03课题三-建筑运行大数据安全与数据质量-20180703

1建筑运行大数据安全与数据质量保障关键技术课题负责单位：大连理工大学参与单位：中冶建筑研究总院有限公司大连理工科技有限公司苏州爱博斯蒂低碳能源技术有限公司课题负责人：刘明生 教授汇报人：马良栋 副教授2018.07.0313项目研究目标2

阶段研究成果阶段指标完成情况4下一阶段的主要工作2一、项目研究目标（一）建筑能耗监测数据质量目前的问题建筑能耗监测平台设计环节施工环节调试环节运维环节建筑电耗、热耗、水耗监测支路拓扑结构错误监测回路基本信息错误能耗监测仪表精度选择不满足要求能耗监测仪表安装位置、安装方法错误能耗监测仪表配线不满足强、弱电施工要求网关的安装位置受强电磁干扰电能监测仪表电流变比设置参数错误仪表传输协议设置错误能耗监测仪表精度飘逸监测仪表、网关、软件平台故障不能及时处理显性问题数据达到20%以上，隐性问题数据未知。3一、项目研究目标（一）建筑能耗监测数据质量目前的问题05010015020025030035001020405030时间（h）累计电耗（kWh）40035030025020015010050001020304050时间（h）累计电耗（kWh）8642010141220405030时间（h）累计电耗（kWh）用能异常数据正常波动65432100:00

2:00

4:00

6:00

8:00

10:00

12:00

14:00

16:00

18:00

20:00

22:00

24:00数据缺失缺失数据（0数据）数据突变突变数据奇异数据0

10隐性数据异常4一、项目研究目标（二）建筑能耗监测数据安全目前的问题双控磁盘阵列

(能耗历史数据模块信息数据热量模块器末端路由器直采服务器(数据采集程序，模块配置程序，双机热备软件)数传服务器和Web服务器(数据接收程序，数据上传程序，客户查询网站）分类分项服务器(分类分项数据库，建筑信息数据库，能耗拆分程序)路由器Internet带路由功能的硬件防火墙温度模块电量模块关智能网水量模块用户LED显示屏交换机柜库，库)打印机下级城市数据中心智能网关温度模块

水量

热量

电量模块

模块

模块上级城市

末端数据中心

路由⋯⋯用户数据采集数据传输数据处理数据访问传统数据安全模型:以基础设施安全为核心，如服务中心，主机和操作系统等，而从维护数据安全方面考虑很少。大数据时代：数据从一个系统移动到另一个系统或域之间时，传统数据安全模型将产生很多问题数据损坏数据丢失数据泄露垃圾数据5一、项目研究目标建筑能耗监测平台和云端数据库存在数据非授权访问、数据泄露和数据篡改等风险数据采集、数据传输及数据处理等环节存在着数据缺失、数据错误等数据质量问题关键问题研究内容导向子任务1：既有监测平台建筑运行大数据安全与质量问题特征与成因子任务2安全保障机制子任务4基于建筑动态能耗特征的实测数据质量诊断与自修复技术子任务5:建筑运行大数据安全与质量保障可视化软件开发与应用子任务3建筑运行大数据产生全过程质量软硬件保障技术实践检建筑运行大数据验实践检验底层网络数据传输与处理过程基础关键技术示范应用监测平台数据安全保障技术监测平台数据质量保障技术示范应用>30栋，>100万m2数据安全架构数据安全机制示范工程底层传感网公网传输自动诊断和标志数据校正与修复数据质量判断软件定义软件开发导则编制总体误差控制产出研究成果（三）具体目标6一、项目研究目标（三）具体目标论文8篇，其中

SCI/EI检索6篇硕士生>8人，博士生>2人>30栋>100万平方米可视化软件1套软件著作权3项申请发明专利3项多层次数据安全保障技术1套数据质量保障技术1套成果鉴定著作或授权学生培养示范工程7二、阶段研究成果（一）已取得的重要进展监测平台建筑运行大数据安全与质量问题特征与成因研究通过走访和现场调研，从底层网络、数据传输和数据处理等过程总结存在的数据质量与安全问题，进而提出了数据质量保障需求能耗监管平台架构提出了基于云的绿色建筑大数据能耗监测平台架构大数据安全保障机制结合传统的数据安全模型的优点，从数据采集、数据存储，数据处理和数据访问和安全管理五个层次来构建了多层次大数据安全架构；并针对这五个方面确定了实施技术措施大数据质量保障体系提出了建筑总能耗模型精度保证分析方法，确定监测仪表精度需求开发了新型建筑智能网关，实现底层数据质量自动诊断与异常标识提出基于用电特征的隐形异常错误数据识别方法示范工程：确定示范建筑17栋，建筑面积75万平方米8二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.1

数据质量与安全问题特征、成因及需求调研辽宁辽宁省机关办公建筑和大型公共建筑能耗监测平台大连市公共机构建筑能耗监测平台大连理工大学节约型建筑能耗监测平台大连海事大学校园能耗监测平台大连外国语大学校园能耗监测平台北京中央国家机关办公区节能监管体系汇总平台北京通州万达广场慧云智能化管理系统北京昆仑饭店能耗监测系统北京霄云中心能耗监测系统江苏吴江市公共机构能耗监测平台苏州爱博斯蒂能耗监测平台上海上海市国家机关办公室建筑和大型公共建筑能耗监测信息平台山西太原理工大学节约型建筑能耗监测平台9二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.1

数据质量与安全问题特征、成因及需求调研调研内容建筑能耗监测系统的数据质量问题的具体表现和特征能耗监测平台的前期设计、施工调试、审核验收和运行维护等阶段，以及在数据的采集、传输与处理过程中，造成数据质量问题的原因以及保障数据质量的方法能耗监测平台为保障数据安全所采取的措施对于无法挽回的缺失数据的修复方法调研上海市公共建筑能耗监测平台调研国管局建筑能耗监测平台10二、阶段研究成果施工和运维方面：仅国管局平台对施工和运维质量制定了细致的明文 规定，其余平台基本没有专门的数据质量保障与评价方法，部分系统运 维较差，系统不能正常上数。数据质量：各平台均有数据缺失和数据异常现象，维护较好的系统异常数据总体占比约20%。数据修复：仅上海平台实现了数据自动修复，并对下级平台出具数据质量报告。数据安全：所有平台基本不怎么考虑。11类型位置电热冷煤气水室内环境参数一级表监测部分监测部分监测无部分监测无二级表监测无无无无无三级表部分监测无无无无无（二）建筑运行大数据安全与质量问题特征与成因2.1

数据质量与安全问题特征、成因及需求调研调研情况总结能耗数据监测方面：能耗监测系统的结构性缺陷。专业覆盖面监测深度数据类型数据特征真实数据正常数据用能正常，数据反映真实情况异常数据用能异常，数据反映真实情况失真数据突变数据数据明显过大或过小，不能反映真实情况缺失数据无数据隐性错误数据尽管有数据，但数据不符合用能设备实际运行特点10090807060504030201001-12-13-14-15-16-17-18-19-110-111-112-11-1某办公建筑某块电表用电量（kWh）二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.2

问题数据类型12底层网络采集仪表公网传输数据处理现场总线二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因现场总线采集部分称为“底层网络”，将公网传输部分称为

“数据传输与处理过程”。数据传输与处理过程13二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—底层网络数据缺失数据特征与表现：数据库中没有数据或为0数据缺失数据原因传感器、仪表等发生故障或处于断电状态数据采集器（网关）故障或处于断电状态接线错误：传感器、仪表或网关接线错误超出传感器设备的量程范围监测仪表与实际能源支路对应关系错误14电能kWh12010080604020010-310:00

11-1

0:00

11-2

0:00

11-3

0:00

11-4

0:00

11-5

0:00

11-6

0:00日期大连理工大学某办公楼总电表逐时电耗（2015年）二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—底层网络数据突变数据特征与表现：数据突然出现异常偏离，如累计 值忽高忽低。突变数据原因监测数据超出传感器设备的量程范围网关自身屏蔽不好，受到电磁干扰信号线（弱电）未与强电线分开敷设，或没有做好屏蔽接地措施，导致信号输送过程中受到干扰仪表安装方法或位置错误，如流量计前后直管段不满足要求或要求安装在水平管段、但却安装在竖直管段1565432100:00

2:00

4:00

6:00

8:00 10:00

12:00

14:00

16:00

18:00

20:00

22:00

24:00二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—底层网络数据隐性错误数据特征与表现：尽管有数据，但数据不符合用能设备实际运行特点，如电流值和电能值与实际用电特征不符。隐性错误数据原因仪表的倍率/变比配置错误仪表配线错误，如电能表接线相序错误仪表、互感器自身质量问题导致测量错误接线错误导致拓扑关系错误，数据与实际情况不对应传感器安装位置及使用方法错误，导致测量误差过大16二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—数据传输和处理过程缺失数据特征与表现：同底层缺失数据原因数据采集装置网络不通或断电数据采集装置配置错误导致与服务器通讯失败采用无线传输时，信号不好导致通讯失败采集与处理软件处理逻辑错误导致数据无法进入数据库公式计算错误，如分项能耗计算公式中未配置特殊用电能耗软件编程错误，未将需显示数据映射到数据库对应位置暂时性缺失，数据处理遵循先后原则，由于直接数据积累一段时间未上传，大量数据堆积等待处理，平台只能展示处理完毕的数据，直到全部数据处理完成才能看到完整的数据服务器本身故障、缺电或服务器网络故障等数据传输数据处理17二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—数据传输和处理过程突变数据特征与表现：同底层。突变数据原因数据处理逻辑错误，直接数据出现问题导致计算数据出错网络传输过程收到干扰导致数据异常传感器换新、调零或变比改变后，数据库中未做相应处理导致数据不一致，显现出异常人工录入数据错误，或数据单位不统一18二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.3

问题数据成因—数据传输和处理过程隐性错误数据特征与表现：同底层隐性错误数据原因人工录入数据时出错数据处理过程中，分项能耗公式错误、监测单元（总表、楼层、部门等）能耗计算公式错误数据单位取错导致计算结果错误支路发生显性突变时，对其上级总表而言可能属于隐性突变，因为二者的数据可能处于不同量级19二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因2.4

数据质量保障需求数据质量问题简单来说：不准、不稳、不一致如何实现数据质量保障目标：保证数据的完整性、准确性和时效性方法：建立数据质量保障体系和评价方法20二、阶段研究成果（二）建筑运行大数据安全与质量问题特征与成因制定标准/导则/规程：从设计、施工、调试、运维等环节提出要求，保证系统建设和运行质量校验数据：总分表数据一致；要求“五数合一”（采集、巡检、传输、存储、展示）数据质量保障体系设计环节施工环节建筑电耗、热耗、水耗监测支路拓扑结构正确建筑电耗监测支路功率、机电设备系统流量监测管路流量范围等基本信息正确能耗监测仪表精度选择满足要求、稳定性高能耗监测仪表安装位置正确、安装方法正确能耗监测仪表配线满足强、弱电施工要求电能监测仪表电流变比设置参数正确能耗监测仪表精度定期检定网关串口连接监测仪表个数小于最大串口容量网关串口连接监测仪表总线长度符合传输要求网关的安装位置应避免强电磁干扰调试环节仪表传输协议设置正确运维环节软件开发数据质量诊断问题数据修复监测仪表、网关、软件平台故障及时处理软件架构设计合理数据采集数据传输数据采集数据传输数据存储数据处理数据采集数据质量诊断与修复：提出数据质量诊断和修复方法，通过硬件和软件处理进一步保障数据质量评价方法：基于软件实现系统时时运行过程数据质量的评价。21二、阶段研究成果22双机热备软件)

客户查询网站）带路由功能的硬件防火墙LED显示屏交换机分类分项服务器(分类分项数据库， 双控磁盘阵列柜建筑信息数据库，

(能耗历史数据库，能耗拆分程序)

模块信息数据库)打印机智能网关

智能网关温度

温度模块

水量

热量

电量

电量

热量

水量

模块模块

模块

模块

模块

模块

模块⋯⋯

路由器用户上级城市

末端 末端数据中心

路由器

路由器下级城市

Internet数据中心

用户直采服务器

数传服务器和Web服务器(数据采集程序，

(数据接收程序，模块配置程序，

数据上传程序，（三）基于云的绿色建筑大数据能耗监测平台架构既有能耗监测平台架构存在的问题数据中心重复建设，数据重复存储由于服务器对使用环境、供电等要求较高，一方面增大了业主或项目实施单位投资成本，同时也增加了服务器维护工作量，也增加了运行维护成本数据存储格式、标准不统一，在数据实时性、数据质量、大数据沉淀等方面有着不同程度的缺失能耗监测平台架构新需求平台化、应用插件化大数据沉淀实时性交互需求大数据分析可视化易扩展性二、阶段研究成果（三）基于云的绿色建筑大数据能耗监测平台架构23本地系统本地系统

平台系统智能网关节点2通信1节点1通信2仪表、传感器节点3Internet通信

4

通信

5通信3节点

4

节点

5

节点

6云应用 云计算

大数据存储云端API 云存储（备份）二、阶段研究成果（四）大数据安全保障机制24云日志云备份数据交换分配采集器×N一级电表×N建筑群AN级电表×N数据交换模块云应用云管理云端存储本地缓冲库内存缓存12234444613456用户作业调度512312数据传输安全数据访问安全数据存储安全数据处理安全建筑能耗监管平台涉及数据安全的各个环节二、阶段研究成果25基于MD5算法的身可靠的数据传输自建安全协议信道加密

数据校验数据处理安全基于匿名化的内容安全任务管理及认证数据级访问控制（四）大数据安全保障机制数据传输安全 数据访问安全数据库账号体系网络防火墙数据访问权限控制日志审计数据存储安全存储加密本地备份异地容灾建据安全份认证协议筑能耗监管平台数保护安全管理系统IP过滤日志分析反向代理负载均衡资源监控流量分析多层次数据安全保障架构二、阶段研究成果（四）大数据安全保障机制264.1

数据传输安全机制云日志云备份数据交换分配采集器×N作业调度一级电表×N建筑群AN级电表×N数据交换模块云应用云管理云端存储本地缓冲库内存缓存1234444用户5数据采集器从传感器中收集数据(485)数据采集器将数据传输到本地建筑服务器本地建筑服务器将数据传输到云数据中心服务器云数据中心对数据进行进一步处理，然后存入数据库中（进程间通信）用户与Web服务器的交互过程二、阶段研究成果27（四）大数据安全保障机制4.1

数据传输安全机制云日志云备份数据交换分配采集器×N作业调度一级电表×N建筑群AN级电表×N数据交换模块云应用云管理云端存储库本地缓冲内存缓存1234444用户5采集器内部安全传输协议MD5算法（动态）进行设备身份认证，保证数据来源安全可靠AES加密算法保证数据安全，数据内容不被泄露TCP可靠数据传输层协议保证数据被收到，解决数据丢失问题二、阶段研究成果28（四）大数据安全保障机制4.1

数据传输安全机制云日采集器×N一级电表×N建筑群AN级电表×N数据交换模块云本地缓冲库123云端存储内存缓存数据交

4换分配4

4志

云备份4应用

云管理作业调度5用户MQTT与SSL/TLS结合的数据传输协议MQTT是基于二进制消息的发布/订阅编程模式的消息协议发布者和订阅者之间并不需要直接建立联系，而是由MQTT服务器提供数据中转的服务MQTT服务器MQTT服务器二、阶段研究成果29（四）大数据安全保障机制4.1

数据传输安全机制云日志云备份数据交换分配采集器×N作业调度一级电表×N建筑群AN级电表×N数据交换模块云应用云管理云端存储本地缓冲库内存缓存1234444用户5HTTPS协议与JWT认证HTTPS同时认证用户与服务器，将数据准确地发送到客户机与服务器，并采用加密方式以防数据中途被盗取JWT用来在身份提供者和服务提供者间传递被认证的用户身份信息，以便于从资源服务器获取资源JWT

Token交互图建筑群A云日志云备份数据交换分配作业调度数据交换模块云应用云管理云端存储本地缓冲库内存缓存213456用户二、阶段研究成果30（四）大数据安全保障机制数据访问安全机制采集器内部账号密码机制N级电表×N

一级电表×N

采集器×N本地缓冲库，云数据库，云内存缓存都采用了数据库账号体系与防火墙相结合的机制文件访问权限限制使用加密数据文件的方式并进行压缩二、阶段研究成果31（四）大数据安全保障机制4.3

数据存储安全机制云日志云备份数据交换分配作业调度据交模块建筑群AN级电表×N

一级电表×N

采集器×N数换云应用云管理云端存储缓冲库本地内存缓存用户12Redis数据缓存机制添加用户身份认证禁止一些高风险命令（例如清空数据库）配置系统防火墙，禁止外网访问Redis服务端口数据冗余备份数据异地容灾数据本地备份数据备份加密二、阶段研究成果32（四）大数据安全保障机制4.4

数据处理安全机制云备份作业调度云应用云管理本地缓冲库存缓存建筑群A

云端存储N级电表×N

一级电表×N

采集器×N数据交

内换模块

数据交换分配云日志用户123基于RBAC模型通过Linux系统的功能，设置任务的权限，对任务进行管理数据匿名二、阶段研究成果33（四）大数据安全保障机制4.5

安全管理架构二、阶段研究成果34（四）大数据安全保障机制4.5

安全管理架构二、阶段研究成果35（五）大数据质量保障体系建筑能耗监测平台总体误差控制在线监测数据测量电量的仪表为三相多功能电能表，测量变量有三相电压、三相电流、有功功率、无功功率、频率、功率因数、电能等测量热量的仪表为热量表，其测量变量有热水供水温度、热水回水温度、热水流量测量冷量的仪表为冷量表，其测量变量有冷水供水温度、冷水回水温度、冷水流量测量水量的仪表为智能远传水表，其测量变量只有水量累计值测量燃气量的仪表为智能远传燃气表，其测量变量只有燃气累计值误差分析二、阶段研究成果36（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑用电能耗精度A

A

A

AC

C

C

P

PA

PB

PC

P

U

I

cos

PB

UB

IB

cos

B

P

U

I

cos

CAA3U'AI'Acos

'A

3

UA

E(

U

IA

3

)

3)

3

I

cos

A

E(

)

3

cos

A即

E(

当ε=0.8%时，在误差设计等作用原则下相电压、电流和功率因数的允许相对误差均小于0.46%。二、阶段研究成果37（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑用电能耗精度电压量程范围0~250V，电流量程范围0~200A，功率因数范围0~1，电压精度0.2级，电流精度0.2级，功率因数精度0.5级。电压的最大绝对误差0.5V，电流最大绝对误差0.4A，功率因数最大绝对误差0.005。设当前设计工况下测量的电压为220V，电流为150A，功率因数为0.9；电压的最大相对误差为0.23%，电流的最大相对误差为0.27%，功率因数的最大相对误差为0.56%。而在电压的最大相对误差为0.23%，电流的最大相对误差为0.27%的条件下，要满足功率的最大允许相对误差不大于0.8%，可得功率因数的的相对误差不得超过0.72%。此处电量监测模块的功率因数的最大相对误差为0.56%，计算出的功率相对误差为0.66%，满足功率的最大允许相对误差不大于0.8%的要求。二、阶段研究成果38（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑用热量精度分析2

10tQ

q(h

h

)dt

minQ

E(

)

4

4

0.05

qp

%

q

3级流量传感器相对误差468

10

12

14

16

18

2011%10%9%8%7%6%5%热量表计量值的相对误差E(δQ)w2

w1热量表供回水温差t-t

(℃)最小流量0.15m3/h最大流量12m3/h正常流量6m3/h热量表计量值的相对误差E(δQ)11%10%9%8%7%6%5%4%0

1

2

3

4

5

6

7

8

9

10

11

12热量表水流量(m3/h)最小温差2倍最小温差4倍最小温差6倍最小温差二、阶段研究成果39（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑热功率精度分析w1

2ww2

w1)2)2twQwVw

Q2(

E

E(

)

w

Q

(t

t23

4

5

67820%15%10%5%25%Qw

cw

Vw

(tw

2

t

)30%温度传感器精度0.1℃温度传感器精度0.2℃温度传感器精度0.5℃热功率的相对误差(EδQ

)w建筑市政热水供回水温差tw2

w1-t

(℃)二、阶段研究成果40（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑总能耗模型精度nQ

iQii

1用电量能耗比重最大，北方建筑市政供热能耗比重次之，热量表的计量相对误差为2级或3级各类能耗比重(%)各类能耗测试相对误差(%)总能耗序号第一类第二类第三类第一类第二类相对误第三类电天然气热电天然气热

差(%)A190.05.00.65A280.015.00.89A370.025.01.28A460.0

35.0

1.71A550.05.045.00.7

2.0

4.82.17A640.055.02.63A730.065.03.10A820.075.03.57二、阶段研究成果41（五）大数据质量保障体系5.1

建筑能耗监测平台总体误差控制建筑总能耗模型精度序号各类能耗比重(%)第一类

第二类

第三类电

天然气

热各类能耗测试相对误差(%)第一类

第二类

第三类电

天然气

热总能耗相对误差(%)C190.05.00.95C280.015.01.21C370.025.01.66C460.035.02.195.01.02.06.0C550.045.02.75C640.055.03.33C730.065.03.91C820.075.04.51二、阶段研究成果42（五）大数据质量保障体系5.2

新型建筑智能网关开发传统网关的功能与局限作为建筑能耗采集信息链的中间环节，现有的建筑能耗数据采集网 关，只有较为基本的数据采集、存储和转发功能。网关通常安装在强电磁环境中，容易受到干扰，导致明显的数据异 常偏离，传统的网关没有数据检查和过滤的功能，数据的检查和修 复都要在数据中心进行，工作负担重。传统网关通常只有电源指示灯，数据的采集状态和传输状态等重要 状态信息不能直接显示，设备维护工作必须使用电脑，操作复杂。二、阶段研究成果43（五）大数据质量保障体系5.2

新型建筑智能网关开发新型智能网关为解决现有网关的不足，设计开发新型智能网关。除了基本的数据采集、存储和转发功能之外，具有数据检查和过滤的功能，能够将明显异常的数据标记和剔除。增加液晶触摸显示屏，可以显示通讯状态、网络状态等运行信息，登录后还可以进行参数的设置。具有无线网络连接功能（WiFi）、移动网络连接功能（3G/4G）。二、阶段研究成果44（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法能耗数据分类数据类型数据特征数据是否修复真实数据正常数据用能正常，数据反映真实情况否异常数据用能异常，数据反映真实情况是问题数据突变数据数据明显过大或过小，不能反映真实情况是缺失数据无数据是隐性错误数据尽管有数据，但数据不符合用能设备实际运行特点是二、阶段研究成果45（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法05010015020025030035001020304050时间（h）累计电耗（kWh）40035030025020015010050001020304050时间（h）累计电耗（kWh）121086421400

1020405030时间（h）累计电耗（kWh）用能异常数据正常波动数据缺失缺失数据（0数据）数据突变突变数据显性数据异常二、阶段研究成果46（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法65432100:002:004:006:008:0010:00

12:00

14:00

16:00

18:00

20:00

22:00

24:00隐性数据异常二、阶段研究成果47（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法建筑用能模式分类根据粗糙集理论，按照用能影响因素（即工况）进行分类与气象参数无关的用电：照明与插座用电、动力用电等逐日能耗可以分为工作日和非工作日两类与气象参数有关的用电：空调用电逐日能耗不仅要考虑工作日和非工作日、同时需要考虑天气因素，如室外空气温度、太阳辐射强度等温度t0湿度

0太阳辐射强度I风速v0h0围护结构人员 系统运行模式影响建筑实际运行能耗的因素（3+3+2）天气预报监测通过时间反应暖通空调总能耗：电耗、热耗、水耗照明设备二、阶段研究成果48（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法隐形错误数据识别方法（针对照明与插座用电）针对某一种用能模式，通过聚类的方法剔除部分异常数据判别用电特征线与相近工况历史数据用电特征线是否一致j

1

j

yi,

j

1

yi,

j

t

tki,

j

假设一共有m条历史数据用电特征折线第j至第j+1时刻内历史数据有增有减，假设第j至第j+1时刻内共n(0<n<m)条历史数据用电特征折线斜率大于0，则该时刻内用电量增加的用电特征折线占比为p=n

%m相应的用量减少的用电特征折线占比q

=

1

-

pi+1iyi,j+1kijj

j+1yi,jt(小时）二、阶段研究成果49（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法隐形错误数据识别方法针对某一种用能模式，通过聚类的方法剔除部分异常数据判别用电特征线与相近工况历史数据用电特征线是否一致yi,j+1yi,ji+1ikijj

j+1t(小时）p

>q

表示历史数据总体趋势用电量增加。p<q表示历史数据总体趋势用电量减少任一条新的用电特征折线，判断其每个时间段内用电量的变化与历史数据变化趋势是否一致。假设该时间段内的斜率为Kj。如果Kj

>0，且该时间段内p

>q

，或者，Kj

<0，且该时间段内p

<q，则该时间段新的用电特征折线与历史数据趋势一致统计趋势一致的时间段的个数为a，若a/24>90%，则用电特征正常，否则用电特征异常。ki,

j

yi,

j

1t

j

1yi,

jt

j二、阶段研究成果50（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析大连理工大学主楼4楼照明与插座逐时用电变化二、阶段研究成果51（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼逐时照明与插座用电数据散点图二、阶段研究成果52（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼逐时照明与插座用电数据散点图二、阶段研究成果53（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼工作日逐时照明与插座用电数据散点图工作日逐日照明与插座用电数据二、阶段研究成果54（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼非工作日逐时照明与插座用电数据散点图非工作日逐日照明与插座用电数据二、阶段研究成果55（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼3月份工作日逐时照明与插座用电数据散点图3月份逐日照明与插座用电数据二、阶段研究成果56（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼4月份工作日逐时照明与插座用电数据散点图3月份逐日照明与插座用电数据4月份逐日照明与插座用电数据二、阶段研究成果57（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼5月份工作日逐时照明与插座用电数据散点图5月份逐日照明与插座用电数据二、阶段研究成果58（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼6月份工作日逐时照明与插座用电数据散点图6月份逐日照明与插座用电数据二、阶段研究成果59（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类主楼2015至2016年第二学期4楼7月份工作日逐时照明与插座用电数据散点图7月份逐日照明与插座用电数据二、阶段研究成果60（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—用能模式分类月份皮尔逊相关系数3月-0.1024月-0.0985月-0.0016月0.3837月0.491X

,Y

(

X

X

)(Y

Y

)

(

X

X

)2

(Y

Y

)2二、阶段研究成果61（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识2017年3、4、5月份工作日照明与插座用电特征折线二、阶段研究成果62（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识通过二分法k-means聚类剔除部分异常数据过小异常过大异常二、阶段研究成果63（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识通过k-means聚类剔除部分异常数据二、阶段研究成果64（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识判别用电特征线与相近工况历史数据用电特征是否一致二、阶段研究成果65（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识提出用能异常后的数据二、阶段研究成果66（五）大数据质量保障体系5.3

基于用电特征的隐形异常错误数据识别方法案例分析—异常数据辨识测试数据（Test

Date）辨识结果二、阶段研究成果67（五）大数据质量保障体系5.4

缺失数据修复方法修复方法1：knn算法样本数据：主楼4楼2016年3月份24小时完整的工作日照明与插座用电量数据修复数据：2月29日数据数据缺失20%的knn修复值与实际监测值knn最大小时偏差日总用电量的偏差方差数据缺10%2.09%0.05%0.07数据缺20%6.06%0.22%0.17数据缺50%12.98%0.81%0.59二、阶段研究成果68数据缺失20%的knn-Slope修复值与实际监测值Knn-Slope最大小时偏差日总用电量的偏差方差数据缺10%0.95%0.02%0.03数据缺20%4.02%0.12%0.11数据缺50%53.05%6.01%3.39（五）大数据质量保障体系5.4

缺失数据修复方法修复方法2：knn-Slope算法样本数据：主楼4楼2016年3月份24小时完整的工作日照明与插座用电量数据修复数据：2月29日数据二、阶段研究成果（六）示范工程建设69序号示范工程名称备注说明所处省市建设单位建筑类型平台类别建筑面积（m2）示范工程级别示范工程意向书签订时间示范工程实施方案论证完成时间示范工程建设工作完成时间1大连理工大学创新园大厦电能计量到楼层，缺少水表、冷热

表、环境参数测

试传感器。辽宁大连大连理工大学科研办公既有平台36500精品示范工程2018年6月底2018年6月底2018年12月底2大连理工大学综合教学2号楼电能计量到楼层，缺少水表、冷热

表、环境参数测

试传感器，目前

线路中断，需要

恢复。辽宁大连大连理工大学教学建筑既有平台175403吴江大厦电能计量到房间，水表计量到总量，冷热表计量到总量，缺少环境参数测试传感器。江苏苏州吴江机关事务管理局政府办公既有平台928874吴江人民剧院电能计量到楼层，水表计量到总量，冷热表计量到部

门，缺少环境参

数测试传感器。江苏苏