办公建筑能耗监测系统质量保障技术研究与应用
发布时间:2021-08-25 21:13
本文提出了建筑监测系统的数据质量评估模型,从数据的准确性、完整性、有效性三个维度进行定量评价。并以上海市某机关办公建筑为例,提出了提高机关办公建筑能耗监测采集数据的准确性及有效性的方法,并结合基于物联网的人流量数据采集技术,提出了提高数据可用性的方法。
【文章来源】:建筑科学. 2020,36(S2)北大核心CSCD
【文章页数】:5 页
【部分图文】:
大楼冷水机组功率曲线
根据概率值的大小可以判断x是否属于异常值。根据正态分布的定义可知,距离平均值3δ之外的概率为P(|x-μ|>3δ)≤0.003,这属于极小概率事件,在默认情况下我们可以认定,距离超过平均值3δ的样本是不存在的。因此,当样本距离平均值大于3δ,则认定该样本为异常值,应舍弃。2.修补异常数据
数据的清洗修复是保障数据有效性的重要方法。以下图为例,该回路是大院内某回路的7月的逐时采集数据,可以发现,数据正常值为2k W左右,但存在比较大的跳变,即异常值。异常数据的清洗包括如下几个步骤:
本文编号:3362864
【文章来源】:建筑科学. 2020,36(S2)北大核心CSCD
【文章页数】:5 页
【部分图文】:
大楼冷水机组功率曲线
根据概率值的大小可以判断x是否属于异常值。根据正态分布的定义可知,距离平均值3δ之外的概率为P(|x-μ|>3δ)≤0.003,这属于极小概率事件,在默认情况下我们可以认定,距离超过平均值3δ的样本是不存在的。因此,当样本距离平均值大于3δ,则认定该样本为异常值,应舍弃。2.修补异常数据
数据的清洗修复是保障数据有效性的重要方法。以下图为例,该回路是大院内某回路的7月的逐时采集数据,可以发现,数据正常值为2k W左右,但存在比较大的跳变,即异常值。异常数据的清洗包括如下几个步骤:
本文编号:3362864
本文链接:https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/3362864.html