辦公建筑能耗數(shù)據(jù)異常檢測

戴寧芳 譚洪衛(wèi)，3

1 同濟(jì)大學(xué)綠色建筑及新能源研究中心

2 同濟(jì)大學(xué)機械與能源工程學(xué)院

3 聯(lián)合國環(huán)境規(guī)劃署-同濟(jì)大學(xué)環(huán)境與可持續(xù)發(fā)展學(xué)院

中國是世界第一大能源消費國[1]，建筑能耗占社會總能耗的比重超過了20%[2-3]，其中，公共建筑以不到居住建筑50%的面積占了建筑總能耗的38%[4]。因此，公共建筑節(jié)能潛力巨大。自2007 年來，中國政府制定和頒布了一系列政策法規(guī)和相應(yīng)技術(shù)導(dǎo)則，開展國家機關(guān)辦公建筑和大型公共建筑能耗監(jiān)測平臺，至今積累了許多分項，分類乃至設(shè)備層級的能耗數(shù)據(jù)。

雖然投入了大量人力和財力，但由于數(shù)據(jù)在傳輸環(huán)節(jié)容易受到設(shè)備失效、通信中斷等因素的影響，再加上用能規(guī)律也可能發(fā)生異常狀況，導(dǎo)致目前平臺積累的數(shù)據(jù)質(zhì)量普遍不高。為了獲取高質(zhì)量的數(shù)據(jù)，通常需要對能耗數(shù)據(jù)進(jìn)行異常識別?，F(xiàn)有的異常數(shù)據(jù)檢測方法主要分為三種：基于統(tǒng)計的方法、基于距離的方法、基于密度的方法。

1）基于統(tǒng)計

如果目標(biāo)數(shù)據(jù)集服從一定的分布（例如Gaussian分布），利用目標(biāo)數(shù)據(jù)集可以估計出分布模型的參數(shù)，通過確定可信區(qū)間就實現(xiàn)了異常數(shù)據(jù)檢測。Chen and Wu[5]利用GMM（Gaussian Mixture Model）分離出地球化學(xué)元素調(diào)查數(shù)據(jù)中的異常值。Brown 等[6]定義異?；顒訛橄M量偏差絕對值大于3 倍標(biāo)準(zhǔn)差（3σ 法則）。

箱線圖法是另一種基于統(tǒng)計的方法，它不要求數(shù)據(jù)集服從特定分布，根據(jù)目標(biāo)的上下四分位值就可以確定閾值。Liu 等[7]利用四分位間距來去除變制冷劑流量系統(tǒng)中產(chǎn)生的異常數(shù)據(jù)。

2）基于距離

基于距離的異常檢測是一種較為常見的方法，如果目標(biāo)數(shù)據(jù)點與其他數(shù)據(jù)點的距離過大，則被判定為異常點，這種方法由Knorr[8]率先提出。Li 和Li[9]使用K-means 聚類識別了風(fēng)電系統(tǒng)中的異常數(shù)據(jù)。Fouzi Harrou[10]將交通擁堵殘差數(shù)據(jù)定義為異常數(shù)據(jù)，利用kNN 方法對殘差數(shù)據(jù)的異常值進(jìn)行檢測。

3）基于密度

基于密度的方法是從基于距離的方法發(fā)展而來的。DBSCAN 是一種典型的基于密度的聚類算法。Czerniawski 等[11]將其用于建筑點云的劃分。Yuanqiao Wen 等[12]通過DBSCAN 對船舶AIS 軌跡數(shù)據(jù)中的轉(zhuǎn)折點進(jìn)行聚類，用以獲得轉(zhuǎn)折面積。

另一種典型的基于密度的方法是Breunig 等[13]提出的基于局部離群因子的異常檢測算法LOF（Local Outlier Factor）。相比起基于全局搜索的DBSCAN，LOF 方法還能適用于存在不同密度的數(shù)據(jù)集群。Dinga 等[14]將LOF 算法用于光伏系統(tǒng)中電流數(shù)據(jù)的異常檢測，并通過擴展數(shù)據(jù)集解決了LOF 算法不適應(yīng)小數(shù)據(jù)集的問題。

綜上所述，各種異常識別方法在許多領(lǐng)域有了成功的應(yīng)用，但在公共建筑能耗領(lǐng)域依舊存在算法的適用性和實用性問題。因此，本文提出了一種公共建筑能耗異常識別框架。

1 研究概要

異常能耗可以被分為傳輸異常和運行異常。本文異常檢測框架見圖1。

圖1 異常能耗識別框架

2 能耗異常檢測

2.1 數(shù)據(jù)傳輸異常檢測

2.1.1 值缺失

缺失值通常發(fā)生在數(shù)據(jù)傳輸部署完畢之前，由于系統(tǒng)未配置完全導(dǎo)致的個別電表缺少某段時間的數(shù)據(jù)，在數(shù)據(jù)傳輸部署完畢之后也存在少量缺失的情況。缺失值的識別只需將數(shù)據(jù)按照時間戳匹配，識別流程見圖2。

圖2 值缺失識別流程

2.1.2 電表小數(shù)點跳動

對于個別電表，用電量數(shù)據(jù)可能存在小數(shù)點位移的現(xiàn)象。在圖3 中，17:00 時發(fā)生電表小數(shù)點左移，導(dǎo)致積累用電量減小，該小時用電量為負(fù)值，在22:00 時積累用電量恢復(fù)正常，該小時用電量為偏大值，兩個異常值為同一數(shù)量級，期間的能耗值為正常值。

圖3 小數(shù)點位移異常能耗

提出識別此類異常流程（圖4）。先以負(fù)值確定是否發(fā)生此類異常，再通過搜索鄰近值內(nèi)同一數(shù)量級的對象來獲取另外一個異常點。

圖4 電表小數(shù)點位移識別流程

2.1.3 能耗積累

由于通信等原因?qū)е码姳砝鄯e用電量數(shù)據(jù)傳輸中斷，數(shù)據(jù)采集系統(tǒng)通常會利用前一時刻的數(shù)據(jù)進(jìn)行填補，在這種情況下計算出的能耗數(shù)據(jù)具備特有規(guī)律，本文稱之為能耗積累。根據(jù)數(shù)據(jù)傳輸中斷時間不同，分為長期能耗積累和短期能耗積累。長期能耗積累是指能耗積累時間跨度超過2 h 的情況。在圖5（a）中，13:00 時-16:00 時發(fā)生了長期能耗積累，其異常時間跨度為4 h。13:00 時為積累頭部，能耗值會低于正常值；14:00 時-15:00 時為積累中部，能耗值為0；16:00時為積累尾部，能耗值會大于正常值。短期能耗積累是指積累時間跨度為2 h 的情況。在圖5（b）中，16:00時-17:00 時發(fā)生了短期能耗積累。16:00 時為積累頭部，能耗低于正常值。17:00 時為積累尾部，能耗值大于正常值。

圖5 能耗積累

1）長期積累異常

對于長期積累異常，首先根據(jù)其積累中部為零的特點定位可疑數(shù)據(jù)段，再利用K-means 聚類算法判斷積累尾部是否為異常值，最后根據(jù)其是否在網(wǎng)關(guān)層體現(xiàn)出連帶效應(yīng)來判斷結(jié)果是否可信（圖6）。

圖6 長期積累異常識別流程

2）短期積累異常

對于短期積累異常，首先利用K-means 聚類判斷目標(biāo)數(shù)據(jù)是否具備積累尾部特性，再使用相同方法判斷其前1 h 的數(shù)據(jù)是否具備積累頭部特性，最后根據(jù)其是否在網(wǎng)關(guān)層體現(xiàn)出連帶效應(yīng)來判斷結(jié)果是否可信（圖7）。

圖7 短期積累異常識別流程

2.2 運行異常識別

除了數(shù)據(jù)傳輸異常，能耗異常里的其他部分都可歸因于建筑運行規(guī)律的異常。本節(jié)初步確定了運行異常識別流程。

2.2.1 長期零值異常

造成長期零值異常的原因包括設(shè)備的斷電維修、切換備用等。對于一個數(shù)值大于零的能耗數(shù)據(jù)，如果連續(xù)超過一周能耗為零，該段能耗將被標(biāo)記為可疑能耗，相關(guān)人員應(yīng)去現(xiàn)場尋找原因（圖8）。

圖8 長期零值異常識別流程

2.2.2 其他運行異常

由于異常發(fā)生時，能耗的變化規(guī)律會與往常不符，根據(jù)這個特點可以判斷能耗數(shù)據(jù)是否異常，本文提出了一種基于運行規(guī)律變化特點的異常識別方法。

通過min_max 歸一化消除數(shù)值上的差異并采用箱線圖做異常檢測（圖9）。對于工作日，歸一化后的上下限較為緊密，對異常值的敏感性好；對于休息日，歸一化后的上下限較大，對異常值不敏感。

圖9 日能耗運行規(guī)律（歸一化后）

圖10 為運行異常識別流程，數(shù)據(jù)集將根據(jù)小時和日類型劃分為24*2 種，其算法核心目前為min_max箱線圖。

圖10 其他運行異常識別流程

3 算法拓展

本節(jié)將對比不同方法，對運行異常識別部分的算法核心進(jìn)行拓展。同時，針對不同類型的能耗數(shù)據(jù)，給出了推薦算法。

3.1 算法優(yōu)化

本文選擇了單獨的3σ，LOF 以及普通箱線圖方法與本文提出的異常識別框架在不同情景下進(jìn)行異常識別效果對比。

3.1.1 數(shù)據(jù)類型一

該類數(shù)據(jù)為全年波動較大的能耗，代表辦公建筑的空調(diào)能耗、特殊的照明插座能耗（混入某些與室外氣象相關(guān)的能耗，例如電風(fēng)扇、加熱器）。案例數(shù)據(jù)中最大月與最小月能耗差別34%，存在日類型、小時差異（圖11）。

圖11 建筑能耗畫像

圖12 為幾種方法的識別結(jié)果。對于工作日能耗，基于本框架的異常識別方法具備明顯優(yōu)勢，在異常率為低于5%時，識別的正確率可以保持在90%以上，錯誤率為2%～3%，對于10%以上異常情況正確率大幅下降。3σ 效果最差，這說明建筑能耗分布不服從高斯分布。對于休息日能耗，由于其規(guī)律穩(wěn)定性差，在1%異常率的情況下，本方法的識別率僅為60%。LOF 算法現(xiàn)出了優(yōu)勢的一面，單獨的算法在1%異常率的情況下正確率為80%，錯誤率小于1%。原因是由于不穩(wěn)定工作日能耗數(shù)據(jù)集存在多個數(shù)據(jù)聚集中心，其他方法都是全局搜索型算法，對多聚集中心數(shù)據(jù)集里的異常值不敏感。而LOF 算法利用局部離群因子，將判斷異常的范圍限定在目標(biāo)值附近，識別效果會顯著加強。

圖12 識別結(jié)果

綜上，對于該類型數(shù)據(jù)，異常識別框架內(nèi)的算法核心在工作日時選擇min_max 箱線圖，在休息日時選擇LOF 算法，可得到最好的效果。

3.1.2 數(shù)據(jù)類型二

該類數(shù)據(jù)為全年波動較小的能耗，代表辦公建筑種的照明插座能耗，全年逐月平均工作日能耗逐漸上升說明其用電設(shè)備逐漸增多，具備動態(tài)增長特點。案例數(shù)據(jù)中最大月與最小月能耗差別17%，存在日類型、小時差異（圖13）。

圖14 為幾種方法的識別結(jié)果。在工作日，普通箱線圖的效果最好，即便異常率達(dá)到了20%，其正確率依舊在90%，同時只有少量的識別錯誤數(shù)量。在休息日，普通箱線圖和LOF 方法均有較好的效果，在異常比例小于5%時，正確率都達(dá)到了80%以上。

圖13 建筑能耗畫像

圖14 識別結(jié)果

綜上，對于該類型數(shù)據(jù)，異常識別框架內(nèi)的算法核心在工作日時選擇普通箱線圖，在休息日時選擇LOF 算法，可得到最好的效果。

3.2 不同情景算法拓展

根據(jù)上面的結(jié)果，考慮不同的能耗特點，總共存在四種選擇方案，匯總?cè)缦拢▓D15）。

圖15 核心算法選擇邏輯

結(jié)合以上的算法選擇邏輯和建筑能耗特點，給出不同類型建筑的異常檢測算法推薦，見表1。

表1 公共建筑異常識別核心算法推薦

4 結(jié)語

本文提出了一套公共建筑能耗異常檢測框架。該方法有兩個主要貢獻(xiàn)：一個是將異常能耗分為數(shù)據(jù)傳輸異常和運行異常，根據(jù)數(shù)據(jù)傳輸異常的獨有特點可以實現(xiàn)高識別率和低錯誤率，這為運行異常識別提供良好的數(shù)據(jù)環(huán)境。另一個是采用多種算法的組合，對不同公共建筑能耗的運行異常檢測提供了不同的算法組合。結(jié)果表明，在異常占比達(dá)到5%時，異常檢測結(jié)果的正確率在85%以上，錯誤率在4%以下。

本文的研究結(jié)果可以很容易地部署在目前的能耗監(jiān)管平臺上，無需其他額外數(shù)據(jù)的介入。對于運行異常識別所提供的算法目前只針對空調(diào)能耗和照明插座能耗的層面，缺少對于其子分項的適應(yīng)性研究。未來的研究工作將把目標(biāo)放在這些能耗上，實現(xiàn)更加靈活的異常檢測算法。