论文部分内容阅读
摘要：本文主要探讨数据挖掘技术在高校节能监管的应用，介绍如何利用数据挖掘技术进行能耗分析，以提高节能管理水平，减少高校的能源消耗，为高校的节能监管工作提供系统、科学化的决策指导，从而提塑造年轻一代的节能意识。
关键词：数据挖掘；高校；节能监管；决策
1.高校节能监管现状
当今社会，节能减排已经引起人们的普遍关注，越来越多的政府单位、企业、组织机构和个人自发地投入到节能减排的工作中。高校在一个城市能源消耗中占很大的部分，大学生的在校能耗人均量明显大于全国城镇居民能耗人均量。据统计，国内在校大学生人均用水量是全国居民人均用水量的2倍，能耗是全国居民平均值4倍多。高等院校能源使用缺少科学的计算和管理。如何采用合适的技术手段，将高校能耗的数据信息进行科学处理，提取出有用的规则和知识，挖掘出隐含在这些数据背后有价值的规律和知识，为高校的节能监管工作提供系统、科学化的决策指导，从而提高节能管理水平，减少高校的能源消耗，塑造年轻一代的节能意识。
2.国内外相关研究
国外的高校在资金方、经费等原因在一定的程度上加速了节能监管的开发和研究的推进，所取得的成果也是比较大的，国外的高校在节能监管信息化比较的成熟。在经过长期的节能监管信息化建设历程中，国外的高校使用了成熟的技术框架，立足学校的实际情况对节能监管实现可视化的监管，很大的程度上提高了学校的能源使用率。美国高校建筑和设施的节能改造工程已经进行了十多年，这些学校中比较典型的是位于美国德克萨斯的A&M大学，校园节能监管项目改造工程的投入了不少的资金，节能监管平台的稳定运行，经实测的节能收益超过了平台建设的资金多倍。
我国重视校园节能监管的构建起始于上世纪九十年代，在经过了积极宣传节能监管概念、初期的示范性建设和全方位实行构建的几个阶段。政府以12所高校为首批试点建设节约型校园的学校，并于2009年制定了有关校园建设节约型校园的建筑节能监管系统构建和管理技术的一系列技术指导方法，并将作为今后院校建设校园能源监管平台的理论依据和技术指导。政府近些年加大了节能监管的投入力度，建设节约型校园在经过这些年的研究获得得了不少进步，启动了所节约型校园建设试点。
敖四江[1]等人对目前我国高校校园能源管理存在的问题进行了分析，提出了相应的解决方案，例如尝试引入市场的机制、建立相关机构管理能源、完善管理体系等。高彪[2]等人通过研究上海某综合型大学，对科研楼、图书馆、教学楼、办公楼、宿舍楼等校园典型建筑的用能特点及节能潜力进行了探讨。王旭东[3]通过对天津职业技术师范大学校园能源消耗现状的研究，提出在高等学校构建基于网络系统的能源管理平台是实现节能降耗的重要手段。李道洋、蒙艳玫[4]等以广西大学校园内40栋校园公共建筑为样本建筑，通过多元线性回归分析方法对建筑能耗和影响因子进行分析，得到影响样本建筑能耗的主要因子，并建立了相应的能耗预测模型。季文娟[5]、喻伟[6]等将神经网络模型应用于建筑能耗预测，建立了基于人工神经网络的建筑能耗预测模型，实现了对建筑能耗的预测。在校园节能监管的研究上，主要集中于相关理论和对策制定方面，结合校园节能监管实践的应用研究方面还不够深入，较多的研究集中在利用统计分析研究方法或者数学模型对建筑能耗数据进行分析、预测，结合数据挖掘技术对能耗数据进行分析的研究亟待提高与完善。
3.数据挖掘在高校能源监管中的应用
在數据的分析和处理上面，数据挖掘会发挥重要的作用，它能从数据中提取有价值的信息。从应用层面来讲，数据挖掘是一种决策支持过程，主要基于数据库、人工智能、数理统计技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在模式，帮助决策者减少风险、做出正确的决策。以高校不同类型建筑能耗为例，围绕数据挖掘过程的主要步骤，探讨数据挖掘技术在高校节能监管中的应用。本文的数据挖掘目标为建立起高校建筑能效分析的聚类挖掘模型，通过模型分析，制定降低能耗的策略。
3.1 数据清理、集成与选择
从高校能源数据库中提取近五年来的建筑能耗原始数据，去除无效缺失数据，挑选出科学的、安全的、适用于数据挖掘应用的属性数据进行数据清洗。
3.2 数据预处理
对于高校建筑能耗历史数据，由于测量和记录的严重失误，或由于仪器仪表的突然波动，都会造成数据的缺失。对于有多个属性缺失值的记录，直接将其从样本中删除；缺失的水电能耗数据，用当月系统能耗平均值填补。在不影响数据挖掘结果质量的前提下，尽可能保持了原数据的完整性。数据清洗后，对某些原来没有的属性按需要进行生成，通过泛化、属性离散化处理将数据转换以构成一个适合数据挖掘的描述形式。
3.3数据挖掘应用
从数据挖掘角度看，高校建筑能耗是较好的数据挖掘对象。因高校建筑用能所受到的不确定因素干扰远小于商业、工业等行业，能耗数据表现出的规律性更强。数据挖掘应用一般围绕特定的数据主题进行，高校建筑能耗数据挖掘可应用的主题如下：
（1）能耗预测：高校建筑能耗与建筑地域、建筑类型、建筑年代、建筑面积、建筑用途、建筑材料等众多因素相关，可以使用分类或者回归分析的方法建立起能耗预测模型。
（2）基准评价：通过基准评价，校园管理者可以了解其建筑运行情况，对比本建筑与其它类似建筑的能源消耗差异，如果发现目标建筑比其它同类建筑能耗高，可以采取措施降低能耗；对样本建筑生成关联规则，然后将这些规则应用于待评价的目标建筑，从而对目标建筑的能耗状况进行评价。
（3）运行优化：高校建筑运行能耗的高低很大程度上取决于设备运行管理、维护水平的高低，可以运用关联规则挖掘各子系统之间的关系，也可采用聚类挖掘出不同的运行模式，从而为节能决策提供支持。
4.结束语
高校节能监管是一项长期的工作，更是一个刚刚起步的节能重点项目。数据挖掘技术在高校能耗数据分析方向的应用才刚刚起步。但随着节能监测系统的不断完善、能耗数据的不断丰富，数据挖掘技术的不断深化，必将会有广阔的应用前景。
参考文献：
[1]敖四江.高校能源管理的现状分析及对策探讨[J].能源研究与管理，2010（4）：38-41.
[2]高彪，谭洪卫，宋亚超.高校校园建筑用能现状及存在问题分析一以长三角地区某综合型大学为例[J].建筑节能，2011（39）：41-44.
[3]王旭东.试论高校校园能源管理网络平台之构建[J].职业教育研究，2011（3）：17-19.
[4]李道洋.基于分项实时监测的建筑能耗数值分析[J].广西大学学报，2012，37（5）：965-971.
[5]季文娟.基于神经网络的建筑能耗巧估模型与预测模型研究[D].南京工业大学，2012.
[6]牛棋飞，张永坚，张春华.建筑中能耗拆分方法的研究[J].控制工程，2010（S1）：80-82.
关键词：数据挖掘；高校；节能监管；决策
1.高校节能监管现状
当今社会，节能减排已经引起人们的普遍关注，越来越多的政府单位、企业、组织机构和个人自发地投入到节能减排的工作中。高校在一个城市能源消耗中占很大的部分，大学生的在校能耗人均量明显大于全国城镇居民能耗人均量。据统计，国内在校大学生人均用水量是全国居民人均用水量的2倍，能耗是全国居民平均值4倍多。高等院校能源使用缺少科学的计算和管理。如何采用合适的技术手段，将高校能耗的数据信息进行科学处理，提取出有用的规则和知识，挖掘出隐含在这些数据背后有价值的规律和知识，为高校的节能监管工作提供系统、科学化的决策指导，从而提高节能管理水平，减少高校的能源消耗，塑造年轻一代的节能意识。
2.国内外相关研究
国外的高校在资金方、经费等原因在一定的程度上加速了节能监管的开发和研究的推进，所取得的成果也是比较大的，国外的高校在节能监管信息化比较的成熟。在经过长期的节能监管信息化建设历程中，国外的高校使用了成熟的技术框架，立足学校的实际情况对节能监管实现可视化的监管，很大的程度上提高了学校的能源使用率。美国高校建筑和设施的节能改造工程已经进行了十多年，这些学校中比较典型的是位于美国德克萨斯的A&M大学，校园节能监管项目改造工程的投入了不少的资金，节能监管平台的稳定运行，经实测的节能收益超过了平台建设的资金多倍。
我国重视校园节能监管的构建起始于上世纪九十年代，在经过了积极宣传节能监管概念、初期的示范性建设和全方位实行构建的几个阶段。政府以12所高校为首批试点建设节约型校园的学校，并于2009年制定了有关校园建设节约型校园的建筑节能监管系统构建和管理技术的一系列技术指导方法，并将作为今后院校建设校园能源监管平台的理论依据和技术指导。政府近些年加大了节能监管的投入力度，建设节约型校园在经过这些年的研究获得得了不少进步，启动了所节约型校园建设试点。
敖四江[1]等人对目前我国高校校园能源管理存在的问题进行了分析，提出了相应的解决方案，例如尝试引入市场的机制、建立相关机构管理能源、完善管理体系等。高彪[2]等人通过研究上海某综合型大学，对科研楼、图书馆、教学楼、办公楼、宿舍楼等校园典型建筑的用能特点及节能潜力进行了探讨。王旭东[3]通过对天津职业技术师范大学校园能源消耗现状的研究，提出在高等学校构建基于网络系统的能源管理平台是实现节能降耗的重要手段。李道洋、蒙艳玫[4]等以广西大学校园内40栋校园公共建筑为样本建筑，通过多元线性回归分析方法对建筑能耗和影响因子进行分析，得到影响样本建筑能耗的主要因子，并建立了相应的能耗预测模型。季文娟[5]、喻伟[6]等将神经网络模型应用于建筑能耗预测，建立了基于人工神经网络的建筑能耗预测模型，实现了对建筑能耗的预测。在校园节能监管的研究上，主要集中于相关理论和对策制定方面，结合校园节能监管实践的应用研究方面还不够深入，较多的研究集中在利用统计分析研究方法或者数学模型对建筑能耗数据进行分析、预测，结合数据挖掘技术对能耗数据进行分析的研究亟待提高与完善。
3.数据挖掘在高校能源监管中的应用
在數据的分析和处理上面，数据挖掘会发挥重要的作用，它能从数据中提取有价值的信息。从应用层面来讲，数据挖掘是一种决策支持过程，主要基于数据库、人工智能、数理统计技术，高度自动化地分析数据，做出归纳性的推理，从中挖掘出潜在模式，帮助决策者减少风险、做出正确的决策。以高校不同类型建筑能耗为例，围绕数据挖掘过程的主要步骤，探讨数据挖掘技术在高校节能监管中的应用。本文的数据挖掘目标为建立起高校建筑能效分析的聚类挖掘模型，通过模型分析，制定降低能耗的策略。
3.1 数据清理、集成与选择
从高校能源数据库中提取近五年来的建筑能耗原始数据，去除无效缺失数据，挑选出科学的、安全的、适用于数据挖掘应用的属性数据进行数据清洗。
3.2 数据预处理
对于高校建筑能耗历史数据，由于测量和记录的严重失误，或由于仪器仪表的突然波动，都会造成数据的缺失。对于有多个属性缺失值的记录，直接将其从样本中删除；缺失的水电能耗数据，用当月系统能耗平均值填补。在不影响数据挖掘结果质量的前提下，尽可能保持了原数据的完整性。数据清洗后，对某些原来没有的属性按需要进行生成，通过泛化、属性离散化处理将数据转换以构成一个适合数据挖掘的描述形式。
3.3数据挖掘应用
从数据挖掘角度看，高校建筑能耗是较好的数据挖掘对象。因高校建筑用能所受到的不确定因素干扰远小于商业、工业等行业，能耗数据表现出的规律性更强。数据挖掘应用一般围绕特定的数据主题进行，高校建筑能耗数据挖掘可应用的主题如下：
（1）能耗预测：高校建筑能耗与建筑地域、建筑类型、建筑年代、建筑面积、建筑用途、建筑材料等众多因素相关，可以使用分类或者回归分析的方法建立起能耗预测模型。
（2）基准评价：通过基准评价，校园管理者可以了解其建筑运行情况，对比本建筑与其它类似建筑的能源消耗差异，如果发现目标建筑比其它同类建筑能耗高，可以采取措施降低能耗；对样本建筑生成关联规则，然后将这些规则应用于待评价的目标建筑，从而对目标建筑的能耗状况进行评价。
（3）运行优化：高校建筑运行能耗的高低很大程度上取决于设备运行管理、维护水平的高低，可以运用关联规则挖掘各子系统之间的关系，也可采用聚类挖掘出不同的运行模式，从而为节能决策提供支持。
4.结束语
高校节能监管是一项长期的工作，更是一个刚刚起步的节能重点项目。数据挖掘技术在高校能耗数据分析方向的应用才刚刚起步。但随着节能监测系统的不断完善、能耗数据的不断丰富，数据挖掘技术的不断深化，必将会有广阔的应用前景。
参考文献：
[1]敖四江.高校能源管理的现状分析及对策探讨[J].能源研究与管理，2010（4）：38-41.
[2]高彪，谭洪卫，宋亚超.高校校园建筑用能现状及存在问题分析一以长三角地区某综合型大学为例[J].建筑节能，2011（39）：41-44.
[3]王旭东.试论高校校园能源管理网络平台之构建[J].职业教育研究，2011（3）：17-19.
[4]李道洋.基于分项实时监测的建筑能耗数值分析[J].广西大学学报，2012，37（5）：965-971.
[5]季文娟.基于神经网络的建筑能耗巧估模型与预测模型研究[D].南京工业大学，2012.
[6]牛棋飞，张永坚，张春华.建筑中能耗拆分方法的研究[J].控制工程，2010（S1）：80-82.