數(shù)據(jù)挖掘技術(shù)在暖通空調(diào)領(lǐng)域的應(yīng)用研究

徐晨德

（太原學(xué)院建筑與環(huán)境工程系 山西 太原 030032）

0 引言

社會(huì)經(jīng)濟(jì)快速發(fā)展，人們?cè)絹碓街匾暽钯|(zhì)量，對(duì)生活環(huán)境的熱舒適性也提出了更高要求。建筑能耗不斷增加，給資源供給帶來了巨大挑戰(zhàn)，傳統(tǒng)的暖通空調(diào)能耗研究方法主要有數(shù)學(xué)物理方法、實(shí)驗(yàn)法、數(shù)值模擬法，雖然給建筑空調(diào)研究帶來了一定成果，但3種方法未考慮到不斷變化的氣候條件以及可變的能源消耗，且都有自身特定的適用范圍，有一定局限性。智能建筑系統(tǒng)逐漸興起，其系統(tǒng)存儲(chǔ)著大量建筑運(yùn)行數(shù)據(jù)以及氣象數(shù)據(jù)等，傳統(tǒng)研究方法已不適用，急需新的研究方法與分析工具應(yīng)用于建筑暖通空調(diào)領(lǐng)域。數(shù)據(jù)挖掘技術(shù)可以發(fā)現(xiàn)數(shù)據(jù)之間的潛在聯(lián)系，有效利用這些數(shù)據(jù)，是進(jìn)行建筑暖通空調(diào)數(shù)據(jù)分析最合適的工具。

1 數(shù)據(jù)挖掘技術(shù)概述

數(shù)據(jù)挖掘即從數(shù)據(jù)庫中自動(dòng)識(shí)別有用知識(shí)、發(fā)現(xiàn)整體環(huán)節(jié)的一個(gè)過程，是從大量的、隨機(jī)數(shù)據(jù)中提取、分析使整個(gè)數(shù)據(jù)適合于特定的關(guān)系信息的過程，是在原始數(shù)據(jù)庫中發(fā)現(xiàn)全過程的一個(gè)環(huán)節(jié)。原始數(shù)據(jù)就好比知識(shí)的源泉，可以是結(jié)構(gòu)化的，例如關(guān)系數(shù)據(jù)庫中的數(shù)據(jù)，也可以是半結(jié)構(gòu)化的，例如圖形、圖像數(shù)據(jù)，甚至是通過網(wǎng)絡(luò)分布的異構(gòu)數(shù)據(jù)。數(shù)據(jù)挖掘技術(shù)可以是數(shù)學(xué)的或非數(shù)學(xué)的，演繹或歸納的，是一個(gè)廣泛的交叉學(xué)科，是各種技術(shù)的結(jié)合，通常利用計(jì)算機(jī)技術(shù)來完成數(shù)據(jù)統(tǒng)計(jì)分析等其他操作目標(biāo)，其過程主要包括8個(gè)步驟（圖1）[1]。當(dāng)前，雖然數(shù)據(jù)挖掘技術(shù)在各個(gè)領(lǐng)域中得到了廣泛應(yīng)用，但依然停留在初步探索階段，在未來，數(shù)據(jù)挖掘技術(shù)在各個(gè)領(lǐng)域的應(yīng)用將進(jìn)一步深化。

如圖1所示，數(shù)據(jù)挖掘過程是一重復(fù)循環(huán)的過程，每一步如果沒有達(dá)到預(yù)期的目標(biāo)，需要回到以前的步驟，重新調(diào)整并執(zhí)行。當(dāng)然，并不是每個(gè)數(shù)據(jù)挖掘工作都需要這里列出的每個(gè)步驟，具體要根據(jù)其實(shí)際情況而定，如當(dāng)作業(yè)中不存在多個(gè)數(shù)據(jù)源時(shí)，可以省略數(shù)據(jù)集成這一步[2]。

2 暖通空調(diào)數(shù)據(jù)挖掘技術(shù)應(yīng)用思路

2.1 應(yīng)用思路

在暖通空調(diào)研究中，以建筑自動(dòng)控制系統(tǒng)中存儲(chǔ)的大數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)，數(shù)據(jù)挖掘技術(shù)為工具，能有效發(fā)現(xiàn)建筑空調(diào)系統(tǒng)內(nèi)部運(yùn)行規(guī)律，將暖通空調(diào)領(lǐng)域的研究推向一個(gè)新的階段，目前數(shù)據(jù)挖掘技術(shù)在暖通空調(diào)領(lǐng)域的研究主要包括3個(gè)層次，作用主要包括3方面，具體見圖2[2]。其應(yīng)用主要通過以下步驟完成：（1）數(shù)據(jù)分類與采集：做好流體流量、室內(nèi)溫濕度、暖通空調(diào)設(shè)備運(yùn)行功率的數(shù)據(jù)采集與分類工作；（2）對(duì)收集分類的數(shù)據(jù)進(jìn)行預(yù)處理，提高數(shù)據(jù)質(zhì)量，確保數(shù)據(jù)完整性；（3）根據(jù)采集到數(shù)據(jù)的特點(diǎn)，選擇相應(yīng)的分析算法，并構(gòu)造模型清理數(shù)據(jù)，優(yōu)化模型參數(shù)，使其應(yīng)用效果達(dá)到最佳；（4）分析明確最終結(jié)果的準(zhǔn)確性，找出模型應(yīng)用過程中的不足，進(jìn)而解決問題；（5）通過對(duì)構(gòu)建模型的合理利用來確保運(yùn)作的科學(xué)性。通過這5個(gè)步驟能夠充分發(fā)揮出數(shù)據(jù)挖掘技術(shù)在暖通空調(diào)領(lǐng)域的應(yīng)用優(yōu)勢[3]。

2.2 應(yīng)用框架

在將數(shù)據(jù)挖掘技術(shù)應(yīng)用于智能建筑領(lǐng)域的過程中，相關(guān)研究人員曾在考慮建筑自動(dòng)化系統(tǒng)的系統(tǒng)復(fù)雜性與低數(shù)據(jù)質(zhì)量問題基礎(chǔ)上，提出了一種面向建筑自動(dòng)化系統(tǒng)的通用數(shù)據(jù)挖掘框架，具體見下圖3所示，該框架主要包括數(shù)據(jù)探索、數(shù)據(jù)劃分、知識(shí)發(fā)現(xiàn)與后挖掘4個(gè)步驟，其中數(shù)據(jù)探索主要包含數(shù)據(jù)的預(yù)處理與可視化。該框架已被應(yīng)用于香港最高建筑的建筑自動(dòng)化系統(tǒng)研究中，成功地實(shí)現(xiàn)了建筑設(shè)備系統(tǒng)的異常與故障診斷功能[5]。

還有研究人員在針對(duì)辦公建筑房間占用模式的相關(guān)研究中，在基于傳統(tǒng)知識(shí)發(fā)現(xiàn)的過程中，提出了一套基于傳統(tǒng)知識(shí)發(fā)現(xiàn)（KDD）的數(shù)據(jù)挖掘流程，具體見下圖4所示。該框架包含數(shù)據(jù)預(yù)處理、數(shù)據(jù)挖掘和知識(shí)提取3大步驟，其中在數(shù)據(jù)挖掘部分，基于3步數(shù)據(jù)挖掘方法，利用決策樹、規(guī)則歸納和數(shù)據(jù)聚類有效挖掘了辦公用戶的占用模式和工作進(jìn)度[6]。

3 數(shù)據(jù)挖掘技術(shù)在暖通空調(diào)中的作用

3.1 挖掘能耗數(shù)據(jù)

利用數(shù)據(jù)挖掘技術(shù)對(duì)建筑暖通空調(diào)能耗數(shù)據(jù)的挖掘主要包括以下5個(gè)步驟：（1）采集數(shù)據(jù)集，如溫濕度、太陽輻射強(qiáng)度以及大氣壓力等；（2）對(duì)采集的數(shù)據(jù)集進(jìn)行預(yù)處理，以此來提高數(shù)據(jù)質(zhì)量與準(zhǔn)確性；（3）分析采集數(shù)據(jù)的特點(diǎn)，結(jié)合大數(shù)據(jù)平臺(tái)確定合適的分析算法并構(gòu)建模型，確保模型參數(shù)準(zhǔn)確；（4）對(duì)結(jié)果進(jìn)行分析，找出構(gòu)建模型的優(yōu)缺點(diǎn)；（5）模型的應(yīng)用[7]。

此外，還有相關(guān)研究人員提出了一種用于建筑能耗分析的綜合集成智能IIT方法，該方法結(jié)合了聚類、分類、離群點(diǎn)分析算法以及關(guān)聯(lián)分析、預(yù)算算法，算法的具體應(yīng)用流程見下圖5所示。在該方法框架中，基于聚類算法的離群點(diǎn)分析算法主要是通過對(duì)建筑能耗數(shù)據(jù)進(jìn)行分類，從而實(shí)現(xiàn)對(duì)建筑能耗數(shù)據(jù)能耗模式的有效識(shí)別。在相同的能源消耗模式下，數(shù)據(jù)的LOF數(shù)值十分近似。因此，合理運(yùn)用LOF算法對(duì)具有相同能耗模式的歷史建筑能耗數(shù)據(jù)進(jìn)行離群值分析，可以在一定程度上增強(qiáng)能耗異常數(shù)據(jù)的識(shí)別準(zhǔn)確性；借助灰色關(guān)聯(lián)分析提高影響建筑能耗數(shù)據(jù)影響因素識(shí)別的準(zhǔn)確性，BP神經(jīng)網(wǎng)絡(luò)則可以在歷史能耗數(shù)據(jù)和重要影響因素基礎(chǔ)上更準(zhǔn)確地預(yù)測建筑能耗[8]。

3.2 數(shù)據(jù)驅(qū)動(dòng)最優(yōu)控制策略

傳統(tǒng)的控制策略主要采取數(shù)學(xué)物理模型等理論分析方法，存在一定誤差，且空調(diào)系統(tǒng)或多或少地被簡化，因此實(shí)際運(yùn)行與理論控制并不總是完全一致的，理論模型簡化不當(dāng)可能導(dǎo)致空調(diào)系統(tǒng)實(shí)際運(yùn)行與理論控制嚴(yán)重偏離，能耗增加而不是減少，為改變這種缺陷，必須以實(shí)際數(shù)據(jù)為基礎(chǔ)，利用數(shù)據(jù)挖掘算法對(duì)各種控制參數(shù)的工具進(jìn)行優(yōu)化，建立數(shù)據(jù)驅(qū)動(dòng)的最優(yōu)控制策略方法，使系統(tǒng)運(yùn)行達(dá)到最優(yōu)[9]。

4 數(shù)據(jù)挖掘技術(shù)在暖通空調(diào)領(lǐng)域的應(yīng)用策略

4.1 前饋控制技術(shù)

前饋控制技術(shù)是指以數(shù)據(jù)與模型算法為基礎(chǔ)，通過測量擾動(dòng)的變化和控制器的控制，直接克服擾動(dòng)對(duì)被控變量的影響。大數(shù)據(jù)技術(shù)與計(jì)算機(jī)技術(shù)迅速發(fā)展，前饋控制技術(shù)也在暖通控制領(lǐng)域得到廣泛應(yīng)用，其應(yīng)用主要體現(xiàn)在以下幾方面：

（1）在暖通空調(diào)系統(tǒng)優(yōu)化控制中的應(yīng)用：前饋控制技術(shù)可對(duì)暖通空調(diào)冷源設(shè)備運(yùn)行參數(shù)進(jìn)行控制優(yōu)化，冷水機(jī)組是冷源系統(tǒng)的關(guān)鍵設(shè)備之一，其運(yùn)行能耗受負(fù)荷、冷水供回水溫度以及設(shè)備運(yùn)行狀態(tài)的影響，研究人員以此為基礎(chǔ)對(duì)冷水機(jī)組的運(yùn)行進(jìn)行了前饋控制預(yù)測[10]。此外，利用前饋控制技術(shù)還能調(diào)節(jié)控制空調(diào)水系統(tǒng)的運(yùn)行參數(shù)，研究人員針對(duì)變風(fēng)量空調(diào)系統(tǒng)送風(fēng)溫度控制回路、送回水溫差控制回路中擾動(dòng)大以及延時(shí)大的特點(diǎn)，利用前饋控制技術(shù)實(shí)現(xiàn)了變流量以及變量運(yùn)行的空氣調(diào)節(jié)[11]。

（2）在室內(nèi)熱環(huán)境中的應(yīng)用：影響人體舒適的因素很多，例如環(huán)境溫度、空氣流速等，故利用合適的控制算法優(yōu)化暖通空調(diào)設(shè)備，對(duì)提高室內(nèi)熱舒適性有重要影響，有學(xué)者發(fā)現(xiàn)室內(nèi)空氣品質(zhì)可以通過模型預(yù)估計(jì)來控制，室內(nèi)溫度可以通過集中式和分布式模型預(yù)估計(jì)控制來設(shè)定，并基于預(yù)測算法對(duì)室內(nèi)空氣調(diào)節(jié)進(jìn)行了分析，研究出一種基于暖通空調(diào)參數(shù)模型的前饋解耦廣義預(yù)測控制算法，最終實(shí)現(xiàn)了良好的熱舒適性[12]。

4.2 概率神經(jīng)網(wǎng)絡(luò)技術(shù)

概率神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用主要是通過對(duì)構(gòu)建的暖通空調(diào)模型分析研究，制定降低能耗的策略，概率神經(jīng)網(wǎng)絡(luò)，即PNN，是一種前饋神經(jīng)網(wǎng)絡(luò)，它是由徑向基核函數(shù)神經(jīng)網(wǎng)絡(luò)演化而來，在暖通空調(diào)工程應(yīng)用中，主要是利用概率神經(jīng)網(wǎng)絡(luò)中的線性學(xué)習(xí)算法與非線性學(xué)習(xí)算法來解決數(shù)據(jù)分類問題，輸入層、模式層、求和層與輸出層構(gòu)成了概率神經(jīng)網(wǎng)絡(luò)模型，結(jié)構(gòu)圖見圖6，操作簡單且數(shù)據(jù)精度更高[13]。

如圖6所示，輸入層的主要功能訓(xùn)練傳輸來的暖通空調(diào)相關(guān)數(shù)據(jù)，再將輸入好的數(shù)據(jù)傳輸?shù)较乱荒Ｊ綄?；模式層主要功能顯示暖通空調(diào)數(shù)據(jù)中各個(gè)模塊與輸入層傳輸?shù)奶卣飨蛄恐g的對(duì)應(yīng)關(guān)系；求和層主要功能為運(yùn)算，這一層的神經(jīng)元數(shù)目與樣本層的神經(jīng)元總數(shù)相同，神經(jīng)元只與圖案層的相應(yīng)神經(jīng)元連接；輸出層主要功能為接收求和層的輸出的結(jié)果，然后在所有神經(jīng)元的輸出層找到一個(gè)神經(jīng)元的后驗(yàn)概率密度最大值。利用概率神經(jīng)網(wǎng)絡(luò)技術(shù)降低暖通空調(diào)能耗的主要措施有：（1）提高蒸發(fā)溫度，降低冷凝溫度，減少溫差，經(jīng)驗(yàn)值每降低1，主機(jī)能效提高3倍；（2）降低泵的頻率；（3）預(yù)測水系統(tǒng)的滯后性；（4）動(dòng)態(tài)調(diào)節(jié)各種參數(shù)，在特定空間內(nèi)調(diào)節(jié)空氣溫度、濕度、氣流速度和清潔度，以滿足人體舒適性的要求[14]。

4.3 專家系統(tǒng)

建筑暖通空調(diào)是一個(gè)復(fù)雜龐大的系統(tǒng)，很容易發(fā)生故障，在系統(tǒng)運(yùn)行過程中，要求設(shè)備在發(fā)生故障后能立即被清除，專家系統(tǒng)特別擅長處理這種問題，故有必要將專家系統(tǒng)應(yīng)用于暖通空調(diào)故障檢測中。首先專家系統(tǒng)會(huì)根據(jù)發(fā)生的故障利用推理網(wǎng)絡(luò)找到故障位置，建立診斷模型，判斷故障原因。此外，當(dāng)暖通空調(diào)發(fā)生較嚴(yán)重故障的時(shí)候只能停機(jī)檢修，影響到人們的日常生活，專家系統(tǒng)具有擬人智能的能力，主要研究定性系統(tǒng)控制與決策問題，且已經(jīng)超出了全信息控制論的范疇，在暖通空調(diào)故障檢測與運(yùn)行管理起著重要作用[15]。

5 結(jié)語

綜上所述，將數(shù)據(jù)挖掘技術(shù)應(yīng)用于建筑暖通領(lǐng)域，有效促進(jìn)了暖通空調(diào)行業(yè)進(jìn)步發(fā)展，本文簡要分析了暖通空調(diào)數(shù)據(jù)挖掘技術(shù)應(yīng)用思路，以及數(shù)據(jù)挖掘技術(shù)中前饋控制技術(shù)、概率神經(jīng)網(wǎng)絡(luò)技術(shù)與專家系統(tǒng)在暖通空調(diào)領(lǐng)域的具體應(yīng)用，促進(jìn)建筑行業(yè)智能化發(fā)展。