随着计算机技术、互联网技术的高速发展，大数据时代的到来已经势不可挡，数据量的爆炸式增长为各行各业带来了新的机遇和挑战。“Nature”、“Sci-ence”等国际顶级期刊相继出版专刊，阐述大数据的到来可能对互联网、超级计算等多个行业带来的机遇与挑战[1 -4]; 2012 年 3 月 29 日，奥巴马政府公布了“大数据研发计划”（ Big Data Research and Develop-ment Initiative） ,该计划的目标是改进现有人们从海量和复杂的数据中获取知识的能力[5]; 2013 年被称为“大数据元年”,以互联网金融为代表的大数据应用席卷而来，如余额宝、微信支付等，大数据应用逐渐深入到各个领域，为各行各业带来了新的生机； 2014年 11 月 6 日，包括中国电信、东方航空等在内的 8 家单位发起、45 家企业联合组成的中国企业大数据联盟在北京成立。这标志着大数据应用已经逐渐深入到各个领域，包括传统行业。该联盟致力于推动跨界大数据标准制定与合作，促进大数据技术成果应用推广； 汇聚各方力量，借鉴世界先进经验，为我国大数据产业健康发展做出贡献[6].
大数据通常指那些大小已经超出常规软件与硬件工具能够收集、处理及分析的数据集合。维基百科定义大数据为： “所涉及的数据量规模巨大到无法通过人工，在合理时间内达到截取、管理、处理、并整理成人类所能解读的信息。”[7]
麦肯锡全球数据研究所（ Mckinsey Global Institute） 于 2011 年发表的论文中这样描述大数据： “大数据是指大小超出了典型数据库软件工具收集、存储、管理和分析能力的数据集。”[8]
关于大数据尽管目前没有统一的定义，但各个表述的核心内容是一致的。大数据的特点公认为3 个 V: 巨量性（ Volume） 、即时性（ Velocity） 、多样性（ Variety） .
1 传统空调领域数据的来源与应用
传统空调领域的数据主要包括两个方面：
1） 空调系统数据。包括空调系统零部件的规格参数、系统整体性能参数（ 如制冷量、COP 等） .对于中央空调而言，还包括风机系统、水泵系统、冷却塔、变配电系统等配套设施的规格参数； 空调实验和运行时各类传感器产生的监测数据、控制系统的控制信号等也是空调数据的重要来源。
2） 空调企业在生产与销售空调时产生的数据。
包括空调设计时材料和零部件的筛选数据； 工厂生产数据； 企业人事管理、财务、销售、物流数据； 空调售后维护、修理、回收数据等。对于空调企业，空调系统的数据主要用于产品的更新换代，通过实验、仿真，数据采集和分析，实现系统部件优化、整体优化及控制策略优化； 这些数据还是业内专家学者、设计研究院、企业等制定行业标准的依据； 自 20 世纪八十年代以来逐渐兴起的制冷空调系统故障检测与诊断研究[9 -10],目前已经成为国内外制冷空调领域的研究热点之一，该研究主要采用基于定量模型方法、基于定性模型方法以及基于历史数据等方法，建立故障诊断模型，通过采集空调的实时运行数据，实现空调系统的在线故障检测与诊断。
2 空调领域大数据来源
空调领域大数据来源包括了传统数据的来源，随着计算机技术、自动控制技术的飞速发展，空调系统的复杂化，数据来源更加广阔。大型建筑中要实现房间温湿度的高精度控制，控制系统将越来越精密。计算机计算分析的数据以及发送的控制指令越来越多。
其次，安装在空调系统中的各类传感器越来越多，传输的监控数据将飞速增长，存储成本降低及存储能力的增加使这些数据能够保存下来。此外，空调企业规模的扩大，企业管理系统的升级，营销方式的多样化，产生和存储的数据也越来越多，也将成为空调领域大数据的主要来源。大数据来源可以分为系统大数据和企业大数据两方面来叙述。
2. 1 空调产品及空调系统大数据
2. 1. 1 零部件筛选数据空调产品设计之前需要对不同的零部件及材料进行筛选与组合。材料、零部件的来源与种类繁多，这意味着大量的数据。不同的材料与型号的零部件搭配出不同的系统，而最终验收通过的系统往往有很多次失败的搭配，这些过程也会产生大量的数据。
2. 1. 2 空调设计数据空调产品设计过程，从设计要求的提出、制定设计计划，到市场调研、设计定位，再到产品设计草图、结构设计，直至最终的样机模型的制成，会产生大量的数据。只有通过分析大量的市场调研数据，才能准确定位产品； 而大量的计算机虚拟设计，可以节省设计时间、降低材料成本、降低失败率。过去，失败的设计方案往往都被删除，数据挖掘技术可以从过去的设计数据中寻找出有价值的设计信息，每一代新产品的问世都代表着大量的设计数据，这将成为空调产品设计的新财富。
2. 1. 3 空调实验数据空调新产品的问世需要经过一系列的实验和性能测试，这些过程中产生了大量的数据，而其中许多失败的实验数据在过去由于存储成本高而删除，此外，产品测试实验的目的只是验证产品是否已经达到生产标准，实验往往只要一个参数，其他可采集的参数都不会保存或在实验完成后删除。例如空调的寿命测试，研发人员最终需要的数据只是空调的寿命值，而这其中高达几万小时的连续测量数据，一方面由于存储成本高，另一方面是没有手段获得数据中的价值，最终都被放弃。现在随着存储成本的降低以及数据挖掘技术的不断完善，这些数据将成为空调领域数据的新来源，展现新的价值。
2. 1. 4 空调运行数据计算机成本的降低、存储和处理速度的提升，为空调系统大数据的产生奠定了基础。在一座大型建筑中，冷水机组、水泵、风机等各类用电设备的记录电表就数以百计，建筑自动控制系统（ BAS） 一天内通过各类传感器获得的数据以及计算机发出的控制指令就达百万个[11]（ 如图 1 所示） .另外，许多企业实现了中央空调系统的远程监控，在全国各地销售的中央空调产品中的各类传感器将实时运行参数反馈给企业控制平台，一旦空调机组发生或可能发生故障，企业可以及时做出相应控制调整或联系维修人员上门维修，通过网络传播的实时监控数据量将非常巨大。
2. 1. 5 其他数据空调系统数据还包括其他数据，如出厂检测数据、产品废弃数据等，这些数据也是空调系统大数据的一部分。
2. 2 空调企业大数据
空调企业的发展将离不开大数据，企业的人事、资金、物流网络的管理、市场营销等都会产生大量的数据（ 如图 2 所示） .在大数据时代，这些数据将成为企业的财富，是企业发展的核心竞争力。
2. 2. 1 人事管理数据空调行业作为传统行业之一，特点是企业规模较大，人员结构较复杂，这在一定程度上增加了企业管理的难度。企业的人事管理，诸如人员的招聘、晋升、调动、日常考勤等工作，职务分析、绩效评估、人员培训、档案保管等过程中产生了大量数据，这些数据对于调整企业人员结构，分配企业人力资源，具有重要的意义。
2. 2. 2 资金管理数据经济的发展过程中涌现了大量的集团性公司，大型的空调企业管理层级多、跨地域广。企业的发展壮大产生了大量的财务、销售数据，为准确分析企业的偿债能力、营运能力、盈利能力、发展能力等提供了可能，有利于合理调整资金流向，促进企业的健康发展。
2. 2. 3 市场营销数据随着市场竞争压力的不断增大，企业的营销手段越来越多样，在企业营销管理、用户分析、市场宣传与拓展、产品促销、用户反馈等过程中，产生了大量的数据。通过大数据关联分析、聚类分析等手段，可以帮助企业寻找消费人群、分析产品定位，进而策划促销活动，拓展市场。
2. 2. 4 物流数据空调企业物流包括供应、生产、销售、回收废弃物等几个方面的物流，大型空调企业拥有若干制造工厂、仓库、专属的转运设施和渠道商，这些子系统组成了完整的企业物流链。在整个完整的循环活动中，产生了大量的物流数据。利用大数据分析手段来应用这些数据，有利于企业快速分析物流信息、快速响应客户服务，减少物流成本，提升企业竞争力。
2. 2. 5 其他企业数据空调企业还有诸如赞助、广告、维护、维修、产品回收等数据，这些数据也是企业大数据的组成成分。
3 空调领域数据挖掘
数据挖掘技术的诞生解决了传统的数据分析方法难以分析海量数据的难题，它基于统计学的抽样、估计和假设经验，人工智能、模式识别和机器学习的搜索算法、建模技术和学习理论等，而数据库、数据仓库技术、可视化技术的发展，为数据挖掘技术提供了技术支撑。
空调领域的大数据具有以下几个特点： 巨量性、多度量性、多维性、地域性。
1） 多度量性。衡量空调系统健康运行的参数指标众多，如温度、压力、流量、功率、风速等，这些参数具有不同的度量。
2） 多维性。记录空调系统运行状态的一组数据，就有几十个不同的参数，导致了其多维性。
3） 地域性。不同地区的空调运行数据不同，这与地区的气候条件有关。而企业在不同地区的销售、物流数据也有很大差别，这取决于不同地区用户的需求量。
因此，空调领域数据挖掘技术不仅要满足对多度量、多维度的数据的分析，还要能够满足针对不同地域空调数据的知识发现，这对空调领域数据挖掘提出了挑战。空调领域数据挖掘的方法研究已逐渐展开，常用的方法主要有： 神经网络（ Neural Network）[12]、支持向量机（ Support Vector Machine）[13]、贝叶斯网络（ Bayesian Network）[14]等。
