一种基于能耗分析的相似建筑挑选方法和装置与流程

1.本发明涉及相似建筑筛选技术领域，具体涉及一种基于能耗分析的相似建筑挑选方法和装置。


背景技术：

2.现有的建筑制定未来的能耗定额时，是依据该建筑历史的用能耗情况，使用机器学习中的回归算法进行能耗的预测。
3.但是对于刚投入使用或使用时间较短的建筑，由于自身历史能耗数据没有或者较少，无法通过自身的能耗数据进行能耗预测，因此，需要使用与其结构和运行模式相似的建筑的历史能耗作为参考，使用其历史能耗数据作为训练数据使用。
4.传统的相似建筑挑选方法是根据个人经验进行判断，不具备解释性，筛选出的建筑没有代表性，参考其历史能耗预测出的定额偏差较大，可信度较低。


技术实现要素：

5.为了解决现有对投入使用时间较短的建筑能耗预测的问题，本发明提出一种基于能耗分析的相似建筑挑选方法和装置，该方法对现有历史能耗数据量丰富的建筑，使用箱线图法分别从全局和区域的角度，去除一些平均能耗异常、能耗波动异常、能耗
‑
温度相关性异常的建筑，筛选出一个候选建筑的集合，再结合建筑的结构与地理位置信息等信息，从候选集中挑选出与自身能耗数据相似的建筑。其具体技术方案如下：
6.本发明实施例提供的一种基于能耗分析的相似建筑挑选方法，包括步骤：
7.获取某一区域内待筛选的目标建筑，对目标建筑的日维度历史能耗数据使用箱线图法进行数据清洗，去除异常值；
8.对清洗后的历史能耗数据按照不同分项分类，并针对不同分项分别计算对应的分项统计指标；
9.根据不同分项统计指标，采用预设的筛选方法对所述目标建筑进行筛选，得到目标建筑候选集；
10.采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑，以所述相似建筑的历史用能数据来预测所述待预测建筑的未来用能情况。
11.进一步的，所述对清洗后的历史能耗数据按照不同分项分类，并针对不同分项分别计算对应的分项统计指标，包括步骤：
12.将清洗后的所述历史能耗数据分类为刚性分项和弹性分项；
13.对所述刚性分项计算的刚性指标包括：日均波动、历史能耗数据量、刚性单平米能耗；
14.对所述弹性分项计算的弹性指标包括：平均温度与历史能耗的最大互信息系数、历史能耗数据量和弹性单平米能耗。
15.进一步的，所述根据不同分项统计指标，采用预设的筛选方法对所述目标建筑进行筛选，得到目标建筑候选集，包括步骤：
16.获取所述目标建筑的分项统计指标，判断所述目标建筑分项是属于刚性分项还是属于弹性分项；
17.若所述目标建筑属于刚性分项，判断所述目标建筑的数据量是否满足预设第一数量，若满足预设第一数量则采用箱线法判断所述目标建筑是否存在异常，去除存在异常的目标建筑；
18.若所述目标建筑属于弹性分项，判断所述目标建筑的数据量是否满足预设第二数量；若所述目标建筑满足预设第二数量，则计算所述目标建筑的平均温度与历史能耗的最大互信息系数的统计指标，判断所述最大互信息系数是否小于预设阈值，若小于预设阈值则去除所述目标建筑，得到目标建筑候选集。
19.进一步的，还包括对筛选后的目标建筑使用箱线法去除单平米内能耗异常和日均能耗异常的建筑，得到目标建筑候选集。
20.进一步的，所述采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑，包括：
21.从所述目标建筑候选集中查询与所述待预测建筑区域相同的目标建筑，采用所述预设的判断规则，判断所述目标建筑候选集中的目标建筑是否属于所述待预测建筑的相似建筑；
22.或，从所述目标建筑候选集中查询与所述待预测建筑气候区相同、微气候区相同的目标建筑，采用所述预设的判断规则，判断所述目标建筑候选集中的目标建筑是否属于所述待预测建筑的相似建筑。
23.进一步的，分别从所述目标建筑的开始投入使用时间、建筑面积等级、待预测建筑的能耗预测特征多个维度判断所述目标建筑与所述待预测建筑是否相似。
24.进一步的，根据所述待预测建筑的能耗预测特征判断所述目标建筑与所述待预测建筑是否相似，具体包括：
25.获取所述待预测建筑的历史能耗数据；
26.对所述待预测建筑的历史能耗数据进行处理，得到所述待预测建筑的能耗预测特征，所述能耗预测特征包括温度、湿度和时间；
27.分别计算所述目标建筑和所述待预测建筑的能耗预测特征在分类器中所占的特征权重；
28.判断所述目标建筑和所述待预测建筑的特征权重的排序和系数是否满足预设要求，若满足则判定所述目标建筑属于所述待预测建筑的相似建筑。
29.本发明的第二方面提供一种基于能耗分析的相似建筑挑选装置，包括：
30.清洗模块，用于获取某一区域内待筛选的目标建筑，对目标建筑的日维度历史能耗数据使用箱线图法进行数据清洗，去除异常值；
31.分类计算模块，用于对清洗后的历史能耗数据按照不同分项分类，并针对不同分项分别计算对应的分项统计指标；
32.筛选模块，用于根据不同分项统计指标，采用预设的筛选方法对所述目标建筑进行筛选，得到目标建筑候选集；
33.相似建筑判断模块，用于采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑，以所述相似建筑的历史用能数据来预测所述待预测建筑的未来用能情况。
34.本发明的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理权利要求1
‑
7任一所述的基于能耗分析的相似建筑挑选方法。
35.本发明的第四方面提供一种电子设备，该电子设备包括：
36.处理器；以及，
37.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行权利要求1
‑
7任一所述的基于能耗分析的相似建筑挑选方法。
38.本发明实施例提供的一种基于能耗分析的相似建筑挑选方法和装置，该方法首先采用箱线法、根据目标建筑的日维度历史能耗数据对所述目标建筑进行初步筛选，然后根据目标建筑的不同分项分类结果和统计指标，采用不同的筛选方法对初步筛选的目标建筑进行进一步的筛选，得到目标建筑候选集，最后对目标建筑候选集中的目标建筑采用预设的判断规则，从所述目标建筑候选集中筛选出相似建筑。本发明从多维度、多层次对目标建筑进行处理和筛选，使得得到的相似建筑的历史用能数据能更准确的预测所述待预测建筑的未来用能情况，提高了预测的效率与预测结果的可信度。
附图说明
39.图1是本发明一种基于能耗分析的相似建筑挑选方法流程图；
40.图2是本发明清洗数据并计算和存储统计指标的流程示意图；
41.图3是本发明实施例获得候选集的流程图；
42.图4是本发明实施例判断是否为相似建筑流程图。
具体实施方式
43.以下结合附图对本发明进行说明，但不用来限制本发明的范围。
44.参见图1是本发明一种基于能耗分析的相似建筑挑选方法流程图，包括：s1：获取某一区域内待筛选的目标建筑，对目标建筑的日维度历史能耗数据使用箱线图法进行数据清洗，去除异常值。
45.上述待预测建筑定义为是历史能耗数据量少，需要找出其他历史用能数据量大的相似建筑作为参考，用以预测其未来年用能的建筑。
46.上述目标建筑定义为是用于筛选出能够用于待预测建筑作为参考的建筑。
47.遍历全部目标建筑，对目标建筑分项的日维度历史能耗数据使用箱线法进行数据清洗，去除异常值。在本发明实施例中，上述异常值是明显不符合正常分布规律的数据，这些数据会影响整体数据分布，箱线法是通过四分之一和四分之三分位数与1.5倍的极差确定边界，边界之外的数据即为异常值。
48.s2：对清洗后的历史能耗数据按照不同分项分类，并针对不同分项分别计算对应的分项统计指标。
49.参见图2所述，是本发明实施例中，清洗数据并计算和存储统计指标的流程示意
图。
50.使用清洗后的历史能耗数据计算目标建筑的各项指标，如果是刚性分项，计算：日均波动(逐日能耗后一天与前一天能耗相对误差的均值)、刚性历史能耗数据量、刚性单平米能耗(全年总能耗除以建筑面积)；如果是弹性分项，计算：平均温度与历史能耗的最大互信息系数、弹性历史能耗数据量、弹性单平米能耗。
51.上述刚性分项：与温度相关性较低，全年波动较小的分项，如：电梯分项、照明分项。弹性分项：与温度相关性较高，全年波动较大的分项，如：空调末端分项、热力站分项。
52.最后将每个目标建筑的日均波动、历史能耗数据量、单平米能耗、平均温度与历史能耗的最大互信息系数等统计指标结果保存到数据库。
53.s3：根据不同分项统计指标，采用预设的筛选方法对所述目标建筑进行筛选，得到目标建筑候选集。
54.参见图3是本发明实施例获得候选集的流程图，其具体步骤包括：
55.a1：获取所述目标建筑的分项统计指标，判断所述目标建筑是属于刚性分项还是属于弹性分项。
56.上述分项统计指标是指不同分项对应的不同统计指标,比如，刚性建筑对应的统计指标包括日均波动、历史能耗数据量、刚性单平米能耗；弹性建筑对应的统计指标包括平均温度与历史能耗的最大互信息系数、历史能耗数据量和弹性单平米能耗。
57.a2：若所述目标建筑属于刚性分项，判断所述目标建筑的数据量是否满足预设第一数量，若满足预设第一数量则采用箱线法判断所述目标建筑是否存在异常，去除存在异常的目标建筑。
58.a3：若所述目标建筑属于弹性分项，判断所述目标建筑的数据量是否满足预设第二数量；若所述目标建筑满足预设第二数量，则计算所述目标建筑的平均温度与历史能耗的最大互信息系数的统计指标，判断所述最大互信息系数是否小于预设阈值，若小于预设阈值则去除所述目标建筑，得到目标建筑候选集。
59.从全局角度考虑，获取全部目标建筑保存在数据库中的统计指标结果，从所有目标建筑中去除统计指标异常的目标建筑，具体的，若目标建筑属于刚性分项，假设上述第一数量为180，那么去除数据量小于180条的建筑、使用箱线图法去除单平米能耗异常的建筑、使用箱线图法去除日均波动异常的建筑。假设上述第二数量为300，预设阈值为0.3，那么去除数据量小于300条的建筑、去除平均温度与历史能耗的最大互信息系数小于0.3的建筑。
60.在本发明实施例的可选实施方式中，还包括从区域角度考虑，遍历所有区域，获取该区域内全部剩余目标建筑的统计指标，使用箱线图法去除该区域内单平米能耗异常的建筑、使用箱线图法去除区域内日均能耗异常的建筑。将最终的目标建筑候选集保存到数据库。
61.s4：采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑，以所述相似建筑的历史用能数据来预测所述待预测建筑的未来用能情况。
62.参见图4是本发明实施例判断是否为相似建筑流程图，在本发明实施例中，上述采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑包括：
63.从所述目标建筑候选集中查询与所述待预测建筑区域相同的目标建筑，采用所述预设的判断规则，判断所述目标建筑候选集中的目标建筑是否属于所述待预测建筑的相似建筑。
64.即，假如目标建筑候选集中的目标建筑与待预测建筑同属于相同区域的建筑，那么可通过如下步骤判断该目标建筑和待预测建筑是否属于相似建筑：
65.首先判断该目标建筑的开始使用时间满足要求，如2015年后投入使用；
66.和/或，再判断所述目标建筑与所述待预测建筑的面积等级是否同属于一个等级，如待预测建筑和目标建筑的建筑面积均为50000平方米等。在本发明实施例中，将建筑面积分为四个等级，1级：小于50000平方米；2级：50000
‑
75000平方米；3级：75000
‑
100000平方米；4级：100000平方米以上。
67.和/或，然后如果待预测建筑存在少部分历史能耗数据，那么根据能耗预测要使用的特征(温度、湿度、时间等)，分别计算目标建筑和待预测建筑特征在分类器中所占的比重，要求两栋建筑间的特征权重排序相同，权重系数相似。
68.在本发明实施例的可选实施方式中，上述采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑包括：
69.从所述目标建筑候选集中查询与所述待预测建筑气候区相同、微气候区相同的目标建筑，采用所述预设的判断规则，判断所述目标建筑候选集中的目标建筑是否属于所述待预测建筑的相似建筑。
70.本发明实施例提供的一种基于能耗分析的相似建筑挑选方法和装置，该方法首先采用箱线法、根据目标建筑的日维度历史能耗数据对所述目标建筑进行初步筛选，然后根据目标建筑的不同分项分类结果和统计指标，采用不同的筛选方法对初步筛选的目标建筑进行进一步的筛选，得到目标建筑候选集，最后对目标建筑候选集中的目标建筑采用预设的判断规则，从所述目标建筑候选集中筛选出相似建筑。本发明从多维度、多层次对目标建筑进行处理和筛选，使得得到的相似建筑的历史用能数据能更准确的预测所述待预测建筑的未来用能情况，提高了预测的效率。
71.本发明的第二方面提供一种基于能耗分析的相似建筑挑选装置，包括：
72.清洗模块，用于获取某一区域内待筛选的目标建筑，对目标建筑的日维度历史能耗数据使用箱线图法进行数据清洗，去除异常值；
73.分类计算模块，用于对清洗后的历史能耗数据按照不同分项分类，并针对不同分项分别计算对应的分项统计指标；
74.筛选模块，用于根据不同分项统计指标，采用预设的筛选方法对所述目标建筑进行筛选，得到目标建筑候选集；
75.相似建筑判断模块，用于采用预设的判断规则，根据所述待预测建筑的判断属性，从所述目标建筑候选集中筛选出相似建筑，以所述相似建筑的历史用能数据来预测所述待预测建筑的未来用能情况。
76.本发明的第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器处理基于能耗分析的相似建筑挑选方法。
77.本发明的第四方面提供一种电子设备，该电子设备包括：
78.处理器；以及，
79.被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行基于能耗分析的相似建筑挑选方法。
80.虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。