基于模糊算法的建筑节能研究

2018-05-14熊赳赳

科技风 2018年29期

关键词：聚类分析建筑节能

熊赳赳

摘要：本文将聚类分析与模糊算法相结合，提出了一种新型分析算法，并将这种算法应用在住宅小区电力设施中，为建筑的节能设计提供了一种新思路。

关键词：建筑节能；模糊算法；聚类分析；供电设施

中图分类号：TU50文献标识码：A

1 绪论

供电设施及其配套设施是住宅小区的重要组成部分，同时也是耗能设施，其设计是否合理直接关系到建筑的能耗大小[1，2]。本文结合聚类分析，以模糊算法对住宅小区供电设施及其配套设施进行了分析，克服了传统聚类分析无法准确划分分析对象属性的缺点。

2 结合聚类分析的模糊算法简介

由于建筑节能设施中的研究对象没有严格的属性划分，传统聚类分析无法满足，本文在聚类分析中引入了模糊算法，首先将数据进行标准化处理，将指标体系作为论域，U（u1，u2，…..，un），论域中的ui是由数据（xi1，xi2，…..，xim）构成的，进而形成评分矩阵X=（xij）n×m；之后建立相似关系（模糊）矩阵，在上述论域U中的指标可以作为一个样本，在U上的相似关系（模糊）矩阵R可以通过绝对值倒数法建立，如式1所示：

rij=1，i=j

C∑mk=1|xikxjk|i≠j（1）

式中的C取0.1；建立矩阵后进行模糊聚类，这一步需要将R转换为等价（模糊）矩阵R*，利用布尔传递包，再依照R，R2，R4….的顺序进行求平方计算，当R2k与Rk的值相等时Rk满足传递要求，此时Rk即为等价（模糊）矩阵R*，将矩阵中的数值按照大小排列，依照这个排列顺序，对λ进行取值，即可得到如式2所示的不同λ（阈值）条件下的布尔矩阵：

Zλ=（zij）n×n

zij=1，zijr*ij

0，zij

在阈值为λ时，上述矩阵中有大于等于两列的数完全相同时，这些列中表示的指标就具有相似性，此时可以将这些指标划分为相同的一类，根据λ的大小可以构建出动态聚类，进而剥离得到离群指标，参考实际情况，得到最优分类，即为结合聚类分析的模糊算法的最终结果。

3 结合聚类分析的模糊算法在建筑節能中的应用

以建筑的供电设施为例，对建筑中的各项因素应用本文提出的新型模糊算法进行分析。

3.1 数据的获得

通过向相关人员发放问卷获得数据，问卷的设计主要针对建筑内的住户或使用者，将各个影响因素对建筑节能的影响划分为5个等级（大、较大、中等、较小、小），实发问卷为400份，回收问卷305份，有效问卷289份，回收率为79.3%，有效率为72.3%。

3.2 标准化数据的获得

本文选取的影响因素为四类，分别为居民、开发商、供电企业和政府，居民一类中可以细分为居民收入、供电可靠性、电气设备水平、用电习惯四项，开发商一类中可以细分为配套设施投入、施工进度、布局规划，供电企业一类中则包含设备故障率、服务、规划、经济效益，政府一类中包括环保力度、重视节能程度、供电规划、相关法规。通过调查问卷，依据调查问卷的结果建立评价得分矩阵X。

3.3 等价（模糊）矩阵的获得

依据矩阵X，按照四类影响因素，建立相应的矩阵，如式3所示：

R1=（rij）4×4=10.0960.0890.321

0.09610.1630.078

0.0890.16310.070

0.3210.0780.0701（3）

3.4 阈值λ的获得

问卷中，各个影响因素的等级为大、较大、中等、较小、小，得分分别定为5分、4分、3分、2分、1分。利用MATLAB对各个影响因素的等价矩阵进行求解，利用标准化矩阵即可得到各个影响因素的综合得分，如下表所示，表中，将综合得分和动态聚类图综合考虑，可以得到每个影响因素中的具体分类（模糊）。

4 结论

综上所述，本文在聚类分析中引入了模糊算法，以建筑的供电设施为例，分析了这种新型聚类分析在建筑节能中的应用，为建筑的节能设计提供了新思路。

参考文献：

[1]侯振国.新建住宅电力设施建设与科学管理[J].湖北电力，2012，36（2）：4951.