汪雨清（上海市建筑科學(xué)研究院有限公司， 上海 201108）

隨著國家建筑節(jié)能政策的持續(xù)推廣和智能化技術(shù)的不斷發(fā)展，全國各地大型公共建筑均建立了智能化樓宇監(jiān)控系統(tǒng)（包括樓宇自控系統(tǒng)、綜合能源管理系統(tǒng)、能耗監(jiān)測系統(tǒng)等），用于實時監(jiān)測建筑能耗的變化規(guī)律。隨著建筑運行數(shù)據(jù)的不斷上傳和保存，智能化監(jiān)控系統(tǒng)中的建筑運行數(shù)據(jù)越來越多。目前主要采用專業(yè)知識和數(shù)據(jù)挖掘的方式[1]對建筑運行能耗進行分析、提煉和發(fā)現(xiàn)，以期更好地指導(dǎo)建筑優(yōu)化運行。

本文將采用數(shù)據(jù)挖掘技術(shù)中 K-means 聚類算法，對典型辦公建筑的全年逐日單位面積建筑運行用電量進行挖掘分析，并結(jié)合三類主要關(guān)鍵影響因素：室外氣候類別、日類別及小時類別確定了典型辦公建筑常見的 4 類運行模式?？偨Y(jié)出 4 類運行模式基本符合正態(tài)分布規(guī)律，從而給出了該辦公建筑在不同運行模式下的合理能耗值，為后續(xù)進行建筑能耗預(yù)測、建筑能耗診斷提供前期技術(shù)鋪墊和支撐。

1 K-means 聚類分析算法

聚類分析是一種基于數(shù)據(jù)挖掘技術(shù)的聚類方式，是研究如何將研究對象（樣品或指標(biāo)）按照多方面的特征進行綜合分類的一種多元統(tǒng)計方法[2]。其中，K-means 算法是聚類方法中應(yīng)用最廣的一種方法。該方法是由 MacQueen 于1967 年提出[3]。該方法的核心算法思想是對于某個有 n 個數(shù)據(jù)（x1,x2,…,xn）的樣本，找到m個聚類中心（a1,a2,…,am），實現(xiàn)每個聚類中心與其周邊樣本數(shù)據(jù)之間的距離平方和達到最小。這個距離平方和即被稱為目標(biāo)函數(shù)，如式（1）所示。

K-means 聚類算法可在多個載體實現(xiàn)。本次選取了Python 作為 K-means 運算的載體，主要流程如圖 1 所示。

圖 1 基于 Python 的 K-means 算法流程

2 辦公建筑運行能耗現(xiàn)狀

當(dāng)前，我國建筑用能約占全國能源消費總量的 27.5%，且能耗占比將隨著人民生活水平的提高逐步增加到 30% 以上。作為公共建筑重要組成部分，辦公建筑通常具有數(shù)量多、能耗強度高等特征[4]，因此辦公建筑將是國家節(jié)能工作的重點。要想做好辦公建筑的節(jié)能工作，做好辦公建筑的能耗管理是一項必要且重要的工作，如能耗統(tǒng)計、能耗預(yù)測及節(jié)能診斷等。因此，首先需要明確各個辦公建筑的能耗運行規(guī)律。結(jié)合辦公建筑自身能耗監(jiān)測系統(tǒng)，采用適當(dāng)數(shù)據(jù)挖掘方法對建筑運行能耗數(shù)據(jù)進行處理和分析，可有效幫助建筑管理人員掌握建筑能耗運行規(guī)律和后續(xù)開展節(jié)能工作。

3 辦公建筑能源管理系統(tǒng)

在國家節(jié)能政策的大力推動下，加上 AI 人工智能技術(shù)、物聯(lián)網(wǎng)技術(shù)的迅速發(fā)展，城市辦公建筑的能源管理已由早期的人工定時、定點巡視管理模式逐漸轉(zhuǎn)變?yōu)樵诰€的建筑智能監(jiān)控系統(tǒng)。建筑智能監(jiān)控系統(tǒng)充分結(jié)合了現(xiàn)代計算機技術(shù)、現(xiàn)代控制技術(shù)和現(xiàn)代網(wǎng)絡(luò)通信技術(shù)，實現(xiàn)了對建筑各種機電設(shè)備運行狀態(tài)（包括啟停、故障、能耗等）進行全面的監(jiān)測、控制和管理[5]。

4 案例研究

基于典型辦公建筑能耗監(jiān)測系統(tǒng)逐日能耗數(shù)據(jù)，首先采用 K-means 聚類算法實現(xiàn)運行能耗數(shù)據(jù)的自動分類，并關(guān)聯(lián)室外氣候參數(shù)及日類別（工作日或非工作日）后，進一步分析了各類能耗呈現(xiàn)的分布規(guī)律，給出了不同室外氣候參數(shù)下不同日類別下的建筑運行能耗臨界值。

4.1 典型辦公建筑概況

典型辦公建筑位于夏熱冬冷地區(qū)，建筑性質(zhì)為涉外標(biāo)準(zhǔn)乙級寫字樓建筑。建筑總層數(shù) 13 層，總建筑面積 21 241 m2。建筑主要功能區(qū)包括大堂、辦公區(qū)域、地下停車庫等，其中大堂層高 4.0 m，標(biāo)準(zhǔn)辦公建筑層高 3.2 m。建筑內(nèi)部主要用能系統(tǒng)包括空調(diào)、照明、電梯、生活水泵等，空調(diào)形式為分體空調(diào)，電梯為客梯 3 部、貨梯 2 部。主要涉及能源為電和水。

4.2 運行能耗聚類分析

基于建筑能耗監(jiān)控系統(tǒng)，獲取了建筑 2018 年全年逐日運行能耗總數(shù)據(jù)。結(jié)合建筑總面積，可獲得建筑逐日運行的單位建筑面積能耗。通過 K-means 聚類分析，設(shè)定 K=4，將建筑運行單位建筑面積能耗分為 4 類，如圖 2 所示。圖 2中各簇數(shù)據(jù)中的淺灰色部分為相應(yīng)簇數(shù)據(jù)的正常數(shù)據(jù)；黑色則為該簇數(shù)據(jù)的異常值，進一步分析時將剔除。

圖 2 建筑單位面積用電量聚類結(jié)果圖

4.3 關(guān)聯(lián)關(guān)鍵影響因素

重點分析了每簇類中 9:00～17:00 逐時能耗，關(guān)聯(lián)室外氣候和日類別兩類關(guān)鍵因素，具體如表 1 所示。

表 1 各簇數(shù)據(jù)與日期及室外氣候關(guān)聯(lián)

4.4 統(tǒng)計分析特征分布

4.5 確定不同簇類數(shù)據(jù)臨界值

各簇數(shù)據(jù)確定特征分布后，按分布規(guī)律確定各簇數(shù)據(jù)的置信區(qū)間，從而給出實際運行能耗數(shù)據(jù)應(yīng)處于的區(qū)間范圍。案例中不同簇數(shù)據(jù)呈現(xiàn)正態(tài)分布規(guī)律，計算相應(yīng)的特征值[包括平均值、標(biāo)準(zhǔn)差值σ、2 倍標(biāo)準(zhǔn)差值 2σ、3 倍標(biāo)準(zhǔn)差值 3σ，如表 2 所示。

表 2 各簇類數(shù)據(jù)正態(tài)分布相關(guān)特征值

標(biāo)準(zhǔn)正態(tài)分布的置信水平可分別表示為 68.2%、95.4%、99.7%，對應(yīng)置信區(qū)間為μ±1σ、μ±2σ、μ±3σ，標(biāo)準(zhǔn)正態(tài)分布置信區(qū)間圖如圖 4 所示。

為避免置信區(qū)間太窄導(dǎo)致無法包含全部有效數(shù)據(jù)，或置信區(qū)間太寬導(dǎo)致部分?jǐn)?shù)據(jù)無實際有效數(shù)據(jù)樣本，本案例中各簇數(shù)據(jù)臨界值按 95.4% 的置信區(qū)間進行劃分確定，各簇類建筑單位面積用電量數(shù)據(jù)的有效置信區(qū)間如圖 5～圖 8 所示。

各簇建筑逐時單位面積用電量數(shù)據(jù)的置信區(qū)間臨界值如表 3 所示。

圖 3 各簇能耗數(shù)據(jù)特征分布

圖 4 標(biāo)準(zhǔn)正態(tài)分布及其置信區(qū)間圖示

將建筑單位面積用電量與室外氣候及日類別兩類因子關(guān)聯(lián)后，針對每天逐時時點 1～每天逐時時點 4 簇數(shù)據(jù)分別進行處理，剔除異常值，進行統(tǒng)計分析，可得每簇類建筑單位面積用電量數(shù)據(jù)的分布特征，基本呈現(xiàn)正態(tài)分布，如圖 3 所示。

圖 5 簇 1 數(shù)據(jù) 95.4% 置信區(qū)間圖示

圖 6 簇 2 數(shù)據(jù) 95.4% 置信區(qū)間圖示

圖 7 簇 3 數(shù)據(jù) 95.4% 置信區(qū)間圖示

圖 8 簇 4 數(shù)據(jù) 95.4% 置信區(qū)間圖示

表 3 各簇類數(shù)據(jù)有效置信區(qū)間臨界值

根據(jù)關(guān)聯(lián)日類別和室外氣候兩個關(guān)鍵因素，結(jié)合確定的不同簇建筑逐時單位建筑面積能耗可知，不同日類別、不同室外氣候下，建筑實際運行逐時單位面積能耗值應(yīng)符合的臨界值如表 4 所示。

表 4 關(guān)聯(lián)法則下逐時單位建筑面積用電量臨界值

表 4 中，各簇數(shù)據(jù)臨界值基本可反映建筑在工作日或非工作日、不同室外氣溫下運行時的能耗情況。若某時建筑能耗高出相應(yīng)臨界值，可及時提醒建筑樓宇能源管理人員，查找原因，排除用能浪費隱患。若某特定情況下，建筑能耗過低，在工作時間甚至為零，除建筑停業(yè)等情況，可查看是否因在線監(jiān)測數(shù)據(jù)傳輸出現(xiàn)故障。

5 結(jié) 語

基于建筑能耗監(jiān)測平臺實現(xiàn)建筑節(jié)能管理將隨著智能化技術(shù)不斷前行發(fā)展成為未來的主流趨勢。本文憑借K-means 聚類算法對建筑整體實際用能進行初步分析，將建筑整體運行能耗模式分為 4 簇。后關(guān)聯(lián)辦公建筑運行能耗影響最大的兩個因子—日類別和室外氣候，指出典型辦公建筑在不同日類別不同室外氣溫下，不同簇類運行模式下的逐時單位面積能耗臨界值，供后續(xù)建筑用能預(yù)測、預(yù)警及診斷。本研究旨在為智能化能耗監(jiān)測系統(tǒng)能夠更好地服務(wù)于建筑節(jié)能運行管理提供一種理論研究和分析方法，供后續(xù)開展相關(guān)研究借鑒。