【摘 要】
：
建筑空调系统异常能耗检测旨在及时排查系统运行中出现的异常能耗从而实现系统的节能,其正逐渐成为空调系统能耗分析领域的研究热点。传统的异常检测方法存在依赖人工经验、准确度不佳、无法对异常进行溯源等问题。本文利用数据挖掘技术对建筑空调系统冷水机组进行了能耗预测及能耗异常检测研究,最终形成了一套完整且可靠的异常能耗检测及异常溯源方案,主要研究工作如下:针对空调系统冷水机组能耗预测研究,分别构建输入变量回归
【基金项目】
：
国家自然科学基金项目“大数据构架下模式辨识和集成学习的制冷空调故障诊断方法研究（51876070）”
论文部分内容阅读
建筑空调系统异常能耗检测旨在及时排查系统运行中出现的异常能耗从而实现系统的节能,其正逐渐成为空调系统能耗分析领域的研究热点。传统的异常检测方法存在依赖人工经验、准确度不佳、无法对异常进行溯源等问题。本文利用数据挖掘技术对建筑空调系统冷水机组进行了能耗预测及能耗异常检测研究,最终形成了一套完整且可靠的异常能耗检测及异常溯源方案,主要研究工作如下:针对空调系统冷水机组能耗预测研究,分别构建输入变量回归、目标变量自回归的预测模型;在前者的研究中,提出了一种基于网格搜索优化支持向量回归预测（GSOSVR）模型,首先利用支持向量回归机进行预测分析,而后采用10折交叉验证下的网格搜索优化算法对支持向量回归的超平面参数进行优化,最终利用优化后的模型进行输入变量回归的能耗预测研究。引入负反馈神经网络（BPNN）、长短期记忆神经网络（LSTM）两种预测模型进行评价指标的对比,结果表明基于GSO-SVR模型的预测性能优于未优化的SVR和BPNN模型、LSTM模型。在目标变量自回归预测的研究中,引入金融领域常见的自回归求和平均移动模型（ARIMA）、多元自回归求和平均移动模型（ARIMAX）和三参数指数平滑模型进行能耗预测研究,首先对能耗时序数据进行平稳性检验和转化,而后采用滑窗法分别构建不同模型的单步、多步预测策略,最终利用上述模型完成目标变量自回归的能耗预测研究。对比不同模型在单步、多步下的预测性能评价指标,结果表明ARIMAX和三参数指数平滑模型的预测性能均优于ARIMA模型,且三种模型的多步预测结果均较单步预测预测结果更差。针对目前的空调系统异常能耗检测中存在的准确度不佳、无法对异常进行溯源的问题,分别提出了基于统计分析的差异化异常能耗检测策略、基于预测模型的异常能耗检测及溯源策略;在前者的研究中,首先利用质心聚类进行能耗模式划分,而后利用支持向量多分类器进行能耗模式识别,最终进行不同模式下异常能耗的统计分析,实现异常能耗的差异化检测,将差异化异常检测策略得出的检测阈值与一般异常检测方法得出的检测阈值作对比,结果表明差异化异常检测策略有更大异常检测潜力;在基于预测模型的异常能耗检测研究中,利用输入变量回归预测对系统运行状态进行仿真,利用目标变量自回归预测对能耗变化规律进行仿真,分别构建基于GSO-SVR的预测模型的异常检测策略和基于Holt-Winters三参数指数平滑模型的异常检测策略,结合两种策略的检测结果,实现了在进行异常能耗检测的同时对异常是来源于系统非正常运行还是异常用能方式的二分判断。本论文通过引入多种数据挖掘算法构建了基于输入变量回归和目标变量自回归的能耗预测模型、基于统计分布的差异化异常能耗检测模型、基于预测模型的异常能耗检测及溯源模型,充实了非平稳时间序列分析在建筑空调能耗预测领域的研究,优化了统计分析方法在建筑空调能耗异常检测中的应用,实现了异常能耗检测同时进行异常溯源。
其他文献
燃煤机组锅炉低氮燃烧技术应用后,锅炉高效燃烧所需的高温、高氧条件与低氮排放所需的低温、低氧条件之间存在着需要调和的矛盾,如何在实现控制锅炉NOx排放的同时保证锅炉高效燃烧,已成为燃煤电厂亟需解决的问题。CO作为煤粉燃烧过程关键组分,可有效反映锅炉燃烧特性,并且与燃烧过程NOx生成之间有着较强的关联性,因此CO可以作为反映锅炉燃烧状态以及NOx生成特性的重要参量。本文以国内某600 MW墙式切圆低氮
近日节律是生物体在行为和生理过程中呈现出的以24小时为周期的节律,这些节律的维持来源于近日时钟在分子层面产生的周期性振荡,且广泛存在于不同物种中,具有极高的保守性。在近日节律调控行为及生理过程中,蛋白质的翻译后修饰（如乙酰化、磷酸化等）对于节律振荡的传递和维持有着重要作用。近年来,许多新型的赖氨酸酰化修饰被发现,但是这些修饰的生理功能尚不清楚。本实验室前期结果发现丙酰化修饰在果蝇头部呈现出系统的近
随着能源与电力技术的快速发展,大量分布式新能源和负载接入电网,人们对高质量电能的需求越来越高,电能质量成为人们关注的热点。因此,作为提高电能质量的前提,研究电能质量检测和分析具有重要意义。同时,开发能够在嵌入式设备上运行的电能质量分析系统也是智能电力仪表发展的一个重要过程。文章研究了电能质量分析的相关算法,提出了一种用于对间谐波和暂态信号进行分析的混合算法和一种暂态扰动定位算法,并通过仿真实验证明
随着人工智能的蓬勃发展,机器学习作为其最基本的实现方法,已被广泛应用在各个领域,为了解决传统的机器学习的隐私安全问题和“数据孤岛”问题,联邦学习被提了出来。然而,最新的研究工作表明联邦学习仍面临数据隐私泄露风险。因此,本文研究了联邦学习中隐私保护问题及相关技术,重点关注一类用于判断给定数据是否为某模型的训练数据集的攻击——成员推测攻击并分析了其目前防御方案及其不足。对此,本文提出了两个抵御联邦学习
焚烧已经成为当前我国城市生活垃圾处理处置最主要的方式。然而焚烧过程中释放的腐蚀性物质会造成炉内受热面的腐蚀,影响锅炉的安全稳定运行。应用耐腐蚀涂层对受热面进行表面强化是缓解炉内受热面高温腐蚀的有效措施。针对复杂的炉内环境,采用不同技术和材料制备的涂层在复杂垃圾焚烧炉内环境中的适用性尚不明晰。本文选用等离子堆焊（PTA）、电弧喷涂（TWAS）及超音速火焰喷涂（HVOF）等技术制备了10种Ni Cr基
目的:低氧性肺动脉高压（hypoxic pulmonary hypertension,HPH）是一种以肺小动脉重构为主要特征的疾病,目前临床上治疗效果有限。Notch4是血管发育及血管重构的关键调控因子。既往研究表明Notch信号通路可能参与了低氧性肺高压的发病。然而,Notch4对低氧性肺高压的具体调控机制尚未研究。方法:收集Ⅲ型肺动脉高压患者肺组织,检测Notch4的蛋白水平表达。常氧及低氧环
随着基因测序技术的快速发展,高通量、长读段的三代测序技术越来越受到市场的欢迎和重视。与此同时,基因测序成本的降低和市场的扩大使得基因数据量与日俱增,给快速完成基因数据分析带来了极大的挑战。序列比对是基因数据处理流程中的第一步,也是耗时较多的一步。在众多针对三代测序数据开发的长序列比对算法中,Minimap2以其优异的性能受到生物信息学领域的广泛认可。然而,在处理海量数据时,该算法耗时问题尤为突出。
大量聚集的淀粉样纤维是导致蛋白构象病的潜在原因,由于纤维组装时的强大驱动力导致通过简单的分子间相互作用很难将其解聚。传统的光动力治疗（photodynamic therapy,PDT）由于活性氧（reactive oxygen species,ROS）的低利用率,必须经过较长时间的持续光照才能将纤维降解,严重限制了它的临床应用。本文首次利用“诱饵-钩-毁灭”策略极大的缩短了PDT所需的时间,提高了
随着我国经济社会的快速发展和城市化进程的快速推进,居民出行交通需求与日俱增,也引发了交通拥堵、环境污染和资源枯竭等交通问题。以此同时,移动物体产生的轨迹数据蕴含丰富的时空信息,对分析挖掘居民出行的基本交通规律和特征带来极大的帮助,为城市交通需求、交通供应、交通系统管理提供重要的数据支撑。本文首先对现有轨迹数据研究进行了调研分析,因受数据来源、采集方式、数据质量等因素影响,在轨迹研究中还存在一些局限
餐厨垃圾含水率高,成分复杂多变,富含碳水化合物、蛋白质和脂质等有机质,需通过预处理减量、均质化,以满足后续处置的进料要求。水热预处理可利用餐厨垃圾自身高含量的水作为反应介质、快速降解有机质,实现餐厨垃圾减量和均质化并得到高附加值产物。原料组分是决定餐厨垃圾水热产物性质的关键,且影响水热炭的最终出路。基于此,本文从水热产物特性、反应过程和水热炭利用三个方面出发,针对科学问题（1）餐厨垃圾典型组分与水