支持向量机在路灯节能控制策略中的应用研究
发布时间:2023-08-05 17:25
传统路灯行业主要采用时间、经纬度、光照度等策略控制路灯开关,使用间隔开灯、定时调节功率来实现适应车流量变化来达到节能目的。一方面,光照度控制节能效果最佳,但因采集数据误差大、安装角度难等因素影响,导致不能最大化节能效果。另一方面,功率调节方法中,定时调节功率较好,但是定时控制不能适应一年四季以及节假日车流量变化的情况,因此还能有进一步提升的空间。本文针对现有路灯开关控制和功率控制的不足之处,拟提出融合聚类和支持向量机算法的路灯节能控制策略,对不同指标数据的分析,制定路灯的使用时间和调节功率,达到有效节能的目的,精确率和召回率的实验证明该方法的可行性。本文完成的主要研究工作如下:(1)针对光照度控制路灯开关不稳定的问题,本文提出一种融合光照度聚类与支持向量分类机的路灯开关方法SVM-ES。该方法收集光照度、时间、安装角度数据,并用K-means算法对光照度进行聚类,把原本变化剧烈的光照度数据变为5个等级(15),然后通过SVM对数据进行学习训练,在不考虑其他外在因素的情况下,预测路灯的开关时间。实验结果表明,该算法可有效降低路灯的用电量。(2)针对定时调节功率不能适...
【文章页数】:70 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
1 绪论
1.1 课题研究背景与研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容和目的
1.4 论文的组织结构
1.5 本章小结
2 支持向量机与路灯系统相关分析
2.1 路灯控制系统
2.1.1 路灯控制系统架构
2.1.2 Zigbee通信协议
2.1.3 光照度探测技术
2.1.4 多普勒测速技术
2.2 支持向量机相关研究和优势分析
2.2.1 支持向量机算法相关研究分析
2.2.2 支持向量机优势分析
2.3 K-means算法相关研究分析
3 基于支持向量分类机的路灯开关控制方法
3.1 问题背景描述
3.2 支持向量分类机在减少路灯开关灯时间上的分析
3.3 支持向量机分类算法
3.4 K-means提升SVM的性能
3.5 准确率实验及结果分析
3.5.1 数据集
3.5.2 评价指标
3.5.3 实验分析
3.6 本章小结
4 基于支持向量回归机的路灯功率调节方法
4.1 问题背景描述
4.2 支持向量机回归算法在路灯功率调节上的分析
4.3 支持向量机回归算法
4.4 K-means提升SVR的性能
4.5 准确率实验及结果分析
4.5.1 数据集
4.5.2 评价指标
4.5.3 实验分析
4.6 本章小结
5 结合支持向量机分类与回归算法的路灯二次节能方法
5.1 问题背景描述
5.2 支持向量机分类与回归算法在路灯二次节能上的分析
5.3 K-means提升SVM与SVR的性能
5.3.1 使用K-means对光照度聚类
5.3.2 使用K-means对车流量聚类
5.4 准确率实验及结果分析
5.4.1 数据集
5.4.2 评价指标
5.4.3 实验分析
5.5 本章小结
6 基于支持向量机分类与回归算法路灯二次节能系统原型
6.1 需求分析
6.2 系统设计
6.2.1 总体框架设计
6.2.2 功能设计模块
6.2.3 数据库设计模块
6.3 系统原型界面
6.3.1 登录界面
6.3.2 数据管理界面
6.3.3 数据统计分析
6.3.4 日志管理
6.3.5 用户管理
6.3.6 节能预测Restful接口
6.4 本章小结
7 结论与展望
7.1 结论
7.2 展望
致谢
参考文献
附录
A 作者在攻读硕士学期期间发表的论文
B 作者在攻读硕士学位期间参与的科研项目
本文编号:3839041
【文章页数】:70 页
【学位级别】:硕士
【文章目录】:
中文摘要
英文摘要
1 绪论
1.1 课题研究背景与研究意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.3 研究内容和目的
1.4 论文的组织结构
1.5 本章小结
2 支持向量机与路灯系统相关分析
2.1 路灯控制系统
2.1.1 路灯控制系统架构
2.1.2 Zigbee通信协议
2.1.3 光照度探测技术
2.1.4 多普勒测速技术
2.2 支持向量机相关研究和优势分析
2.2.1 支持向量机算法相关研究分析
2.2.2 支持向量机优势分析
2.3 K-means算法相关研究分析
3 基于支持向量分类机的路灯开关控制方法
3.1 问题背景描述
3.2 支持向量分类机在减少路灯开关灯时间上的分析
3.3 支持向量机分类算法
3.4 K-means提升SVM的性能
3.5 准确率实验及结果分析
3.5.1 数据集
3.5.2 评价指标
3.5.3 实验分析
3.6 本章小结
4 基于支持向量回归机的路灯功率调节方法
4.1 问题背景描述
4.2 支持向量机回归算法在路灯功率调节上的分析
4.3 支持向量机回归算法
4.4 K-means提升SVR的性能
4.5 准确率实验及结果分析
4.5.1 数据集
4.5.2 评价指标
4.5.3 实验分析
4.6 本章小结
5 结合支持向量机分类与回归算法的路灯二次节能方法
5.1 问题背景描述
5.2 支持向量机分类与回归算法在路灯二次节能上的分析
5.3 K-means提升SVM与SVR的性能
5.3.1 使用K-means对光照度聚类
5.3.2 使用K-means对车流量聚类
5.4 准确率实验及结果分析
5.4.1 数据集
5.4.2 评价指标
5.4.3 实验分析
5.5 本章小结
6 基于支持向量机分类与回归算法路灯二次节能系统原型
6.1 需求分析
6.2 系统设计
6.2.1 总体框架设计
6.2.2 功能设计模块
6.2.3 数据库设计模块
6.3 系统原型界面
6.3.1 登录界面
6.3.2 数据管理界面
6.3.3 数据统计分析
6.3.4 日志管理
6.3.5 用户管理
6.3.6 节能预测Restful接口
6.4 本章小结
7 结论与展望
7.1 结论
7.2 展望
致谢
参考文献
附录
A 作者在攻读硕士学期期间发表的论文
B 作者在攻读硕士学位期间参与的科研项目
本文编号:3839041
本文链接:https://www.wllwen.com/jingjilunwen/jianzhujingjilunwen/3839041.html