020年9月14日（星期一）能耗作為待測(cè)試日，進(jìn)行基于統(tǒng)計(jì)學(xué)的異常周期性診斷。1.4.1Ⅰ類及Ⅱ類線路能耗周期性異常診斷 本小節(jié)以Ⅰ類線路為例進(jìn)行案例分析。該建筑公區(qū)照明（低區(qū)干線）為Ⅰ類線路，待測(cè)試日為2020年9月14日星期一。選擇100天工作日工況能耗作為同工況歷史數(shù)據(jù)集。該線路最近工作日工況100天逐日總能耗如圖3-8所示，其能耗范圍為[3401.58,3574.52]kWh。對(duì)該歷史數(shù)據(jù)集按照升序排列選擇100天與待測(cè)試日進(jìn)行位置比較，取異常敏感度閾值為75%，即排名低于75%，則當(dāng)日該線路用能存在異常。根據(jù)實(shí)驗(yàn)可知，2020年9月14日公區(qū)照明（低區(qū)干線）線路日能耗為3496.35kW，排名為52/100，因此該日公區(qū)照明（低區(qū)干線）線路運(yùn)行日能耗不存在異常。1.4.2Ⅳ類線路能耗周期性異常診斷本小節(jié)采用上文中Ⅳ類線路新風(fēng)機(jī)組（2）能耗進(jìn)行分析，待測(cè)試日為2020年9月14日星期一，選擇滑動(dòng)窗口為1d，即與前1天同工作日工況進(jìn)行比較，根據(jù)線路主要設(shè)備類型設(shè)置閾值為5%。表3-3新風(fēng)機(jī)組（2）線路短期環(huán)比和待測(cè)試日能耗日期能耗/kWh2020/9/11562.572020/9/14560.97如表3-3所示，2020年9月14日新風(fēng)機(jī)組（2）線路日能耗為560.97kW，環(huán)比偏離程度0.3%。因此該日新風(fēng)機(jī)組能耗線路運(yùn)行日能耗不存在異常。1.4.3Ⅲ類及Ⅴ類線路能耗周期性異常診斷本小節(jié)采用該建筑冷水機(jī)組線路（Ⅲ類線路）和冷卻塔線路（Ⅴ類線路）為例對(duì)線路周期性異常診斷進(jìn)行驗(yàn)證。選擇9月14日星期一為待測(cè)試日，選擇過(guò)去20天為歷史相似日被選數(shù)據(jù)集，相似日距離閾值γ經(jīng)實(shí)驗(yàn)驗(yàn)證設(shè)為4，選擇5個(gè)相似日作為最優(yōu)相似日集合，對(duì)5組數(shù)據(jù)取平均獲得相似日能耗基準(zhǔn)。選擇過(guò)去20天工作日工況全天氣象數(shù)據(jù)作為處理對(duì)象，經(jīng)過(guò)1.1.1小節(jié)處理得到的數(shù)據(jù)如表3-4所示：表3-4氣象數(shù)據(jù)表日期日期類型天氣類型最低溫度平均溫度最高溫度2020/8/17142325.5282020/8/18102326292020/8/19102425262020/8/20142325272020/8/21132325.5282020/8/24152126.5322020/8/25152227322020/8/26142225.5292020/8/27141925312020/8/28142226302020/8/31101923272020/9/1102026322020/9/2141924292020/9/3141722.5282020/9/4141723292020/9/7142125.5302020/9/8141924.5302020/9/9141824302020/9/10101821.5252020/9/11101922.5262020/9/14作為目標(biāo)日，經(jīng)1.1.1節(jié)所提出流程篩選相同工作日類型的日期，并對(duì)其他指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理以平衡其實(shí)質(zhì)重要性，結(jié)果如表3-5所示。 對(duì)表3-5中的數(shù)據(jù)按照1.1.1節(jié)中式（3-1）和式（3-2）計(jì)算馬氏距離，相似日歷史數(shù)據(jù)集內(nèi)各日與待測(cè)試日的距離如圖3-9所示，按照距離降序排列后結(jié)果圖標(biāo)3-3。表3-5標(biāo)準(zhǔn)化氣象數(shù)據(jù)表日期天氣類型最低溫度平均溫度最高溫度2020/8/170.6038011.1828521980.561747903-0.4505635572020/8/18-1.496381.1828521980.9022011780.0500626172020/8/19-1.496381.6467158050.221294629-1.4518159062020/8/200.6038011.1828521980.221294629-0.9511897312020/8/210.0787571.1828521980.561747903-0.4505635572020/8/241.1288460.2551249841.2426544531.551941142020/8/251.1288460.7189885911.5831077281.551941142020/8/260.6038010.7189885910.5617479030.0500626172020/8/270.603801-0.672602230.2212946291.0513149662020/8/280.6038010.7189885910.9022011780.5506887922020/8/31-1.49638-0.67260223-1.14051847-0.9511897312020/9/1-1.49638-0.208738620.9022011781.551941142020/9/20.603801-0.67260223-0.459611920.0500626172020/9/30.603801-1.60032944-1.48097175-0.4505635572020/9/40.603801-1.60032944-1.140518470.0500626172020/9/70.6038010.2551249840.5617479030.5506887922020/9/80.603801-0.67260223-0.119158650.5506887922020/9/90.603801-1.13646584-0.459611920.5506887922020/9/10-1.49638-1.13646584-2.1618783-1.952442082020/9/11-1.49638-0.67260223-1.48097175-1.451815906 表3-6似日距離-排序日期距離日期距離2020/8/180.4083972020/8/282.7996452020/8/190.4083972020/8/242.8207672020/8/201.0037452020/8/262.9533262020/8/311.0394962020/9/71.0080962020/9/111.1614462020/9/81.0747122020/8/171.7853892020/8/211.1160792020/9/21.9930392020/8/251.135722020/9/102.3498252020/9/91.2672072020/9/32.4690622020/9/11.7165962020/8/272.7418382020/9/41.791228 取距離最近的5日（2020年8月18日、2020年8月19日、2020年8月20日、2020年8月31日、2020年9月1日）作為相似日，冷水機(jī)組線路和冷卻塔線路逐日線路總能耗如表3-7所示。表3-7冷水機(jī)組和冷卻塔線路相似日逐日總能耗日期冷水機(jī)組能耗/kWh冷卻塔/kWh2020/8/185359.3648.42020/8/194737.11565.43