智能建筑系统中数据仓库的优化策略研究*

黄 光 伟

(华南理工大学建筑设计研究院, 广东 广州　510640)



智能建筑系统中数据仓库的优化策略研究*

黄 光 伟

(华南理工大学建筑设计研究院, 广东 广州510640)

摘要：智能建筑系统的建立是实现建筑节能的基础,而数据仓库是保证智能系统运行效率的基础。介绍了数据仓库的基础建构、内容配置、数据纠错等系列步骤。通过加入合理的算法和优化的智能策略,加强了数据仓库的纠错能力,从源端预防并排除可能的错误数据,确保了基于各类算法和多子系统模型分析结果的建筑用能设备的调度、运维、管理和节能成为可能。试验结果证明了优化策略的有效性。

关键词：智能建筑; 数据仓库; 优化策略; 修复算法

0引言

随着通信、计算机和自动控制技术的发展及其在建筑艺术中的运用,智能建筑的概念逐渐深入人心。智能建筑是指通过将建筑物的结构、系统、服务、管理四项基本要素以及它们的内在联系进行重构组合,通过最优化设计形成高效、宜居、便捷而投资合理的建筑空间,对建筑体内的供配电系统、照明系统、空调暖通系统、给排水系统、门禁管理系统、视频安防系统和信息发布系统等实行全面集成与统筹,通过对各个子系统的独立监控和信息采集,以达到联动控制、能耗跟踪、故障诊断的目的,并提出合理的节能方案,实现资源的最优化配置和科学管理,是一种“主动式”能源管理[1]。智能建筑系统[2]的几个基本功能的正常运作(能耗数据实时收集与存储、能耗图表化统计和经济性分析,以及高级算法和用户管理),建立在底层数据仓库[3-4]的完整性和真实性的技术基础上[5]。因此，对于建筑智能化系统,数据仓库的管理和研究至关重要[6]。

1数据仓库的构建

数据仓库的搭建,就是建立合理的数据结构和数据关系的过程[7]。设备是智能建筑系统运作的基本管理单元,物理层面上表现为各类传感器模块(如温度传感器、湿度传感器、PM2.5探测器和CO2含量探测器等)和各类控制器,也是建立数据仓库时分配资源的依据[8-9]。采用Microsoft公司的SQL Server Management Studio 2008建立数据仓库,可保证数据的安全性、准确性和实时性[10-11]。根据使用功能的差异,对命名为IBMS的数据仓库建立多个数据表及其元数据,记录相应字段的数据。

2数据获取与入库配置

可扩展标记语言(Extensible Markup Language,XML)一般用于标记电子文件,是结构化的标记语言[12]。通过使用基于XML的层层嵌套的数据描述方法来标记数据和定义数据类型,可实现对设备的模块化、实例化、统一化描述,使分布式结构信息更加易于管理,特别适用于智能建筑的信息化建设。

XML模型结构主要包含如下基本标签:

(1) 通道。一个通道包含多个设备,物理层面上的每个通道代表一个通信管理器,且具备独立地址和端口。

(2) 设备。一个设备包含多个群组,物理层面上的每个设备代表一个智能控制单元(Intelligent Control Unit,ICU)。ICU是集测量与控制功能于一体的设备,可以采集传感器的探测值,同时通过继电器控制用电设备的通断。每个ICU具备独立的物理地址。

(3) 群组。一个群组包含多个信息点。物理层面上的每个群组体现为设备中的一块独立存储单元,即ICU设备划出的特定存储片区,用于记录群组内的各个信息点,而且每个群组中的所有信息点对应所设计的数据仓库中一张数据表的所有项。

(4) 信息点。一个信息点内含多个基本属性。

基于XML的数据描述方式,使智能建筑系统的信息获取流程趋于标准化和规范化,是与数据仓库建立信息对接的基础。

3数据仓库的纠错

从信息可靠度和容错率的角度出发,随着入库数据的日积月累,会出现某个偶然时刻数据丢包、传输失败或数据出错的情况。缺失或错误数据的增加与信息分析工作的难度成正相关,因此数据仓库必须具备容灾和纠错的能力。本文重点讨论如何在信息传输流前端预防,以及在后端修正数据仓库中的错漏数据。

3.1触发器

技术路线上主要使用SQL Server数据库中的Trigger触发器,从源端入库的数据必须经过触发器归类、筛选后方可正常存储。同样,通过在触发器中合理设置阈值,可以把明显错误的数据予以剔除。

3.2系统服务

采用Windows Server服务,并结合以下算法,定期扫描数据仓库中的错漏信息并予以修复。

修复算法根据数据变化趋势进行合理预测和修补,抑制动态随机误差[13]，测量设备随机产生的对轨迹的可信度和平滑度产生一定影响的误差。可以通过如下步骤实现平滑处理。

S1:始端5个测量数据点xi,xi+1,xi+2,xi+3,xi+4,xi+5(i=1,2,…,n)不予处理,从第6点开始进入步骤S2。

S2:建立对比的基准方程。

Δxi+1=xi+1-4xi+2+6xi+3-xi+4+xi+5

(1)

S3:判断。令δ1为3倍数据序列随机误差,若Δxi+1<δ1,则判定xi+1,xi+2,xi+3,xi+4,xi+5无错误数据,转入S7,否则进入S4。

S4:计算Δxi=xi-4xi+1+6xi+2-xi+3+xi+4,若Δxi<δ1,则xi+5为阈值,选择xi+6,xi+7,xi+8,xi+9,xi+10,重新进入S1,否则进入S5。

S5:令δ2为3倍数据随机误差再加上过程偏移量,对xi+1,xi+2,xi+3,xi+4,xi+5,xi+6进行筛选:

S6:对于新加入的点均按S5执行筛选操作。任意未通过筛选的点将被校正后再进入S4。通过上述筛选步骤后进入S7。

S7:对筛选的5个数据点进行预估:

(2)

若连续出现5个阈值点,则需要重新返回S1,以保证未出现严重的连续数据错误。

若考虑提高运行效率和简化校正算法,估量值为

(3)

其中i为泛义周期,对于温度/湿度等惯性系数较大的参数,可将周期i适当增大;对于电能消耗等惯性系数较小的参数,则应相应减小i,以求得最接近实际值xi的估量值。

若仍存在部分噪声,则进一步采用一阶滞后滤波器进行消除:

(4)

4实际应用案例

以华南理工大学建筑设计研究院东二楼的绿色智能示范平台为例,利用提出的算法对数据仓库进行优化。电能表读数对比如图1所示。

图1　电能表读数对比

对记录的某段较长时间的温度和耗能数据,生成以时间、记录值为维度的二维图形,如图2所示。由图2可见,数据仓库数据曲线连续、平滑,消除了不合理的跳变数据,具有实际工程意义。

图2　数据仓库数据曲线

5结语

何镜堂院士曾在北京大学“建筑创新与创作实践”的讲座上提出“两观三性”的理念,强调了建筑设计的可持续发展观和时代性,这与楼宇智能化技术的蓬勃发展是一致的。现代建筑特别是公共建筑的总体发展趋势是复杂化、大型化、综合化和智能化,且由此引发了建筑能耗急剧上升和能源紧缺等一系列问题[14]。在这种形势下,基于智能化技术的建筑能源管理和能耗计量关系到智能建筑的节能减排和可持续发展[15],而智能建筑系统中的数据仓库管理是保证其实施效果和系统完整的必要一环[16-17]。目前仅提出初步的节能策略,如何对建筑物的能耗模型进行建模和深度分析,提升建筑节能的效果,需要进一步考察和深化。

[1]邓姚乾.智能化系统在现代建筑中的应用[J].现代电子技术,1996(2):50-52.

[2]刘琼发,刘寿强.楼宇自动化系统设计方案[J].现代电子技术,2003(3):97-100.

[3]冯阳,王建利.智能建筑能源管理与能耗计量发展研究[J].山西建筑,2012,38(30):215-217.

[4]刘利萍.基于数据仓库技术的智能建筑信息集成应用研究[D].重庆:重庆大学,2007.

[5]马玉刚.基于数据仓库的集成建筑管理系统研究[D].武汉:华中科技大学,2004.

[6]张盛丰.智能建筑突发事件管理系统的数据仓库研究与实现[D].武汉:华中科技大学,2007.

[7]崔中发,赵怡.绿色建筑的信息集成系统[J].智能建筑与城市信息,2011(5):21-29.

[8]邹超群.ezIBS智能建筑信息集成系统在清华大学超低能耗示范楼的节能应用[J].智能建筑与城市信息,2007(4):33-36.

[9]高建华,胡振宇.物联网技术在智能建筑中的应用[J].建筑技术,2013,44(2):136-137.

[10]马龙昌.基于Web的远程监控系统的研究与应用[D].西安:长安大学,2009.

[11]赵菁晶.智能楼宇监控系统软件平台设计与开发[D].北京:北京工业大学,2003.

[12]李世博.基于智能化建筑电气中关键技术的分析[J].现代电子技术,2009,32(21):121-123.

[13]余辉荣.多信源数据融合算法及其在室内定位的应用[D].广州:华南理工大学,2015.

[14]徐至钧,赵尧钟.绿色建筑当前的发展与展望[J].建筑技术,2012,43(4):300-304.

[15]王雪梅,吴醒龙.科技部节能示范楼的节能效果分析[J].建筑技术,2009,40(4):301-303.

[16]尹伯悦,赖明,谢飞鸿.绿色建筑与智能建筑在世界和我国的发展与应用状况[J].建筑技术,2006(10):733-735.

[17]汤勇.智能建筑自控网趋势数据管理及日程管理研究与开发[D].武汉:华中科技大学,2004.

捕捉行业热点引领行业发展

学术交流的园地产品推介的平台

Research on Optimization Strategy of Data Warehouse in Intelligent Building System

HUANGGuangwei

(Architectural Design & Research Institute of South China University of Technology,Guangzhou 510640, China)

Abstract：The establishment of intelligent building system is the foundation for building energy saving,and the data warehouse is the basis to ensure the operating efficiency of intelligent system.This paper introduced the data warehouse including infrastructure construction,contents configuration,data correction and other steps.By adding a reasonable algorithm and optimized intelligent strategy,the error correcting capability of data warehouse was enhanced.The possible error data from the source were prevented and eliminated.It was ensured that the scheduling,operation and maintenance,management and energy saving of equipments which are based on the analysis results various algorithms and multi-subsystem model,are possible.The experimental results show its effectiveness.

Key words:intelligent building; data warehouse; optimization strategy; restoration algorithm

收稿日期：2015-06-16

中图分类号：TU 201.5

文献标志码：A

文章编号：1674-8417(2016)02-0047-04

*基金项目:重大科技专项计划(2011Y1-00009)