1、用智能數據分析檢測建筑物中的能源異常消耗 Xxxxx、摘要 本文介紹一種新的建筑物能源異常消耗的檢測方法，它基于讀出每天的能源消耗值和峰值能耗。如果某一天的能源消耗與以往的能源消耗顯著不同，這個方法將利用離群檢測來測定問題所在。建筑物的能源消耗異常，其相于常態的變化總量可以使用對平均值和標準差的魯棒估計來確定。這種新的數據分析方法將檢測到以往未曾注意到的問題，由此降低運營成本。此外，操作者不必手動檢測故障或診斷錯誤警報，可以節省時間。新的數據分析方法已成功地檢測到許多建筑物中的高能源消耗。本文介紹的為建筑物進行的實際測試結果反應出下列問題：機組故障和不良控制方法，設計不良的通風和空調設備，以及
2、不當的設備操作引發的配電盤的變化。關鍵詞：能源消耗；故障檢測；離群分析；性能監測；魯棒統計1引言 能源管理和控制系統可收集和儲存大量的能源消耗數據。設備操作員會被這樣數目的數據所壓倒。對于許多操作員而言，由于數據超載，能源管理和控制系統不可能檢測設備、設計或操作問題。現代建筑物管理系統有兩個系統，用來為操作員提供這些超載數據：警報與預警系統和數據可視化程序。今天，操作員必須選擇警報和預警的閾值。這是一項艱巨的任務。如果閾值太緊，那么系統會發出一些假警報，而如果閾值太松，那么設備或系統的故障可能不會被發現。數據可視化程序可以幫助建筑物管理員檢測和診斷問題，但大量的時間被花費在問題的檢測上。此外，
3、不同操作員的建筑專業知識有很大差異。新的或缺乏經驗的操作員可能會遇到檢測困難，而且一個操作員的工作情況會隨時間在幾天或幾周內變化。 研究團體已經為建筑物和供暖、通風和空調系統制定了許多故障檢測方法。兩個主要的研究成果由國際能源工程處取得：見參考資料 2512和 34 3。這里有兩個故障檢測與建筑物診斷的基本方法：組件級別（自底向上）的方法和整幢建筑（自頂向下）的方法。組件級別的方法在個別系統中尋找故障，比如變風量箱、空氣處理設備、冷水機組或鍋爐。整幢建筑的方法在高級別測量中尋找異常，比如整幢建筑的制冷、供熱或電力消耗。 克拉里奇等人描述了一個能源消費檢測方法，來幫助建筑物操作員和設備管理員確定
4、建筑物系統是否在正常工作。這個報告包含三個月期間內每日冷卻水能源消耗量與每日平均溫度的對比和每日熱水消耗量與每日平均溫度的對比的散點圖。在最后一個月，散點圖使用字母（M，T，W，H，F，S，U）來確定一周中的每天。這些字母幫助建筑物操作員確定在特定的一天中異常的能源消耗。報告還包含冷卻水消耗和整幢建筑電力消耗的二維和三維時間序列圖。通過檢查這些坐標，建筑物操作員可以識別出一天的能源異常消耗。為了查看建筑物能源數據，哈伯爾和阿巴斯56審查了幾個新的圖形顯示。 多迪爾和克里德為整幢建筑物的能源問題提出一個檢測方法，如下列能源的使用：整幢建筑物總電能、整幢建筑物總熱能、暖通空調與其他制冷電能和制冷機
5、的能源使用。他們用能源消費指數（ECI）來測定能耗是否是高于正常、正常或者低于正常水平。如同確定一個神經網絡，ECI 是實際能源消耗與預期能源消耗的比率。如果該比率高于上限（例如 1.125），那么這個系統的狀態高于正常系統。如果該比率低于下限（例如 0.875），那么這個系統的狀態低于正常系統。如果該比率在下限和上限之間，那么這個系統的狀態是正常的。ECI 圖表將幫助建筑物操作員識別能源消耗的重大變化。多迪爾和克里德的圖表顯示了 ECI 每周的循環。 本文介紹了一個自動檢測建筑物能源異常消耗的智能數據分析方法。用此方法，操作員將不必通過費時費力地手工檢查圖表來發現異常的能源消耗。取而代之的是
6、，操作員或維修員可以僅進行建筑物異常消耗的檢查。這個方法決算一周中分成組的日子的能耗變化與一周中類似的電力消耗。如果能源消耗與以往有明顯偏差，就要用魯棒異常檢測方法來判斷。對于異常時期的能源消耗，偏離正常的數額一定要使用魯棒統計方法。2數據分析方法概況 圖 1 顯示了識別建筑物能源異常消耗必需的主要步驟。特征提取模塊測定特征，例如每日平均消耗或一天中的最高負荷的能源數據，如整幢建筑的電力消耗。它是功能是基于將一周中有類 （ 術語似能源消耗概況的幾天分組。在本文中， “日期類型”是指一周中有類似消耗概況的某幾天。）在基于日期類型為數據分組之后，當同一日期類型的特征有顯著差異時，異常識別用于測定特
7、征。如果有任何異常被識別，就有一個 Z 分被修改，用來從一個標準的觀測數據測定總量和變化趨勢。（Z 分也稱為標準分。）之后，魯棒離群判定方法的細節和用魯棒方法從標準值確定出的總變化量被顯示。 圖 1.異常能源消耗檢測框圖3離群值的鑒別： GESD 多離群程序 一個離群值是一個觀測數據，即產生于大多數觀測數據集合中的不一致數據。例如，在數據集合（1，2，-1，0，3，2，101，-2）中，觀測數據 101 是一個出現的離群值。數據集合可能包含不止一個離群值。例如，在數據集合（1，2，-1，0，3，2，101，-2 ，96 ，2，0，-209）中，觀測數據 101，96，和-209 是出現的離群值
8、。 巴內特和劉易斯11提供了幾種常見離群值識別方法的詳細資料。在幾種比較流行的離群值識別方法之中，因為由羅斯納建議的離群檢測算法（ESD）的多離群程序在多種條件下行之有效，故伊格伍茨和霍格林高度推薦此方法。 綜合 ESD 多離群程序可以標識一個集合中的 圖離群成份。 2 是在一個有 n 個觀測數據 Xx1，x2，x3，xn的集合中確定一個或多個離群值的流程圖。用戶需要指定概率 ，它是當沒有離群值存在時錯誤的宣告有一個或多個離群的概率，和一個最大值 nu，它是一個潛在的離群值。凱里等人認為，通過找到滿足不等式 nu0.5n-1的最大整數的方法，最大值（nu）可以被測定。以下是關于圖 2 中編號塊
9、的詳情。 圖 2.執行羅斯納的綜合多離群程序流程圖塊 1：設定 nout 0 。這一步是使離群的初始化數值為 0。塊 2：計算集合 X 中元素的平均值（ x ）。平均值由公式計算出。Xj 是集合 X 的成員集合，n 與集合 X 中的數值元素相等。 nj 1 x jx n 。標準差由公式確定。塊 3：計算集 X 中元素的標準差（s）s nj 1 x j x 2 n 1塊 4：s0。如果集 X 中元素的標準差是零，則檢查這個塊。如果標準差等于零，那么集合 X 中的元素都有同樣的值，而且在集合 X 的其余元素中沒有離群值。（在實際檢驗了這種方法后，在幾個數據集合中有一個集的合標準差為零。）為了防止在
10、塊 6 中除以零，當塊 3 的標準差一定為零時執行塊 10。塊 5：在集合 X 中找到第 i 個極值。極值元素（xe，i）是集合 X 中與 x 相差最大的。在集合 X 中的所有元素中，當 x i 是集合 X 的一個元素時，極值元素 xe，i 使函數xj- x 增至最大限度。塊 6：計算第 i 個極限偏離值 Ri。極限偏離值由公式計算。Ri 是一個與第 i 個極值有多大差距的規格化測量，從塊 2 的平均值測量。 x e i xRi s塊 7：計算第 i 個關鍵值 i。羅斯納發展下面的方程式來測定關鍵值。 n 1t ni 1 pi n i 1n i 1 t n2i 1 ptn-i-1p 是帶有（n
11、-i-1）自由度和由尾部概率 p 確定的學生 t 分布。p 確定于p 2n i 1阿伯拉莫維茨和斯特岡14為估計學生 t 分布而驗證了方程式。塊 8：Rii。這個塊確定如果第 i 個極值隨著極端量偏離，Ri，塊 6 的測定值比第 i個臨界值大，i 從塊 7 中測定。塊 9：設定 nouti。這個塊設定離群的數量，nout 與 i 相等。塊 10：從集合 X 中移去極值元素 xei。極值元素 xei 被從集合 X 中移去，移去極值元素 xe，i 之后，集合 X 中的元素數量是 n-i。如果 i 等于 nu，那么執行塊 11，否則轉到在i 上的循環。塊 11：離群xe1， xe2，xe nout。
12、這個塊確定極值離群。第一個在塊 5 中被確定的 nout 極值被認為是離群值。注意，所有在塊 5 中測定的極值都不是離群值。4改良 Z 分 為了幫助設備操作員對離群進行嚴格分類，改良 Z 分用于從典型測定值的變量中確定離群的程度與在某個方向的趨勢。圖 3 是一個由 n 測定值組成的集合 Xx1，x2，x3，xn確定改良 Z 分的估計均值和標準差的流程圖。以下是圖 3 中編號塊的詳情。 圖 3.確定離群值改良 Z 分流程圖塊 1：在集合 X 中識別離群值。在上一節中描述過用綜合 ESD 多離群程序描述集合 X中的離群（xe1， xe2，xe nout） 。 。離群是集合 Xout（即 Xout
13、xe1， xe2，xe nout ）如果這不是集合 X 中的離群，那么 Xout 是一個空集。塊 2：測定非離群集合數據。測定集合 X 中不包括離群 Xnon-out 集合的數據。在方程式中，非離群集合數據由公式確定。X non out x x Xandx X out 塊 3：計算非離群集合數據的平均值。對平均值的魯棒估計， x robust ，是集合 Xnon-out 元素的平均值。其中 xjXnon-out 和 nout 是集合 X 中的離群值。 nj 1 out x j nx roubst n nout塊 4：計算非離群測定值的標準差。標準差的魯棒估計，Srobust，是 Xnon-ou
14、t 集合元素的樣本標準差。s robust n nj 1 out x j x roubst 2 n nout 1塊 5：計算改良 Z 分。改良 Z 分是離群的魯棒標準差和從由魯棒估計得到的數值的均值。在方程式中，我們可以用公式確定改良 Z 分。 x outlier x robustzm s robust 其中 Xoutlier 是一個離群值。5現場測試結果 我們使用數據分析的方法介紹在以前的項目中對 97 幢建筑物的電能消耗數據的分析。在對特殊的一天進行能源消耗分析時，能源消耗被與之前的日期類型的能源消耗進行比較。分析中使用的之前的天數最大值被限制在 30 天之內。97 幢建筑物中的大部分并沒
15、有異常的高能源消耗。這個項目包含了三個有異常高能源消耗的測試結果。 在節假日和如異地公司會議期間的特殊事件中，許多建筑物有異常低的能源消耗。在本文中描述的方法對這些不尋常的狀況來說是穩健的。例如，在能源消耗低的寒假期間，這個方法在一月的開始沒有檢測錯誤的離群值。此外，在本研究中，我們并沒有發現這個方法因錯誤的檢測高離群值而失敗的位置。 檢測異常能源消耗的方法需要日期類型的知識（即，一周中具有相似的能源消耗類型的日子）。有三個基本方法來確定日期類型：操作員可以基于建筑物能源消耗的知識來選擇日期類型，操作員可以利用時間序列或箱形圖1718，來確定日期類型，或模式識別算法可以自動確定日期類型 19。
16、操作員可以建筑物使用知識來選擇日子，或者利用圖表或時間序列圖來確定具有相似能源消耗的日子。圖 4 是一個雙面板箱形圖（格狀圖2021）從這個圖表，我們可以得出有兩種日期類型的結論：平日（周一到周五）和周末（周六和周日）。 圖 4.每日平均消耗與峰值需求雙面板箱形圖 圖 5 是一座電信大樓的每日峰值電能消耗的時間序列圖。離群分析方法確定了 8 月7 日的能源消耗畸高。平均值和標準差的魯棒分析確定了能源消耗的標準差 10 高于 8月 7 日的平均值。在對高能源消耗分析的調查中顯示了一個造成主機組故障的控制問題。在主機組出現后，次機組啟動以滿足冷負荷。在主機組重新啟動后，兩臺機組同時運行且需求極限控
17、制過去常常沒有限制機組的電能消耗峰值。8 月 7 日的高電能使用讓用戶付出了大約 1200 美元。為了預防這個問題，用戶修正了控制方式來防止兩臺機組同時運行。 圖 6 顯示第二座電信大樓的能源使用的每日峰值和平均值，它使用區域供熱。用戶已經達成協議，在供應商要求的時間段內不使用（減少）區域熱能。在 12 月 6 日和 17日，電能消耗的平均值和峰值因供應商要求用戶不使用區域熱能而畸高。用戶就用電熱鍋爐來加熱水。這造成電費增加約 4300 美元。如果區域熱能供應商削減的能源成本大于由減少區域熱能造成的高電能消耗，用戶應確定使用何種能源。圖 5.一座電信大樓由機組故障引起的高離群值 圖 6.一座電
18、信大樓由于數據中心縮減區域供熱 引起的高離群值 圖 7 顯示了第二座電信大樓的能源使用的峰值和每日值。在 2000 年 2 月 8 日，新電力配電盤安裝完畢。為了測試這個配電盤，許多電氣設備都在運行。這引起了峰值電能消耗大幅攀升，并為用戶增加了約 10000 的美元電費。用戶可以在低電價期執行測試以降低電費損失。 圖 8 顯示了第三座電信大樓，它具有在室外溫度低時不調整大小以允許自由冷卻過程的管道系統。利用室外冷空氣來減少或消除機械制冷的控制方法通常被稱為經濟周期控制22。 圖 ?綣艿老低車拇笮市砭彌芷誑刂疲?8 所示的高離群值是可以避免的。11 月 9 日和 10 日的高電能消耗讓建筑物所有
19、者支付了約 600 美元。圖 7.一座電信大樓由于設備測試引起的高離群 圖 8.一座電信大樓由于暖通空調系統故障引值，其次，高離群值符合改良 Z 分 起的高離群值，其次，高離群值符合改良 Z 分6結論 本文提出了一種使能源消耗數據轉化為信息的新方法。該方法計算有效，從而可以在今天的建筑節能管理和控制系統中實現。如果能源消耗與先前有較大的不同，該方法采用魯棒統計的方法。如果能源消費源大幅增加，建筑物管理員或維修人員會進行調查和糾正問題，以防止今后再出現這樣的情況。這種新的數據分析方法將使建筑物管理員通過減少檢測運行故障設備的時間來更有生產價值。此外，建筑物能源消耗將因控制、系統或運行的問題被檢測和糾正而降低。致謝 我要感謝吉姆庫默爾、比爾胡特和江森自控公司駐外機構，他們在收集數據和與我們的客戶合作找出問題的起因及相關的能源異常消耗損失中做出了寶貴的貢獻。參考文獻 （略）
全部分類
標準檢索
招標公告
免費下載資料庫
10000份+資源包
千萬vip文檔暢享下載
下載文檔文件編輯即用
網站精選百萬好案
百萬工程地產工作者都在用
微信掃一掃登錄
