大数据驱动的中央空调系统多维度运行规律识别及能效诊断方法研究

The energy efficiency diagnosis of centralized air-conditioning systems is of great significance to building energy saving. The wide adoption of information technologies has provided massive amounts of building operational data, which enables the development of big data-driven methods to achieve accurate and automatic energy efficiency diagnosis. Nevertheless, there is still a lack of advanced analytical methods to fully utilize massive building operational data for the efficient operation of air-conditioning systems. This project aims to develop big data-driven methods for multi-dimensional operating pattern identification and energy efficiency diagnosis of centralized air-conditioning systems. Firstly, cross-sectional data mining-based methods are developed to identify static operating patterns. Secondly, time-series data mining-based methods are developed to identify dynamic operating patterns. The static and dynamic operating patterns are described in various knowledge representations, such as association rules and temporal sequential patterns. Thirdly, statistical methods are developed to integrate the operating patterns identified, based on which a hierarchical data-driven strategy is proposed to achieve online energy efficiency diagnosis from system- to component-levels. The methods developed will be tested and validated based on actual building operational data and domain expertise. This project will provide novel big data-driven methods and practical tools for the energy efficiency diagnosis of centralized air-conditioning systems. The research outcomes will be helpful for achieving accurate and intelligent building energy management.

中央空调系统能效诊断是实现建筑节能的重要途径。信息化技术的广泛应用为建筑领域提供了海量运行数据，也为实现大数据驱动的精细化、自动化能效管理提供了有利条件。然而，如何构建有效的大数据分析方法，提高空调系统运行效率仍然是建筑领域亟待突破的技术壁垒。本项目以数据挖掘技术为工具，旨在建立一套大数据驱动的中央空调系统多维度运行规律识别及能效诊断方法。首先，基于横截面数据挖掘技术，建立静态运行规律识别方法，以关联法则等形式描述出典型的静态运行规律；其次，基于时序数据挖掘技术，建立动态运行规律识别方法，以时序模式等形式描述出典型的动态运行规律；最后，建立大数据驱动的梯级能效诊断策略，通过统计方法整合各类运行规律，实现从系统到设备层面的在线诊断，并基于实测数据和专家知识进行方法验证。本项目可以为中央空调系统的能效诊断提供新型大数据驱动的分析方法及实践工具，研究成果有助于实现精细化、智能化的建筑能源管理。

有效管理及优化中央空调系统能效表现是实现建筑节能的重要途径。建筑物联网、传感通信等信息化技术的广泛应用为建筑运维提供了海量数据基础，有助于实现大数据驱动的精细化、自动化能效管理技术。然而，中央空调系统内部运行规律复杂，其运行数据具有海量、高维、低质等显著特征，如何有效分析及应用这类数据资源仍是建筑领域亟待突破的技术壁垒之一。.由此，本项目以数据挖掘、机器学习等为基础工具，致力于研发高效、通用的中央空调系统多维度运行规律识别及能效诊断方法，主要研究内容包括：.（1）针对中央空调系统运行规律和数据特性展开研究，建立了可适配多类型分析算法的数据预处理方法，形成了面向数据清洗、数据降维、数据分割、数据转换等预处理任务的定制化解决方案，有效提升建筑运行数据分析效率及所获知识的可靠性；.（2）从横截面运行数据角度出发，提出了基于统计指标、线性主成分分析、非线性自编码器等的数据表征方法，结合多种非监督学习算法识别中央空调系统静态运行规律，形成数据驱动的决策流程，高效完成典型模式识别、能效异常检测等任务；.（3）从时序运行数据角度出发，提出了基于深度循环神经网络、集成学习等的预测建模方法，通过数据模型量化表征中央空调系统内部变量的复杂动态关系，获取了相关方法在短期能源预测、典型设备能效诊断、系统需求响应中的表现规律；.（4）针对实践中可能遇到的数据质量问题构建解决方案，创新建立了基于迁移学习、半监督学习、生成式学习等机器学习新范式的分析技术，通过数据实验验证了不同学习范式在多类型数据场景中的应用潜力，有效提高了数据驱动技术在空调系统能效管理中的可靠性和可行性。.本项目超额完成既定目标，发表学术论文20篇，授权软件著作权4项，培养硕士研究生7人。本项目研究成果可显著提高海量建筑运行数据的应用效率及节能价值，有助于推动人工智能、机器学习等前沿技术在建筑运维领域的创新应用，助力建筑运维技术的智慧化转型升级。

内容获取失败，请点击重试