林州宝峰建筑工程有限公司 河南安阳 456550
摘要：文章以传统建筑能耗分析为切入点,引申出将数据挖据应用于暖通空调的新思路,分析了数据挖掘的概念,及其在暖通空调领域的相关应用现状和制约因素,提出了几点在暖通空调中推行数据挖掘的建议,展望了暖通空调中应用数据挖掘的前景。
关键词：暖通空调；数据挖掘技术；推行对策
引言
随着大数据时代的到来，社会对“挖掘”到的数据要求变得更加严格，每一个精准的结果都具备独自的“价值”，这时，大数据时代的新增属性——“价值”被演绎得有声有色。数据挖掘（data mining, DM）是一门新兴的、汇聚多个学科的交叉性学科，这是一个不平凡的处理过程，即从庞大的数据中，将未知、隐含及具备潜在价值的信息进行提取的过程。1989年8月，在美国底特律市召开的第十一届人工智能联合会议的专题讨论会上，知识发现（knowledge discover in database，KDD）初次被科学家们提出，同时，也有人将知识发现称为数据挖掘，但两者并不完全等同。1995年，KDD这个术语在加拿大蒙特利尔市召开的第一届知识发现和数据挖掘国际学术会议上被人们接受，会议分析了数据挖掘的整个流程。实质上，数据挖掘是知识发现的子过程。
1数据挖掘的定义
所谓数据挖掘，就是指在大量数据中发掘和提取具有价值信息的一个过程。数据挖掘技术，涉及到很多不同学科的技术，包括统计数学、数据可视化、机器学习、集人上智能等。通过运用数据挖掘技术，能够实现以下几点内容，即：①能够有效聚类数据，能够对不同数据之间的相似度进行计算和分析，能够将建筑环境的影响因素、内在机理显现出来，能够对不同影响因素的影响程度进行有效确定；②科学预测未来数据或者缺失的数据；③有效分类数据，将不同类型事物的差异性或者相同类型事物的共有属性突显出来，以便于建筑节能的运行调节和设计；④能够将数据之间的相关性发现出来，能够将暖通空调系统的不同参数予以发现，包括压强、送回风量、室内外温湿度等之间关联程度，能够对系统运行规律进行深入掌握，以为暖通空调系统控制测量提供可靠的依据。
2暖通空调对数据挖掘技术的运用现状
数据挖掘将高性能计算、机器学习、人工智能、模式识别、统计学、数据可视化、数据库技术和专家系统等多个范畴的理论和技术融合在一起。大数据时代对数据挖掘而言，既是机遇也是挑战，分析大数据，建立适当的体系，不断地优化，提高决策的准确性，从而更利于掌握并顺应市场的多端变化。在大数据时代下，数据挖掘作为最常用的数据分析手段得到了各个领域的认可，目前国内外学者主要研究数据挖掘中的分类、优化、识别、预测等技术在众多领域中的应用。
2.1暖通空调控制系统故障的检测和诊断
当暖通空调系统出现故障时，便会大大提高空调系统的运行成本，大大提高空调系统的能量消耗，严重影响室内的热舒适度和空气品质，所以检测和诊断暖通空调控制系统故障是非常重要的。诊断暖通空调故障，大致可以划分为两种类型，即软故障、硬故障。对于传统暖通空调故障检测诊断方法，它对操作人员提出了较高的技术要求，但是这种方法的工作效率并不高，常常需要对有关资料进行查找，需要深入分析已有案例，不但耗力耗时，而且这种方法存在一定的运用约束性。在检测与诊断暖通空调系统故障过程中，通过运用数据挖掘技术，分别对暖通空调系统正常运行过程和运行故障过程中的传感器数据进行挖掘和记录，对空调系统运行状态的数据进行记录，构建相应的数学模型，以对暖通空调故障进行实时在线检测，对暖通空调的运行状态进行确定，能够有效诊断故障，进而能够对技术人员技术储备的依赖性进行有效降低，能够对暖通空调系统维修时间成本和维护时间成本进行有效减少，能够对工作效率进行有效提高。
2.2冰蓄冷空调负荷的预测与控制
对于负荷的预测，冰蓄冷空调对其具有非常强烈的需求。冰蓄冷空调系统存在很多影响因素，包括维护结构热物性、室内设计温度、室外温度湿度、太阳辐射辐射强度等。为预测冰蓄冷空调的负荷，需要对相关数据进行收集，选取合理的模型，进行一定的训练，在确保一定精度的条件下，对第2日的冷负荷进行逐时预测。
期刊文章分类查询,尽在期刊图书馆将第2日电价作为主要依据，对制冷机组、冰蓄冷装置各自需要提供的冷量进行合理分配，在电价谷段，提前控制蓄冰量，同时制定有效的操作对策，在电价峰段对冰蓄冷进行最大程度的运用，对富裕冰量进行有效减少。通过有效预测和控制冰蓄冷空调的负荷，能够对设备的运行成本进行有效降低，能够为用户的经济效益进行有效提高。
3暖通空调在运用数据挖掘技术过程中存在的制约因素
3.1数据挖掘人才缺失
在暖通空调行业中运用数据挖掘技术时，必须要对暖通专业有关技术知识进行掌握，同时必须对数据信息具有较高的敏感度，作为数据挖掘专业人才，必须能够通过运用计算机编程工具，有效整理和分析数据，能够训练模型。但是当前我国数据挖掘人才是非常少的，严重影响我国暖通行业大数据的进一步发展。
3.2数据获取渠道较少
在已经建成的建筑中，具有健全的楼宇自控系统的建筑并不多，大多数建筑无法获取全面的监测数据，存放的位置比较封闭、独立，同时尚未构建数据共享机制，造成数据获取渠道较少，不能够对记录进行完善，严重浪费数据，不能够将数据的价值充分发挥出来，只能够反应楼宇自控系统的运行状态。
3.3数据挖掘观念淡薄
在最近几年中，数据挖掘技术是一种新兴技术，涉及到多种不同学科知识。针对不同数据之间存在的内在联系、规律和价值，暖通行业对其的意识并不深厚，数据挖掘观念淡薄，严重影响数据挖掘技术在暖通行业中的快速发展。
3.4技术的约束
当前现有的模型和技术，在面对全部影响因素时，并不都是适应的，不同影响因素除了会对建筑环境造成一定的影响以外，不同影响因素之间还存在互相影响作用，分析难度非常高，难以有效掌握其中存在的各种规律。与此同时，用户在运用现有技术时存在一定的不便，需要实现一次性封装，为用户提供比较简单的接口。
3.5成本的约束
采集建筑相关数据过程中，除了要配置相应的设备以外，还应对比较健全的楼宇系统进行有效开发，安排专业人员进行相关作业，大大提高了项目的投资成本。
4暖通空调运用数据挖掘技术的推行对策
4.1高效应开设相应的数据挖掘技术课程
目前，我国大多数高校设置的暖通课程，主要侧重点为有关专业理论知识课程，包括流体力学、工程热力学、传热学等，对于高效开设的建筑设备自动控制原理课程，主要向学生讲解如何自动控制机械装置设备，并未对分析和处理海量数据的需求进行讲解。所以，暖通专业应设置数据挖掘技术有关课程，为社会培养更多的专业数据分析技术人才，满足社会发展的要求。
4.2政府部门给予相应的政策性支持
作为政府部门，应制定相应的支持性政策，提供一定的资金支持，要求对建筑能耗监测系统进行构建，对数据记录形式进行规范。另外，应对暖通行业大数据有关的公共数据库进行构建，积极鼓励科研机构、企业共享不涉密的数据资料，提高数据信息的透明度，以便于众多研究人员的研究，降低数据获取的难度。
4.3加深数据挖掘观念
在现时代中，到处存在着大量的数据信息，只有对数据进行充分利用，才能够将数据的潜在价值评估和挖掘出来。暖通行业一定要加深数据挖掘观念，对自身的思维方式进行有效转变，对数据挖掘技术的特点进行深入理解，有效找出不同数据之间存在的内在联系，以提高工作效率。
结语
在暖通空调中通过有效运用数据挖掘技术，能够加快暖通空调向数据导向型的转变速度，通过数据的形式，能够将建筑物存在的客观规律和属性充分表现出来，进而有助于绿色建筑、智慧建筑的实现。
参考文献
[1]梁东平.关于建筑暖通安装的施工技术的探析[J].四川水泥.2018(12).
[2]江涛.分析城市建筑暖通施工的难点和改善措施[J].建材与装饰.2018(49).
论文作者:王征丽
论文发表刊物:《建筑学研究前沿》2019年13期
论文发表时间:2019/10/10
标签：数据论文; 数据挖掘论文; 技术论文; 暖通空调论文; 暖通论文; 建筑论文; 空调系统论文; 《建筑学研究前沿》2019年13期论文;