《基于統(tǒng)計學(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)及異常診斷標準建立 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)計學(xué)的周期性能耗異常診斷策略 5122491.3數(shù)據(jù)準備 6302011.3.1數(shù)據(jù)來源 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)及異常診斷標準建立1.1.1基于相似日的異常診斷 根據(jù)需求和應(yīng)用場景的不同，相似日原理的方法和評判標準有所不同。本文針對辦公建筑電力能耗逐日能耗利用相似建立能耗診斷標準并進行診斷，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)?；谙嗨迫战⒕€路能耗基準的基本方法如下：（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、最低溫度對于運行策略具有顯著影響，從而直接影響隨溫度自動或人工調(diào)節(jié)的運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，為使三者貢獻均衡，如式（3-1）所示采用z-score標準化將三者進行映射保證對結(jié)果的貢獻公平度。(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)計的馬氏距離計算方法，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)先級思想，對參數(shù)進行分級，并對影響因素的歐式距離進行計算，根據(jù)計算結(jié)果進行排序，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)備運行策略包含歷史經(jīng)驗。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)相同的方式對天氣類型進行歸一化處理。（4）異常診斷標準線路逐日能耗異常診斷基準的構(gòu)建采用平均值法，對m個相似日組成的集合取平均構(gòu)成能耗異常診斷基準。采用該方法的原因主要有2個：一方面，由于該建筑自動水平尚待提高，逐日設(shè)備啟停時刻可能存在誤差，采用平均值法可以降低人工操作對數(shù)據(jù)的影響；另一方面，由于本文研究對象為真實線路，真實電力線路電壓具有不穩(wěn)定的特點，結(jié)合線路自帶設(shè)備特點，選用平均值法可以降低電力波動對逐時能耗的影響，提高能耗基準的準確度。同時，根據(jù)辦公建筑電力能耗各線路作用對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)實際建筑情況和管理運維需求確定?；谙嗨迫盏漠惓Ｔ\斷規(guī)則如圖3-1所示：1）選擇N天作為待測試日的歷史相似日備選日；2）根據(jù)待測試日日類型進行篩選，選擇相同日類型；3）對天氣數(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)進行歸一化處理；4）根據(jù)式（3-2）和式（3-3）計算歷史相似日和待測試日間的馬氏距離，將距離小于閾值γ的歷史相似日按照距離進行排序；5）選擇最相似的m個相似日，作為待測日的相似日集合。若小于閾值γ的歷史相似日不足m個選擇所有小于閾值γ的相似日作為歷史相似日，若無小于閾值γ的相似日則該日不進行比較;6）對m個相似日取平均值構(gòu)建相似日能耗診斷基準；7）與異常閾值∝進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)計學(xué)分析方法。排序算法通過特定算法和方式將一組或者多組數(shù)據(jù)按照既定的模式進行排序，排序后新的序列遵循指定規(guī)律。（2）異常診斷標準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能耗異常進行診斷。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)庫中N天同工況歷史數(shù)據(jù)構(gòu)建能耗基準；2）對歷史能耗數(shù)據(jù)進行升序排序；3）待測試日進行排序排名，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)比是指時間序列當(dāng)前時間范圍和相鄰的上一個時間范圍進行對比。環(huán)比適用于根據(jù)相鄰時間范圍的數(shù)字對當(dāng)前時間范圍的指標進行設(shè)定。短期環(huán)比算法通過使用最近窗口T內(nèi)的數(shù)據(jù)趨勢進行異常分析，其算法原理如式3-4所示。(3-4)其中，t為異常閾值，count_num為異常計數(shù)值，T為環(huán)比的滑動窗口，i為比較日能耗值。如果大于閾值我們將count加1，如果count超過我們設(shè)置的count_num，則認為該點是異常點，閾值threshold根據(jù)實際情況確定，一般取值5%~10%。1.2基于統(tǒng)計學(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)比的方法對電力線路以逐日為代表的周期性總能耗進行異常診斷，并根據(jù)診斷結(jié)構(gòu)從運行時間和逐時能耗兩方面進行異常原因分析，提供相應(yīng)異常原因，為辦公建筑運維管理人員運維后評估提供決策支持。本文采用大津法對逐日運行開啟和關(guān)閉時刻進行自動識別并計算當(dāng)日線路運行時間。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，被分成背景和目標兩部分。然后，通過計算式（3-5）獲得區(qū)分背景和圖像的最佳閾值。(3-5)其中，為目標點數(shù)占總圖像比例，為背景點數(shù)占圖像比例，為平均灰度值，為平均灰度值。 本文為進一步確定異常能耗發(fā)生時間，對測試日和相似日基準逐時能耗進一步分析。采用絕對距離的方法對逐時能耗數(shù)據(jù)距離進行計算并排序，取距離降序排序后前n個時刻的能耗作為異常發(fā)生時刻。如圖3-3所示，本章提出的基于統(tǒng)計學(xué)的周期性能耗異常診斷策略，該策略可以分為四個部份：線路分類、能耗基準、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)建能耗基準并進行異常能耗的診斷：Ⅰ類、Ⅱ類線路在已知運行工況下能耗穩(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相關(guān)采用相似日構(gòu)建建筑能耗基準；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相似日間接進行分析，因此Ⅲ類和Ⅴ類線采用相似日進行分析。Ⅳ類線路能耗與天氣弱相關(guān)且日運行時間逐時能耗穩(wěn)定，不適用于相似日方法，因此，通過短期環(huán)比算法進行能耗異常診斷。1.3數(shù)據(jù)準備1.1.1數(shù)據(jù)來源（1）電力能耗數(shù)據(jù)來源本章電力能耗數(shù)據(jù)來源與上節(jié)相同，為中國北京市某辦公寫字樓電力能耗監(jiān)控平臺分項電力能耗數(shù)據(jù)。該電力平臺結(jié)構(gòu)如圖3-4所示，該平臺具有Web監(jiān)控和管平臺管理功能，可以提供實時遠程數(shù)據(jù)交互和后臺數(shù)據(jù)庫開放權(quán)限。該平臺中的末端遠傳電表將電力數(shù)據(jù)按照一定的時間間隔傳輸至監(jiān)控主機，主機再進行線路電力數(shù)據(jù)的存儲和處理。因此，電力監(jiān)控平臺在設(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)機組為Ⅱ類線路、冷水機組（供冷季）、冷泵（供冷季）為Ⅲ類線路、冷卻塔（供冷季）為Ⅴ類線路。對照明系統(tǒng)和暖通空調(diào)系統(tǒng)線路進行線路分類后，此建筑缺少Ⅳ類線路。因此本節(jié)對北京市同區(qū)域另一辦公建筑能耗數(shù)據(jù)進行如2.4節(jié)數(shù)據(jù)分析，得到該建筑新風(fēng)機組為Ⅳ類能耗線路，本文將該線路命名為新風(fēng)機組（2）。（2）室外氣候數(shù)據(jù)來源本章室外氣候數(shù)據(jù)主要涉及天氣類型和室外溫度2類數(shù)據(jù)，兩者皆通過網(wǎng)站進行爬取。利用Python配套的Pandas庫、Numpy庫和Spider庫對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)進行多線程爬取形成天氣類型數(shù)據(jù)庫。其中，天氣類型數(shù)據(jù)如圖3-5所示來自天氣后報網(wǎng)()室外溫度包括逐時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所示均來自中國天氣網(wǎng)(http://www.W)。（3）運行策略數(shù)據(jù)來源該建筑為采用機房群控系統(tǒng)且樓宇自控系統(tǒng)缺乏對數(shù)據(jù)參數(shù)的記錄，因此運行策略數(shù)據(jù)主要來源為該建筑管理運維人員手動記錄和建筑自身樓宇自控系統(tǒng)內(nèi)置數(shù)據(jù)運行參數(shù)導(dǎo)出。將兩部分數(shù)據(jù)根據(jù)設(shè)備運行需求進行統(tǒng)一格式整理形成日運行策略數(shù)據(jù)庫，便于調(diào)用。（4）多源數(shù)據(jù)庫構(gòu)造實現(xiàn)辦公建筑周期性電力能耗異常的診斷需要對多源數(shù)據(jù)進行整合，因此構(gòu)建如圖3-7所示包含逐日能耗、逐時能耗、天氣數(shù)據(jù)和運行數(shù)據(jù)的多源數(shù)據(jù)庫。1.1.2數(shù)據(jù)異常值處理建筑電力平臺線路逐日總能耗數(shù)據(jù)由遠傳電表傳送至平臺數(shù)據(jù)庫并在平臺數(shù)據(jù)庫中進行逐小時能耗加和得到。因此，該建筑電力能耗平臺線路逐日能耗數(shù)據(jù)具有兩方面特征：一方面，電力平臺采集數(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不確定性。綜合以上兩個特征，為提升數(shù)據(jù)質(zhì)量，本文利用如式（3-6）和式（3-7）所示的箱線圖法對異常逐日能耗數(shù)據(jù)進行剔除。(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）能耗作為待測試日，進行基于統(tǒng)計學(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。對該歷史數(shù)據(jù)集按照升序排列選擇100天與待測試日進行位置比較，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)實驗可知，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)機組（2）能耗進行分析，待測試日為2020年9月14日星期一，選擇滑動窗口為1d，即與前1天同工作日工況進行比較，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)機組（2）線路短期環(huán)比和待測試日能耗日期能耗/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)機組能耗線路運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)采用該建筑冷水機組線路（Ⅲ類線路）和冷卻塔線路（Ⅴ類線路）為例對線路周期性異常診斷進行驗證。選擇9月14日星期一為待測試日，選擇過去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)實驗驗證設(shè)為4，選擇5個相似日作為最優(yōu)相似日集合，對5組數(shù)據(jù)取平均獲得相似日能耗基準。選擇過去20天工作日工況全天氣象數(shù)據(jù)作為處理對象，經(jīng)過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，并對其他指標進行標準化處理以平衡其實質(zhì)重要性，結(jié)果如表3-5所示。 對表3-5中的數(shù)據(jù)按照1.1.1節(jié)中式（3-1）和式（3-2）計算馬氏距離，相似日歷史數(shù)據(jù)集內(nèi)各日與待測試日的距離如圖3-9所示，按照距離降序排列后結(jié)果圖標3-3。表3-5標準化氣象數(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冷水機組和冷卻塔線路相似日逐日總能耗日期冷水機組能耗/kWh冷卻塔/kWh2020/8/185359.3648.42020/8/194737.11565.43