高校能耗监控系统的研究与设计

来源 :南华大学 | 被引量 : 8次 | 上传用户:mayf014
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近年来,能源的过高消耗是我国面临的一个严峻问题,节能措施已经迫在眉睫,利用能耗监控系统,能够科学方便地找到有效的节能措施,从而减少能源不必要的消耗和浪费。高校不仅是培养社会人才的摇篮,同时也是能源消耗中占有较大比例的场所,因此,建立高校能耗监控系统,不仅能够节省能源消耗,而且也可以在建立环境友好型社会的号召下起到了示范带头作用。本文在研究相关技术的基础上构建了高校能耗监控系统,通过傅里叶分析方法和聚类算法相结合来预测能源的消耗值,通过与实际值的比较来实现系统中预警的功能。主要的工作概括如下:首先介绍了高校能耗监控系统的研究背景、国内外的研究现状,以及高校能耗监控系统的研究意义,为下一步的高校能耗监控系统的研究做理论基础,并针对涉及到的能耗监控系统相关技术和方法做了详细介绍;其次,给出了高校能耗监控系统的设计过程,从系统的架构、功能等方面给出了详细的设计过程;最后通过一定周期内能耗值的概率情况对建筑的能耗进行预测,提出了一种能耗监控预警的方法并实际的运用到了高校能耗监控系统的预警模块。本文的主要创新点是运用聚类和离散傅里叶分析相结合的方法对建筑的能源消耗情况进行预测。其主要过程是:对于所有建筑的能源消耗,首先对采集的历史能耗数据进行预处理,利用聚类分析方法识别出能耗模式,通过离散傅里叶分析求出能耗模式内的能耗周期,再根据周期统计出周期内离散点的能耗值次数分布情况,利用分析工具SPSS分析得出分布函数,以确定周期内离散点的能源消耗值的概率情况,最后根据能耗周期和概率情况,确定建筑能耗预测值,将实际值与预测值进行比较,若实际值超出预测值一定范围时,向管理员报警来提醒管理员能耗数据异常,以便管理员及时查找异常原因并解决,从而减少能源浪费达到节约能耗的目的。
其他文献
随着信息技术的高速发展,信息资源的规模愈发庞人,导致管理难度大大增加,因此需要采用有效的知识管理方法来处理海量信息。由于本体提供了对领域知识的共同理解,确定了该领域内共
粗糙集理论是继概率论、模糊集理论、证据理论之后的又一个处理不确定性的数学工具。知识约简算法是粗糙集理论的核心内容。寻找决策信息系统的最优约简或全部约简是NP问题,
学科分类体系可以揭示科学发展的规律,并能在一定程度上预测学科进一步发展的趋势,有助于科研管理工作者制定政策。随着科学知识迅猛增长,学科分类体系动态性日益明显。如何构建
长期以来,电信企业大量而详尽的电信业务数据只被简单的应用在各种业务系统中,而没有被更有效的开发利用。随着电信市场的竞争日趋激烈,如何利用这些数据为电信业提供决策支持服
决策树方法是数据挖掘的重要方法,通常用来形成分类器和预测模型。决策树方法包含多种不同的算法,其中ID3算法是决策树方法的典型代表,是决策树生成最常用的具体实现方法,它利用
粗糙集理论是一种新的刻画不完整性和不确定性的数学工具。知识约简是粗糙集理论研究的核心问题之一。目前,粗糙集理论正在被广泛应用于人工智能、模式识别等很多领域。本文对
随着互联网和大型局域网迅速发展,网络带宽的不断扩充,给我们带来方便的同时也导致用户数与日俱增,传统的认证管理模式已无法满足大型局域网中用户对网络安全性、高效性和低成本
机器学习已经广泛应用到实际生活的各个领域。随着互联网的高速发展,每天有数以亿级的图像被上传,下载,给计算机视觉中的图像自动分类带来巨大的挑战。当今搜索引擎耗费大量的人
星空背景的景象生成技术是实现太空目标的识别与跟踪、导弹寻的、航天器飞行场景模拟、星敏感器星图识别等技术的关键技术之一。星空背景建模技术在军事、航空航天、遥感探测
Apriori算法是数据挖掘中最普遍的关联规则挖掘算法。但是在大型数据库或低阈值的挖掘中则会相当耗费时间,因为Apriori算法在数据挖掘的过程中有两个效率上的缺点,其中一个是需