论文部分内容阅读
摘要：现如今，人们对生活环境提出了热舒适性的要求，进而大大提高了建筑的能量消耗，这对我国资源供给带来极大的挑战。通过构建建筑能耗模型以后，能够对建筑能耗进行定量分析和定性分析，但是这些模型并没有对建筑的热物性能、多变的能量消耗、变化多端的气象条件进行深入考虑，因而在实际运用这些模型过程中存在一定的约束和限制。自智慧建筑出现以来，能够有效记录多种数据，包括系统运行数据、气象数据、大量建筑物实测数据等，楼宇自控系统也变得越来越为完善。通过运用数据挖掘技术，能够将数据之间存在的潜在内部联系予以发现，能够有效运用数据，以为暖通空调对数据挖掘技术的运用提供新的思路。
关键词：暖通空调;数据挖掘技术;推行对策
改革开放以来，随着物质生活水平的提高，人们对所处环境的热舒适性要求导致建筑能耗不断提高，对资源的供给构成了巨大的挑战。传统能耗计算通过诸如EneryPlus、DeST等对建筑进行建模后，定性、定量的分析，然而这些模型未考虑不断变化的气象条件，多变的能耗或建筑的热物性能，使得其使用受到一定限制。随着智慧建筑的兴起，楼宇自控的不断完善，海量建筑物实测数据、气象数据、系统运行数据等被记录，通过数据挖据，发现数据之间潜在的内部联系，将数据有效的应用起来，为其在暖通空调中的应用提供新的思路。
一、大数据挖掘的开发体现
对于计算机挖掘技术的研究工作，为了进一步了解挖掘技术的功能，在保证挖掘技术质量的前提下，可以把挖掘技术运用到社会的不同行业，促进计算机挖掘技术的进步，并得到深入的开发和利用。在传统意义上的统计方法主要包括统计预测、抽样调查和多元化统计。在这三种方法中，抽样属于以大量数据为前提的抽样调查技术，多变量属于结构复杂的数据分析方法，回归和对数分析都称为统计预测。大多数计算机其中的数据没有非常显著的特征。在这个阶段，可以使用图表等方式来实时显示数据，并直观地显示数据的特征。散点图等可视化技术层出不穷，而现在可视化技术在高维数据领域还有很多技术难点亟待解决。这种处理方法是一种通过计算机联机分析数据的处理方法。在线分析过程中，客户之间应积极配合，积极提出相关的数据分析要求。决策树主要用于对数据和预测数据这两个领域进行分类。在大多数情况下，神经网络分为三层：第一层是输入，第二层是隐藏，第三层是输出。通过这种方式，对数据进行调整和计算，并对数据进行分类和总结。
二、暖通空调数据挖掘技术应用现状分析
（一）冰蓄冷空调负荷预测与控制策略
冰蓄冷空调对负荷预测有着很强的需求。太阳辐射辐射强度、室外温度湿度、室内设计温度以及维护结构热物性等都是影响冰蓄冷空调系统的主要因素，收集数据，选择适宜的模型，并进行训练，在保证一定精度的条件下，对第二日逐时冷负荷进行预测，根据第二日电价，合理分配冰蓄冷装置和制冷機组各应提供的冷量，提前在电价谷段对蓄冰量进行控制，并制定实际操作策略，在电价峰段最大限度使用冰蓄冷，减少富裕冰量，或蓄冰过少造成在电价峰段过多的使用制冷机。通过对负荷的预测，不仅降低了设备的运行成本，而且还提高了用户的经济效益。
（二）冰蓄冷空调负荷的预测与控制
对于负荷的预测，冰蓄冷空调对其具有非常强烈的需求。冰蓄冷空调系统存在很多影响因素，包括维护结构热物性、室内设计温度、室外温度湿度、太阳辐射辐射强度等。为预测冰蓄冷空调的负荷，需要对相关数据进行收集，选取合理的模型，进行一定的训练，在确保一定精度的条件下，对第2日的冷负荷进行逐时预测。将第2日电价作为主要依据，对制冷机组、冰蓄冷装置各自需要提供的冷量进行合理分配，在电价谷段，提前控制蓄冰量，同时制定有效的操作对策，在电价峰段对冰蓄冷进行最大程度的运用，对富裕冰量进行有效减少。通过有效预测和控制冰蓄冷空调的负荷，能够对设备的运行成本进行有效降低，能够为用户的经济效益进行有效提高。
三、暖通空调运用数据挖掘技术的推行对策
（一）加深数据挖掘观念
在现时代中，到处存在着大量的数据信息，只有对数据进行充分利用，才能够将数据的潜在价值评估和挖掘出来。暖通行业一定要加深数据挖掘观念，对自身的思维方式进行有效转变，对数据挖掘技术的特点进行深入理解，有效找出不同数据之间存在的内在联系，以提高工作效率。
（二）数据驱动的优化控制策略
就控制策略的研究方式而言，过去主要是采用理论化的分析方法，如数学物理模型、各种仿真平台等。由于理论化过程中，对建筑暖通空调系统或多或少进行了简化，理论误差始终存在，因而实际运行与理论控制总是不能完全相符。在某些情况下，理论建模的简化不当，可能会导致空调系统的实际运行与理论控制出现严重偏差，能源消耗不减反增。为了克服理论方法的缺陷，基于实际运行数据的优化控制方法势在必行：以实际数据为基础，以数据挖掘算法为工具，优化各控制参数，建立数据驱动的优化控制策略方法，实现系统最优化运行。
（三）相关政府部门给予政策支持
政府部门应制定相关政策，给予资金支持，要求建立建筑能耗监测系统，规范数据记录形式。同时主持创建暖通行业大数据相关的公共数据库，鼓励企业或科研机构将不涉密的数据资料进行资源共享，使数据信息变得透明，为广大研究者提供数据支持，降低数据获取的门槛，让更多的专业人才能专注于科研本身。
四、结语：
将数据挖掘应用于暖通空调，能促进暖通空调向数据导向型转变，以数据的形式展现建筑自身属性及其客观规律。在应用不同的算法对数据进行分析的过程中，结合实际工程项目，打造真正的智慧建筑、绿色建筑。
参考文献：
[1]陈焕新，孙劭波，刘江岩，等.数据挖掘技术在制冷空调行业的应用[J].暖通空调，2016，46（3）：20-25.
[2]陈焕新，刘江岩，胡云鹏，李冠男.大数据在空调领域的应用[J].制冷学报，2015，36（04）：16-22.
[3]江涛.分析城市建筑暖通施工的难点和改善措施[J].建材与装饰.2018（49）.
[4]张运楚，韩怀宝，杨红娟，杨崇涛，王兆斌.数据挖掘技术及其在建筑节能中的应用[J].计算机系统应用，2017，26（09）：151-157.
作者身份证号：4205831983****0054
关键词：暖通空调;数据挖掘技术;推行对策
改革开放以来，随着物质生活水平的提高，人们对所处环境的热舒适性要求导致建筑能耗不断提高，对资源的供给构成了巨大的挑战。传统能耗计算通过诸如EneryPlus、DeST等对建筑进行建模后，定性、定量的分析，然而这些模型未考虑不断变化的气象条件，多变的能耗或建筑的热物性能，使得其使用受到一定限制。随着智慧建筑的兴起，楼宇自控的不断完善，海量建筑物实测数据、气象数据、系统运行数据等被记录，通过数据挖据，发现数据之间潜在的内部联系，将数据有效的应用起来，为其在暖通空调中的应用提供新的思路。
一、大数据挖掘的开发体现
对于计算机挖掘技术的研究工作，为了进一步了解挖掘技术的功能，在保证挖掘技术质量的前提下，可以把挖掘技术运用到社会的不同行业，促进计算机挖掘技术的进步，并得到深入的开发和利用。在传统意义上的统计方法主要包括统计预测、抽样调查和多元化统计。在这三种方法中，抽样属于以大量数据为前提的抽样调查技术，多变量属于结构复杂的数据分析方法，回归和对数分析都称为统计预测。大多数计算机其中的数据没有非常显著的特征。在这个阶段，可以使用图表等方式来实时显示数据，并直观地显示数据的特征。散点图等可视化技术层出不穷，而现在可视化技术在高维数据领域还有很多技术难点亟待解决。这种处理方法是一种通过计算机联机分析数据的处理方法。在线分析过程中，客户之间应积极配合，积极提出相关的数据分析要求。决策树主要用于对数据和预测数据这两个领域进行分类。在大多数情况下，神经网络分为三层：第一层是输入，第二层是隐藏，第三层是输出。通过这种方式，对数据进行调整和计算，并对数据进行分类和总结。
二、暖通空调数据挖掘技术应用现状分析
（一）冰蓄冷空调负荷预测与控制策略
冰蓄冷空调对负荷预测有着很强的需求。太阳辐射辐射强度、室外温度湿度、室内设计温度以及维护结构热物性等都是影响冰蓄冷空调系统的主要因素，收集数据，选择适宜的模型，并进行训练，在保证一定精度的条件下，对第二日逐时冷负荷进行预测，根据第二日电价，合理分配冰蓄冷装置和制冷機组各应提供的冷量，提前在电价谷段对蓄冰量进行控制，并制定实际操作策略，在电价峰段最大限度使用冰蓄冷，减少富裕冰量，或蓄冰过少造成在电价峰段过多的使用制冷机。通过对负荷的预测，不仅降低了设备的运行成本，而且还提高了用户的经济效益。
（二）冰蓄冷空调负荷的预测与控制
对于负荷的预测，冰蓄冷空调对其具有非常强烈的需求。冰蓄冷空调系统存在很多影响因素，包括维护结构热物性、室内设计温度、室外温度湿度、太阳辐射辐射强度等。为预测冰蓄冷空调的负荷，需要对相关数据进行收集，选取合理的模型，进行一定的训练，在确保一定精度的条件下，对第2日的冷负荷进行逐时预测。将第2日电价作为主要依据，对制冷机组、冰蓄冷装置各自需要提供的冷量进行合理分配，在电价谷段，提前控制蓄冰量，同时制定有效的操作对策，在电价峰段对冰蓄冷进行最大程度的运用，对富裕冰量进行有效减少。通过有效预测和控制冰蓄冷空调的负荷，能够对设备的运行成本进行有效降低，能够为用户的经济效益进行有效提高。
三、暖通空调运用数据挖掘技术的推行对策
（一）加深数据挖掘观念
在现时代中，到处存在着大量的数据信息，只有对数据进行充分利用，才能够将数据的潜在价值评估和挖掘出来。暖通行业一定要加深数据挖掘观念，对自身的思维方式进行有效转变，对数据挖掘技术的特点进行深入理解，有效找出不同数据之间存在的内在联系，以提高工作效率。
（二）数据驱动的优化控制策略
就控制策略的研究方式而言，过去主要是采用理论化的分析方法，如数学物理模型、各种仿真平台等。由于理论化过程中，对建筑暖通空调系统或多或少进行了简化，理论误差始终存在，因而实际运行与理论控制总是不能完全相符。在某些情况下，理论建模的简化不当，可能会导致空调系统的实际运行与理论控制出现严重偏差，能源消耗不减反增。为了克服理论方法的缺陷，基于实际运行数据的优化控制方法势在必行：以实际数据为基础，以数据挖掘算法为工具，优化各控制参数，建立数据驱动的优化控制策略方法，实现系统最优化运行。
（三）相关政府部门给予政策支持
政府部门应制定相关政策，给予资金支持，要求建立建筑能耗监测系统，规范数据记录形式。同时主持创建暖通行业大数据相关的公共数据库，鼓励企业或科研机构将不涉密的数据资料进行资源共享，使数据信息变得透明，为广大研究者提供数据支持，降低数据获取的门槛，让更多的专业人才能专注于科研本身。
四、结语：
将数据挖掘应用于暖通空调，能促进暖通空调向数据导向型转变，以数据的形式展现建筑自身属性及其客观规律。在应用不同的算法对数据进行分析的过程中，结合实际工程项目，打造真正的智慧建筑、绿色建筑。
参考文献：
[1]陈焕新，孙劭波，刘江岩，等.数据挖掘技术在制冷空调行业的应用[J].暖通空调，2016，46（3）：20-25.
[2]陈焕新，刘江岩，胡云鹏，李冠男.大数据在空调领域的应用[J].制冷学报，2015，36（04）：16-22.
[3]江涛.分析城市建筑暖通施工的难点和改善措施[J].建材与装饰.2018（49）.
[4]张运楚，韩怀宝，杨红娟，杨崇涛，王兆斌.数据挖掘技术及其在建筑节能中的应用[J].计算机系统应用，2017，26（09）：151-157.
作者身份证号：4205831983****0054