8篇关于能耗预测的计算机毕业论文

今天分享的是关于能耗预测的8篇计算机毕业论文范文, 如果你的论文涉及到能耗预测等主题,本文能够帮助到你

EMD-ARMA改进模型在能耗监测系统中的研究与实现

这是一篇关于能耗监测系统,能耗预测,自回归移动平均模型,物联网的论文, 主要内容为近年来,随着技术水平发展我国对能源的需求程度提高,随之而来的能源浪费情况也十分严重。现如今建筑能耗约占全国总能耗的30%,且60%以上的建筑为高能耗建筑,仅有10%的建筑达到了节能标准。现如今,我国已经开始采取相应的节能措施,但是由于对能耗使用情况做不到精准把握,节能措施的实施往往起不到该有的节能效果,所以能耗监测系统的研究至关重要。针对能耗监测系统的设计研究存在着众多问题,本文设计的能耗监测系统,是从物联网架构的感知层、网络层和应用层三个技术层面出发,讨论和实践了能耗监测系统的技术需求和功能,为节能减排方案的有效提出提供了数据支持和合理分析。本文设计的能耗监测系统首先是通过对智能仪表的使用,精确监测各类能耗资源的使用情况。其次是增设控制器一级,在设计的控制器中加入单片机轮询采集程序和通信电路,实现实时的采集各类能耗数据。再应用无线传输技术构建内部无线局域网,将控制器采集到的数据通过内部无线局域网发送给中控机。最后在中控机上搭建后台收发软件、数据库和显示界面,实现用户管理、能耗监测、能耗预测等功能。在实现本文重点的能耗预测功能过程中,对原有的经验模态分解-自回归移动平均(EMD-ARMA)数学模型进行了优化,使用经验模态分解、自回归平滑移动和高阶拟合三者结合的方式对能耗结果进行预测,从而使能耗预测的结果更具说服力。监测系统的三层架构是双相传输的,工作人员可以在中控机上进行操作升级控制器的数据采集程序,对数据采集方式进行优化。能耗监测系统通过有线和无线通信技术,将智能仪表、控制器和中控机有机整合为一体,使工作人员可以直接地对底层采集进行调整。同时能耗预测功能的优化实现,满足了能耗监测系统的数据分析需求,提高了监测系统的应用广泛性和市场竞争力。本文设计的能耗监测系统已投入使用且运行状况良好,极大的节省了人力,使得工作人员方便快捷地得到数据和分析数据,提高了相应工作人员的工作效率和管理水平,更重要的是为建筑本身制作节能减排计划和设备管理升级提供了数据支持。

基于AI的写字楼能耗分析及控制系统

这是一篇关于人工智能,深度学习,写字楼能耗,能耗预测,能耗分析的论文, 主要内容为目前,我国写字楼能耗总量迅速增长,然而能耗管理模式粗放,能源浪费现象严重。在能源日益紧缺的环境下,如何节约能源以及高效地使用能源成为一项重要的任务,写字楼能耗的智能分析和控制也成为一个重要的研究课题。本课题结合写字楼能耗数据特点,运用人工智能、可视化图表、网络通信等相关技术,针对目前我国传统的写字楼能耗浪费严重的情况,建立了一个写字楼能耗分析和控制系统。主要包括能耗预测模型、能耗状态评价方法、智能控制方法、能耗数据库和可视化平台。写字楼管理人员可以查看实时能耗、历史能耗、预测能耗、异常能耗,提高了写字楼管理人员的工作效率和管理水平。本设计主要完成的内容有:1.设计并实现了写字楼能耗数据库以及相关的数据表。设计了一个系统平台与处理器之间传送能耗信息的协议,实现了能耗数据接收并将能耗数据存储到数据库中。2.设计了一个根据预测能耗来评价实际能耗状态的方法,分析其能耗状态是否异常,并根据能耗评价结果和设备控制模式实现了能耗设备的智能控制功能。3.采用SSM框架建立系统平台,采用Echarts图表可视化展示写字楼实时和历史能耗、预测能耗,方便管理员通过系统平台掌握写字楼能耗情况。4.分析了写字楼能耗的影响因素,采用人工智能的深度学习算法建立了一个了具有LSTM神经元的RNN模型。该LSTM-RNN模型可以学习写字楼历史能耗数据,从而预测写字楼未来一段时间的能耗。5.从Buildings Datasets公开能耗数据集里面选取一个写字楼能耗信息,通过调试模型参数,将模型参数优化为一组较好的数值。6.比较了本设计中LSTM-RNN模型与经典回归模型和三层BP网络模型的性能,通过在两个写字楼能耗数据上测试,测试结果表明相比经典回归模型和BP网络,本设计中LSTM-RNN模型具有较高的预测精度和鲁棒性。

城轨交通能源采集监控云服务系统的设计与实现

这是一篇关于轨道交通,云服务系统,数据远程实时采集,Netty,能耗预测,GRU的论文, 主要内容为当前城市轨道交通能耗占比和牵引节能需求不断增加,对轨道交通能耗管理系统性能和功能的要求也越来越高。本学位论文针对轨道交通线网管理系统缺乏高效统一的资源管理分析平台的问题,构建了基于云平台的城轨交通能源服务管理系统,并实现了多数据源数据远程实时采集监控和能耗预测分析功能。本文的主要研究内容如下:(1)研究了城轨交通云服务系统的技术方案,并在轨道交通牵引供电网络及采集监控云服务系统需求分析的基础上,设计了基于云服务Web系统和数据采集监控系统的整体架构方案。(2)设计了数据远程实时采集系统应用层通信协议,解决了连接效率、粘包和连接安全的问题。基于Netty的IO多路复用模型和零拷贝技术,设计并实现了更高效的远程实时传输系统,通过增加消息队列实现消息解耦异步处理,进一步降低系统耦合性。(3)分析了循环神经网络(RNN)及其变体结构和理论推导,构建了基于门控循环单元(GRU)的轨道交通牵引能耗预测模型,并在实际轨道运营数据测试中,模型平均绝对百分比误差3.4739%,可以为轨道交通能耗变化趋势提供参考。(4)基于SpringBoot框架实现了规范可靠的轨道交通能源采集监控云服务系统的Web服务架构,并具体实现用户登录、权限管理、数据监控、采集监控、能耗统计分析等模块及数据库整体设计和批处理及连接池优化设计。(5)在阿里云服务平台的基础上完成了城轨交通采集监控云服务系统的部署,对系统功能进行了测试和优化,并重点对数据采集模块进行性能测试分析,包括并发数和数据包大小对系统响应时间和吞吐量的影响。

泵送过程智能优化及安全决策研究

这是一篇关于命名实体识别,知识图谱,能耗预测,优化决策,泵送过程的论文, 主要内容为泵送过程在国民经济建设中扮演着重要角色,但针对于泵送过程优化检测技术不够完善,不能够做到安全运行决策及优化,无法保障泵送过程高效安全运行。针对上述问题,本研究结合数据挖掘预测算法及命名实体识别技术,建立了泵重要特征能耗的预测模型,并对泵运行过程安全隐患进行结构化分析,构建安全决策图谱。主要工作内容如下:(1)受改进的模型预测效果研究的启发,提出了一种新的基于泵机理的泵能耗预测模型,可以提高工业泵能耗的预测效率,辅助降低能耗;(2)通过结合人工智能深度学习网络,提出了一个集成深度算法,特征工程,和机理的工业预测过程框架,其可以扩大工业智能和资源效率的研究视角,并给能源消费领域的研究人员提供想法。(3)探索了将特征工程与数据驱动方法相结合的特征构建过程,发现了基于特征挖掘的三个泵特征,可以有效地提高泵能耗的预测效果。(4)提出了一种基于资产管理壳思想的泵送过程安全知识标准化框架。发现这种基于原子化的资产的概念表示,即如何在知识映射领域准确地表示资产,并在泵送过程中实践这种资产表示应用。它可以为不同的安全报告提供一种结构化的表示方案,以不同的表达式统一地表示泵送过程安全知识,从而实现泵送过程安全知识的可表达性。基于泵能耗预测模型,筛选出与泵能耗预测紧密相关的3种特征,根据预测结果,可以显著降低泵设备能耗预测的偏差问题。基于新型泵送过程安全知识图标准化构建过程,构建了4个语义类型模板和5个语义关系模板。对比实验表明,与其他关键实体提取算法相比,测试集上的实体提取精度平均提高了17个百分点。在泵送过程安全用例中,共构建了1329个实体。此安全知识图谱集为安全决策提供了大量的参考示例,有效提高了泵送过程的安全性。

基于Android系统移动终端的轨道交通能源监测系统的设计与实现

这是一篇关于轨道交通,能源监测,深度学习,能耗预测,Android系统的论文, 主要内容为近年来随着我国城市轨道交通建设速度不断加快,能源消耗成为人们关注的重点问题。而列车牵引能耗作为地铁总能耗的主要组成部分,对其的相关研究成了轨道交通运行企业进行能源调度以及日常维护的重要依据。同时由于移动设备的普及,地铁运营企业对于获取数据方式要求更加灵活。为了能够对能耗数据进行实时监测,了解其变化趋势,更好地对能耗进行分析管理,本文对轨道交通能源监测系统进行相关研究。本文综合考虑轨道交通的功能性和非功能性需求,设计了基于Android系统的轨道交通能源监测系统。该系统的设计主要包括系统的功能以及软件架构设计、数据库设计及客户端服务器软件设计,并通过对影响因素分析,基于神经网络搭建能耗预测模型,并对比实际值进行仿真验证。其中客户端采用Android框架技术实现,服务端使用SSM架构开发,负责响应客户端请求,数据通信通过Tomcat服务器以及HTTP通信协议等技术完成,使用My SQL作为本系统的数据储存平台。基于Android的能源监测系统通过对能耗数据进行监测与分析处理,有利于轨道交通运营组织更加科学、高效进行能源调度,最终实现能源消耗的降低,从而降低运营成本。