基于能耗预测模型的能源管理系统研究与实现

发布时间：2017-05-10 07:12

  本文关键词：基于能耗预测模型的能源管理系统研究与实现，由笔耕文化传播整理发布。

【摘要】：制造业作为我国的支柱产业，地位举足轻重。目前，制造企业普遍面临着能耗多、成本高的难题，能耗不仅关系到企业的经济效益，而且和企业的社会责任密切相关。在能源供应日益紧张、价格日益高涨的国内外环境下，开展以节能为目标的能耗预测模型研究，具有重大的意义。为了提高企业的能源管理效率，不仅需要对能源历史数据进行统计、分析，还需要对未来的能源数据做好预测，提高智能分析水平，从而满足企业各种不同的需求。 本文的研究工作主要包括以下几个方面： 1.系统的概述了能源管理系统及能耗预测模型的研究意义及发展现状。对能源管理系统和能耗预测模型的国内外研究现状进行了总结，同时，对能耗预测模型研究存在的问题进行了分析。 2.针对制造企业因能源需求与供应出现矛盾而造成的能源浪费问题，建立了基于支持向量机的能源需求预测模型。并以某制造企业的电力需求为例，对该模型进行验证，仿真结果表明，此模型有着良好的预测效果。 3.针对传统节能效果评估方法中能耗数据滞后的问题，建立了基于支持向量机的节能效果评估模型。该模型以能耗实际值与预测值的对比，来评估节能效果，仿真实验验证了该模型的可行性。 4.针对高能耗工序因能耗异常而造成的能源浪费问题，建立了基于BP神经网络的能耗异常监测模型。并以轮胎硫化工序为例，把硫化能效作为识别对象，运用BP神经网络算法获取硫化能效与制造因素的关系，再利用概率分布知识构建正常能效的预测区间，以硫化能效的观察值是否落在预测区间之内来判断能耗是否异常。仿真实验表明，，此模型能有效发现能耗异常现象。 5.设计了一套基于能耗预测模型的能源管理系统，包括系统架构设计、功能模块设计和数据库设计等等，并建立了能耗预测模型库，该能源管理系统在制造企业的初步应用中取得了良好的效果。
【关键词】：能源管理系统 能源需求预测 异常监测 支持向量机 神经网络
【学位授予单位】：华南理工大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP311.52;TK011
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 选题背景及研究意义11-13
• 1.1.1 选题背景11-12
• 1.1.2 研究意义12-13
• 1.2 国内外研究现状13-15
• 1.2.1 能源管理系统国内外研究现状13-14
• 1.2.2 能耗预测国内外研究现状14-15
• 1.3 研究内容及组织结构15-17
• 1.4 本章小结17-18
• 第二章 基于支持向量机的能源需求预测模型研究18-30
• 2.1 引言18
• 2.2 能源需求预测应用场景分析18-19
• 2.3 支持向量机的基本理论19-22
• 2.3.1 基本概念19
• 2.3.2 核函数19-20
• 2.3.3 损失函数20
• 2.3.4 支持向量机回归算法20-22
• 2.4 基于支持向量机的能源需求预测模型框图22-24
• 2.5 模型的输入与输出24
• 2.6 仿真实验24-26
• 2.7 性能对比26-29
• 2.8 本章小结29-30
• 第三章 基于支持向量机的节能效果评估模型研究30-36
• 3.1 引言30
• 3.2 节能效果评估应用场景分析30
• 3.3 基于支持向量机的节能效果评估模型30-31
• 3.4 仿真实验31-33
• 3.5 性能对比33-35
• 3.6 本章小结35-36
• 第四章 基于 BP 神经网络的能耗异常监测模型研究36-50
• 4.1 引言36
• 4.2 能耗异常监测应用场景分析36-37
• 4.3 神经网络的基本理论37-40
• 4.3.1 基本概念37
• 4.3.2 神经元模型37-38
• 4.3.3 网络结构38-39
• 4.3.4 BP 神经网络学习算法39-40
• 4.4 基于 BP 神经网络的能耗异常监测模型框图40-42
• 4.5 模型的输入与输出42-44
• 4.6 仿真实验44-47
• 4.7 性能对比47-49
• 4.8 本章小结49-50
• 第五章 基于能耗预测模型的能源管理系统设计50-63
• 5.1 引言50
• 5.2 系统的需求分析50-51
• 5.2.1 系统概述50-51
• 5.2.2 系统性能需求51
• 5.3 系统的总体架构设计51-53
• 5.4 系统的功能模块设计53-55
• 5.5 数据库设计55-62
• 5.6 本章小结62-63
• 第六章 基于能耗预测模型的能源管理系统实现63-71
• 6.1 引言63
• 6.2 系统的开发平台及环境63
• 6.3 数据访问层63-65
• 6.4 能耗预测分析模块的实现65-68
• 6.5 系统的典型运行界面68-70
• 6.6 本章小结70-71
• 结论71-73
• 参考文献73-76
• 攻读硕士学位期间取得的研究成果76-77
• 致谢77-78
• 附录78

【参考文献】

中国期刊全文数据库 前9条

1 陈玉金;刘建永;李凌;伍中军;;基于神经网络回归分析组合模型的能源消耗预测研究[J];兵工自动化;2008年11期

2 沈可挺;;碳关税争端及其对中国制造业的影响[J];中国工业经济;2010年01期

3 黄晓凤;;“碳关税”壁垒对我国高碳产业的影响及应对策略[J];经济纵横;2010年03期

4 薛智韵;王

本文编号：354284