校园弱电系统管控平台的设计与实现

发布时间：2022-04-23 15:20

　　伴随着互联网技术的快速发展及智慧校园建设的逐步推广,高校已经迈入信息化、智能化管理时代,同时校园内弱电系统所承载的应用设备也更加多样化、复杂化。弱电系统安全稳定的运转是校园内教学科研开展、后勤管理工作及师生日常生活的基本保障。在当下信息化时代中,弱电系统的管理模式及方法需进行全面改进。在传统的弱电系统中,通常将网络交换机等重要设备直接接入普通的电源插座中,当异常事故发生时会对弱电系统各种设备造成不可逆的损伤,同时在弱电系统的管理方面,仅通过管理员人工巡查及维护的方式不能实现对弱电系统中的设备进行实时管控。本文首先针对弱电系统中的实际情况设计了合理的设备布局方案,将设备整体接入电源分配单元（Power Distribution Unit）进行供电管理,电源分配单元能够对设备进行实时智能化稳压恒流保护,提高了弱电系统整体稳定性及安全性。同时结合智能设备、大数据、深度学习、服务器端与客户端开发等技术实施建设一套集实时信息展示、电能统计分析、设备远程管控、设备异常预警及设备电能预测等功能为一体的管控平台,能够有效的提高弱电系统管理维护的效率。本文主要从以下几个方面进行研究:（1）平台需求及架构... 

【文章页数】：100 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外研究综述
    1.3 论文研究内容
    1.4 论文组织结构
第二章 平台关键技术介绍
    2.1 服务器端技术介绍
        2.1.1 Socket
        2.1.2 SpringBoot
        2.1.3 Mysql
    2.2 客户端技术介绍
        2.2.1 Vue
        2.2.2 微信小程序
    2.3 大数据技术介绍
        2.3.1 Logstash
        2.3.2 Kafka
        2.3.3 Spark Streaming
        2.3.4 HBase
    2.4 深度学习技术介绍
        2.4.1 RNN神经网络
        2.4.2 LSTM神经网络
    2.5 本章小结
第三章 平台需求及架构分析
    3.1 平台需求分析
        3.1.1 功能性需求分析
        3.1.2 非功能性需求分析
    3.2 平台架构分析
        3.2.1 平台网络架构分析
        3.2.2 平台软件架构分析
        3.2.3 平台功能架构分析
    3.3 本章小结
第四章 平台的详细设计
    4.1 设备通信模块设计
        4.1.1 网络布局设计
        4.1.2 I/O模型设计
        4.1.3 通信接口设计
    4.2 电能大数据模块设计
        4.2.1 数据采集层的设计
        4.2.2 数据传输层的设计
        4.2.3 数据处理层的设计
        4.2.4 数据存储层的设计
    4.3 LSTM电能预测模型设计
        4.3.1 电能数据集设计
        4.3.2 预测模型搭建设计
        4.3.3 预测模型训练设计
    4.4 应用平台详细设计
        4.4.1 账户管理模块设计
        4.4.2 电能展示模块设计
        4.4.3 电能预警模块设计
        4.4.4 设备管控模块设计
        4.4.5 日志查询模块设计
    4.5 本章小结
第五章 平台的实现及测试
    5.1 LSTM电能预测模型实现
        5.1.1 实验环境搭建
        5.1.2 实验度量指标
        5.1.3 实验结果与分析
        5.1.4 对比实验分析
        5.1.5 预测模型部署
    5.2 应用平台实现
        5.2.1 账户管理模块实现
        5.2.2 电能展示模块实现
        5.2.3 电能预警模块实现
        5.2.4 设备管控模块实现
        5.2.5 日志查询模块实现
    5.3 应用平台测试
        5.3.1 平台功能测试
        5.3.2 平台性能测试
        5.3.3 平台兼容性测试
        5.3.4 平台安全性测试
    5.4 本章小结
总结与展望
参考文献
攻读硕士学位期间取得的研究成果
致谢


【参考文献】：
期刊论文
[1]智能电源管理系统的设计与实现[J]. 李贵蔚.  福建电脑. 2019(10)
[2]基于BP神经网络预测模型能源管理系统研究与应用[J]. 罗坤杰,张颖慧.  工业控制计算机. 2019(09)
[3]基于JWT的前后端分离程序设计研究[J]. 陈宇收,饶宏博,王英明,谷国栋,胡进贤.  电脑编程技巧与维护. 2019(09)
[4]基于LSTM神经网络的股票预测算法研究[J]. 李珍珍,吴群.  福建电脑. 2019(07)
[5]基于WebSocket的实时通信机制的设计与实现[J]. 包文祥,胡广朋.  计算机与数字工程. 2019(07)
[6]高校后勤信息化管理系统的设计与开发研究[J]. 孙颖康.  科技传播. 2019(13)
[7]基于长短期记忆神经网络的配电网负荷预测方法研究[J]. 史静,李琥,李冰洁,谈健,刘丽新.  供用电. 2019(07)
[8]基于微信小程序的校园服务平台的设计与应用[J]. 彭帅,彭遨员,陈凰,李珍帆,贺学福,唐钟一宁.  电脑知识与技术. 2019(10)
[9]基于PHP的PDU配置管理系统设计[J]. 费强,石磊,黄凤鸣.  电子与封装. 2019(03)
[10]基于教育信息化2.0行动计划,科学教育与信息技术融合要点分析[J]. 胡慧睿.  现代职业教育. 2018(24)

硕士论文
[1]具有长期依赖的出租车轨迹目的地预测[D]. 张国兴.中国矿业大学 2019
[2]基于改进RNN的风电功率短期预测算法研究[D]. 宋瑞宵.华北电力大学(北京) 2019
[3]基于工业大数据的设备健康与故障分析方法研究与应用[D]. 余骋远.中国科学院大学(中国科学院沈阳计算技术研究所) 2017
[4]分布式电源并网对电能质量的影响分析与评估[D]. 徐群.华北电力大学 2012



本文编号：3647449