论文部分内容阅读
随着当今社会各领域的发展和人民生活质量的提高,能源的使用量随之增大,造成了大量的能源消耗,突出体现在大型建筑当中,如商业建筑和校园建筑等。为了贯彻国家“十三五”规划中的绿色校园建设思想,在总结前人的研究工作基础上,进行了建筑能源管理系统的需求分析和研究,结合当前的物联网技术设计开发了一套具有数据查询、能耗趋势分析的建筑能源管理系统,并利用了广东省某高校的实际数据建立预测模型来对能耗进行预测,以便更好地进行节能规划。本研究以广东省某高校的办公建筑的能源消耗为研究对象,以CC2530芯片为核心设计了能耗数据采集模块,实现了对电表数据的采集功能,并通过实验验证了数据采集模块工作的可靠性。通过广东省某高校的历史能耗数据,对日分项能耗和月统计能耗分别建立了线性回归-BP神经网络预测模型和指数平滑-BP神经网络预测模型来进行数据预测。基本原理为:首先利用线性回归法和指数平滑法来进行第一次预测,将第一次预测的结果通过训练好的BP神经网络进行二次预测。实验仿真结果表明,在线性回归预测中,影响因子的取值在0~1之间进行取值是较为合理的,取值越小,其预测结果更接近于实际值;在指数平滑预测中,针对能耗数据的时间序列规律,加权因子的取值在0.1~0.5之间进行取值是较为合理的,取值越小,其预测结果更接近于实际值;通过使用BP神经网络进行二次预测后可以提高预测精度,使得预测结果与实际数据的误差减少了1.56%~2.1%,相比较第一次预测结果要更接近于实际值,能够更好地进行节能规划,从而达到节能的目的。最后以WAMP为开发环境,ThinkPHP框架为开发框架设计并开发了建筑能源管理系统的软件平台,该平台集系统登录、能耗数据查询、历史能耗查询、能耗趋势分析、节能报告等多功能于一体,还设置了安全和可扩展的功能。论文的主要特点和创新在于:(1)通过PHP开发了建筑能源管理系统的软件平台,利用了其免费开源且运行时占用系统资源少的优势,为校园建筑的能源管理提供了平台支撑;(2)针对日分项能耗和月统计能耗的时间序列的特点,分别将线性回归预测和指数平滑预测结合BP神经网络应用于能耗数据的预测当中,通过设定合理的参数来提高数据预测的准确性,有效地减少了能源的消耗。