建筑暖通空调对数据挖掘技术的应用

本文首先介绍了数据挖掘的定义以及HVAC数据挖掘技术的当前应用状况，然后详细分析了HVAC在使用数据挖掘技术的过程中遇到的限制。提出暖通空调。使用数据挖掘技术引入空调的策略非常重要。

1数据挖掘的定义

所谓的数据挖掘是从大量数据中查找和提取有价值的信息的过程。数据挖掘技术包括许多学科，例如统计数学，数据可视化，机器学习和人类智能。借助数据挖掘技术，您可以： （1）可以有效地对数据进行聚类，可以计算和分析不同数据之间的相似性，并阐明施工环境的影响因素和内部机制。有效地确定各种影响因素的影响。 （2）强调对未来数据或缺失数据的科学预测；（3）数据的有效分类，不同类型之间的差异或相同类型的共同属性，有助于建筑物的运行和节能调整。并进行设计；④您可以找到数据之间的相关性，可以找到HVAC系统的各种参数，例如压力，回风量，室内外温度和湿度之间的相关程度，您可以决定操作规则。详细的熟练程度可为HVAC系统控制测量提供可靠的基础。

2 HVAC数据挖掘技术的应用现状

2.1 HVAC控制系统故障检测与诊断

功耗很耗时，此方法对其应用有一定的限制。在HVAC系统中检测和诊断故障的过程使用数据挖掘技术来分别挖掘和记录HVAC系统中正常和运行中的故障过程的传感器数据，并记录空调系统的运行状况数据。将会完成。通过建立相应的数学模型来实时在线检测HVAC故障，确定HVAC运行状态并有效诊断故障，可以有效地依靠技术人员的技术储备。减少并启用HVAC有效降低空调系统的维护时间成本和维护时间成本，有效提高工作效率。

2.2储冰空调负荷的预测与控制

对于负荷预测，对储冰空调的需求非常高。储冰空调系统具有许多影响因素，例如结构热特性，室内设计温度，室外温度和湿度以及维持太阳辐射强度。预测冰冰箱空调负荷需要收集相关数据，选择合理的模型并进行专门的培训。在确保一定精度的条件下，每小时预测第二天的冷却负荷。以第二天的电费为主要标准，我们将合理分配所需的制冷量至冰箱和冰柜。在电费谷中，我们将提前管理冰块存储，并在电费高峰期制定有效的运营措施。制冷已进行了优化，可有效减少冰量。有效预测和控制冰蓄冷空调的负荷，可以有效降低设备运行成本，有效提高用户的经济效益。

使用HVAC数据挖掘技术的3个流程限制因素

3.1缺乏数据挖掘人才

在HVAC行业中使用数据挖掘技术时，必须在对数据信息非常敏感的同时获得HVAC的相关技术知识。作为数据挖掘专家，您必须能够使用计算机编程工具。有效地组织和分析数据，以便您可以训练模型。但是，中国目前在数据挖掘方面的人才很少，这严重影响了中国HVAC行业大数据的进一步发展。

3.2较少的数据获取渠道

建立健康的楼宇自动化系统的建筑物并不多。大多数建筑物没有全面的监视数据。存储位置相对封闭且独立。同时，由于没有建立数据共享机制，因此数据获取通道较少。无法完成记录，严重浪费数据，没有充分利用数据，只能反映楼宇自动化系统的运行状态。

3.3数据挖掘的弱概念

近年来，数据挖掘技术是一项新技术，需要来自许多不同学科的知识。考虑到不同数据之间的相互联系，规律和价值，HVAC行业并不十分了解它们，数据挖掘的概念薄弱，对HVAC行业数据挖掘技术的快速发展产生了重大影响。给

3.4技术约束

面对所有影响因素，当今的现有模型和技术并非都能够适应。除了它们对构建环境的特定影响之外，各种影响因素也相互影响，从而使分析变得困难。它非常昂贵，并且很难有效地掌握其中存在的各种法律。同时，用户在使用现有技术时会有一定的不便，他们必须实施一次性软件包才能为用户提供相对简单的界面。

3.5成本约束

收集与建筑物相关的数据的过程，除了需要相应的设备配置外，还需要有效开发相对健全的建筑系统，并且需要指派专家来执行相关操作。结果，该项目的投资成本大大增加。

4 HVAC应用数据挖掘技术的实施措施

4.1高效提供相应的数据挖掘技术课程

目前，我国大多数高校开设的暖通空调课程主要侧重于流体力学，工程热力学，传热等相关专业理论知识课程。在高效工程机械自动控制原理课程中，主要机械和设备的自动控制不能解释分析和处理大量数据的需要。因此，暖通空调专业的学生需要开设与数据挖掘技术相关的课程，以培训更专业的数据分析技术的人才来满足社会发展的需求。

4.2政府部门提供相应的政策支持

作为政府部门，有必要制定相应的支持政策，提供一定的财政支持，要求建立建筑能耗监控系统，并规范数据记录的格式。此外，通过建立与暖通空调行业大数据有关的公共数据库，积极鼓励科研机构和公司共享非机密数据，提高数据信息的透明度，这是许多研究人员的研究。需要方便和减少数据采集的难度。

4.3深化数据挖掘的概念

在当今时代，到处都有大量数据信息，只有使用它，您才能评估和挖掘数据的潜在价值。暖通空调行业需要深化数据挖掘的概念，有效转变自身的思维方式，深刻理解数据挖掘技术的特征，有效地发现不同数据之间的内部联系，以提高工作效率。