为什么数据清洗是能耗监测的“隐形工期”

能耗监测平台验收时，演示总是很漂亮：曲线平滑、报表齐全。可运行三个月后再看，质疑声陆续来了——凌晨两点的照明能耗高得离谱，冷机能效比算下来接近九，周末的能耗曲线凭空缺了一整天。业主会问：是设备真有问题，还是数据本身在说谎？

经验规律是：一个能耗监测项目，硬件安装调试只占三成工期，剩下的大部分耗在数据清洗上。采集只是开始，让每一条数据“敢说真话”才是项目成败的分水岭。数据质量的第一道关口其实在边缘侧——采集时就打好时间戳、断网时把数据存住，能省掉后台大量的补救工作。我们在多个项目里用ECG100边缘数据管理器承担这一角色，断网续传配合毫秒级时间戳对齐，回到平台的数据天然带着完整的时间序列信息，实测记录见ECG100边缘数据管理器在能耗数据边缘侧采集、时间戳对齐与断点续传中的应用。

异常值识别：四层漏斗，层层收窄

异常值不能“看着不对就删掉”，科学的识别是从松到严的四层漏斗：

第一层：物理范围校验。相对湿度不可能超过百分之一百，冬季室内温度不可能达到四十摄氏度。超出物理可能区间的数据，直接判为设备故障，置为无效并报警，不要参与任何统计。

第二层：变化率校验。建筑是有热惯性的：一小时内室内温度波动通常不超过两三摄氏度，冷冻水供水温度变化更是缓慢。如果一分钟内温度跳变五摄氏度，物理上不可能，大概率是通信干扰或传感器松动造成的跳点。

第三层：统计方法。接近正态分布的能耗数据用“3σ准则”，偏离均值超过三倍标准差判为可疑。但能耗数据大多右偏——白天高、夜间低——更稳健的做法是箱线图法：小于下四分位数减去1.5倍四分位距、或大于上四分位数加上1.5倍四分位距，判为异常。对滑动窗口场景（如逐分钟冷机功率），Hampel滤波以中位数加减三倍中位绝对偏差为界，抗干扰能力更强。

第四层：能量平衡校验。单项数据看似正常，合起来对不上也是异常。空调系统的冷热量表读数，应当与冷机电耗处在一个合理的换算区间内；分项能耗之和与总表之间，也应保持稳定的偏差率。平衡校验的上游是计量设计阶段的回路切分质量——分项边界不清，平衡就无从谈起，这正是我们在《分项计量设计规范：能耗监测系统的电气设计要点》一文中反复强调的。冷热量计量环节的偏差率控制经验，见ZYH-542超声波流量计/热量表在空调冷热量计量与能量平衡校验中的应用。

缺失值补全：按缺口长度分级处理

缺失比异常更常见：断电、断网、采集器重启、通信干扰都会造成数据空洞。补全策略必须按缺口长度分级，一刀切要么失真要么过度加工。

短缺口（一至三个采集周期）：线性插值或前后点平均即可，对日累计能耗的影响可以忽略。

中缺口（数小时）：用同期类比法——取昨日同时段、上周同期的均值，供暖供冷场景再按度日数做修正。这个方法的物理依据是同类型日的负荷模式高度相似，比单纯插值可靠得多。

长缺口（超过一天）：不要硬补。补出来的“完整曲线”看着舒服，进考核报表就是灾难。正确做法是标记缺失、报告注明，能耗分摊时按合同约定的规则处理。

还要追问一句：数据是真的丢了，还是链路根本没断、只是平台没收到？很多“缺失”其实是采集侧规约转换失败或缓冲区溢出。能耗网关在多回路能耗数据采集与Modbus规约归一化中的应用一文专门讨论过网关侧的缓存深度配置，缓存配够，长缺口会大幅减少。

假异常：先怀疑传感器，再怀疑世界

数据“异常”不一定是数据的问题。温湿度传感器漂移会让读数长期缓慢偏离真值，表面看一切正常、其实整体偏移；电化学原理的传感器超过寿命后响应失真；安装位置不当——阳光直射、贴近新风口、贴着冷桥——都会制造系统性偏差。排查顺序建议反过来：先查传感器状态和安装环境，再查通信链路，最后才动算法。漂移问题的机理与现场校准手法，见温湿度传感器漂移机理与现场校准方法：漂移是假异常的第一大来源。

工程落地：一份可直接照抄的清洗规则清单

三条铁律：原始值永不覆盖，清洗值另存一列；每条清洗动作留痕，谁、何时、依据什么规则要可追溯；阈值调整走审批流程，不许现场口头改。

从一次性清洗到常态化质量监控

数据清洗不是项目上线前的“大扫除”，而是日复一日的例行工作。建议把三个指标放进每日巡检：完整率（应到数据与实到数据之比）、有效率（通过校验的数据占比）、及时率（数据到达延迟）。三项指标任一跌破阈值即触发告警，而不是等月底报表出问题再回头查。清洗的最终目的是流向诊断与优化——干净的数据汇入建筑节能实战手册：从能耗监测到优化的完整闭环所描述的闭环，才算完成了它的使命。