在采集建筑能耗監測系統平臺數據時，由于通信中斷、設備故障、用戶運維不當等，會導致數據中存在缺失、突變等問題。因此，在建筑能耗數據挖掘及能耗分析前，需要對從監測平臺采集到的數據進行預處理，提高獲取數據精度。

建筑能耗數據預處理包括：識別缺失和異常的用電能耗數據；填補缺失及異常的用電能耗數據。

建筑能耗數據中，異常值通常分為數據傳輸導致的異常及運行規律異常。如果預處理后的能耗數據用于某建筑的數據挖掘，則只需識別數據傳輸導致的突變數據以及數據長期保持不變的異常數據；如果預處理后的數據用于建立某建筑的能耗基準，則還需對其運行規律導致的異常數據進行識別并剔除。

目前比較公認的異常分類方式是分為三種：

（1）單點異常：

這類異常也可以成為全局異常，即某個點與全局大多數點都不一樣，那么這個點構成了單點異常。

（2）上下文異常

這類異常多為時間序列數據中的異常，即某個時間點的表現與前后時間段內存在較大的差異；在某一上下文是正常的，另一個上下文是異常的。比如，在周末假期時間，由于運維不當導致建筑每小時的照明消耗值不正常；但如果在正常工作日時，該能耗值則不是異常。

（3）集體異常

這類異常是由多個對象組合構成的，即單獨看某個個體可能并不存在異常，但這些個體同時出現，則構成了一種異常。比如，由于斷電維修等導致能耗值長期處于零值。