基于数据挖掘技术的建筑能耗分析集成方法

传统的建筑能耗监测方法难以有效地发现能耗数据特点以及能耗数据之间的潜在关系,对异常能耗数据的判断缺乏准确性。针对上述问题,提出基于多种数据挖掘方法的建筑能耗分析集成方法。通过优选分类、离群点分析、关联分析,以及预测等数据挖掘相关算法,新集成方法挖掘蕴含在建筑能耗数据中有价值的知识,实现能耗模式分类、能耗异常数据识别、找出影响能耗的相关因素、能耗预测,提供建筑节能辅助决策。通过美国国家再生能源实验室研究支持机构使用的建筑能耗数据集,验证了新集成方法的可行性和有效性。     

基于BIM的建筑能耗监测可视化研究

针对建筑能耗错综复杂,不易分析管理,提出一种基于BIM的能耗监测方法,在内蒙古建设大厦对暖通空调系统进行现场试验。利用现有图纸和三维激光扫描仪及高清相机进行模型数据采集,通过三维模型创建、模型变动提示、模型数据联动,实现建筑能耗监测的可视化,分析研究了过程的有效性。结果表明,将BIM技术与传感技术、工程管理技术深度融合,能够直观反映地物系统设备的真实情况,能产生数据联动变化,并辅以智能化提示等功能,大幅提高节能管理效率。从研究过程可以得出,本方法对于其他类似的复杂建筑能源消耗状况监测具有通用性和工程实用价值。     

基于Kriging插值与VRML的桥梁监测数据可视化方法

就目前桥梁监测系统可视化的现状,从数据插值和VRML两个方面总结了现有研究工作,针对目前桥梁健康监测需求提出了一种基于Kriging插值和VRML的桥梁监测系统数据可视化方法。首先使用修改过的Kriging算法对由桥梁健康监测传感器网络得到的数据进行插值,并为数据点赋予相应颜色,最后将结果加载到三维模型中。实验结果表明,该方法简单快捷,实现了较高的插值精度和可视化效果,在桥梁健康监测数据可视化实现方面具有广泛用途。     

基于采样技术和LightGBM的用户用电异常检测模型

在大数据的时代背景下,我国电力事业信息化的发展日趋重要,尤其是需要使用计算机技术对用电数据进行分析.对于用户用电异常的分析问题,传统方法既耗时又耗力,这就需要引入机器学习的相关方法自动的识别异常信息.现阶段,用电异常分析主要基于传统的异常检测算法或深度神经网络,传统异常检测算法运行精度不足而深度神经网络计算速度又过慢.针对目前存在的不足,本分采用了基于采样技术和LightGBM的用户用电异常检测模型,把用电异常检测问题看作分类问题,并使用当前流行的分类模型LightGBM进行训练,在保证速度快的前提下提高了检测的准确率.     

基于电能计量的违规用电行为检测方法研究

现有违规用电行为检测方法的精度较差,为提高检测结果的准确性,设计了基于电能计量的违规用电行为检测方法。建立违规用电数据预处理方案,保证电力数据的完整性,标记数据的缺失值与异常值,对其进行归一化处理;基于电能计量设计用电数据检测模型,以数据的不平衡度为核心,计算离散型采样值,得到检测的总体模型。在实验中对比多种违规用电行为检测方法,设计欠流用电异常、改变电能表接线异常和扩差用电异常3种用电模型,由数据结果可知,该算法在扩差用电异常模型内的检测效果更好,该检测方法的AP值在同等条件下普遍高于其他3种检测方法,可见其检测精度更高,检测效果更好。     

基于Hadoop的公共建筑能耗数据挖掘方法

针对建筑能耗数据无法有效利用这一问题,提出利用Hadoop分布式架构,结合建筑基本信息对公共建筑能耗数据进行数据挖掘的方法.对基于Hadoop的公共建筑能耗数据挖掘系统进行了初步设计,并对系统的基本架构和各模块的功能进行了设计和说明.同时,对Apriori算法和C4.5算法实现MapReduce分布式设计.以山东省100栋办公建筑制冷期的空调系统耗电量为例进行实验分析,得到6类建筑信息属性对空调系统能耗的影响规律,并生成空调系统耗电量判定树,可判别建筑空调系统耗电量等级,并对样本建筑的节能改造提供具有针对性的建议.     

基于计算机视觉与 BIM 的裂缝可视化管理方法

对结构表面裂缝进行持续检监测与管理对保障结构安全具有重要意义。为实现结构裂缝自动识别与管理,提出了一种基于计算机视觉与建筑信息模型(BIM)的裂缝识别、矢量化处理与可视化管理方法。首先基于深度学习的图像识别方法,从相机拍摄的结构表面图像中提取出裂缝形态的栅格图像;其次,提出了一种裂缝形态栅格图像的自动矢量化方法,获取裂缝形态关键点坐标;最终,使用 Dynamo 程序实现裂缝 BIM模型的自动建模与可视化。该方法可以获取裂缝的拓扑形态信息,并显著降低裂缝信息的存储数据量与可视化难度。通过开展 BIM 构件的碰撞分析,还可准确识别裂缝属于结构中的哪个构件,将裂缝所属的构件编号信息与裂缝宽度信息作为裂缝图元参数写入 BIM 模型,实现裂缝矢量化与裂缝 BIM 模型自动化建模与管理,为大范围、大批量的裂缝自动化检监测与管理提供参考。     

基于BP神经网络锅炉炉膛火焰可视化监测方法研究

为了可视化监测炉膛火焰燃烧状况,提出一种基于级联前向BP神经网络模型的锅炉炉膛火焰可视化监测方法。通过比较选取级联前向BP神经网络作为炉膛温度预测模型,利用图像处理技术得到炉膛火焰辐射能图像对应二维温度场,并采用正则化方法重建炉膛火焰三维温度场。仿真结果表明,根据二维温度场可得火焰等温线走向和分布,根据三维温度场易得火焰中心分布及全炉最高温度点信息,实现锅炉运行控制和异常温度报警,满足燃烧诊断要求并实现炉膛火焰可视化监测。     

基于需求侧管理的电力用户能耗预测分析

由于电力供需的巨大不平衡和季节性气候的变化,容易造成巨大浪费,因此基于住宅建筑能耗预测的需求响应将在电力需求侧管理机制中发挥着重要作用.为此,论文提出一种基于用电基础数据对整个地区住宅建筑用电等级进行预测的模型.该模型首先利用数据挖掘技术来发现和总结数据中隐藏的用电模式.其次,将粒子群优化K均值算法应用于聚类分析中,用电量水平由聚类中心划分.最后,提出了一种以支持向量机为基本优化框架的高效分类模型.试验证明,模型的预测性能大大优于传统方法,对合理配置供电容量和提高电网整体质量具有一定的参考价值.     

基于热舒适度的办公建筑HVAC系统节能控制

建筑节能控制是一个满足舒适需求条件下的多目标优化问题,然而对于缺失运行数据的新建建筑,如何控制供暖、通风和空调(HVAC)系统达到既舒适又节能的效果是一个控制难题.针对这个问题,本文首先建立了新建建筑空间模型,然后对该模型进行能耗仿真分析,在此基础上,提出基于人员热舒适度的模糊控制算法,得出最优控制区间,从而在较低能耗水平情况下获得更长的热舒适天数,达到既节能又舒适的目标.基于人员热舒适度的节能控制对建筑HVAC系统绿色运行具有促进作用.