基于PHP的校园电能监测平台研究与数据预测

发布时间：2017-07-17 16:41

1 绪论

1.1 课题背景及意义

中国作为一个正高速发展的发展中国家，人口数量巨大，加上城市经济的极速发展，对能源的需求也相应地在加速增长。电能对我们的生活生产有着巨大的影响。我们的生活离不开用电，学校，工厂，家庭等的停电现象会对生活造成巨大的影响。近年来，电力能源问题作为全球高度重视的热点问题之一，一直广泛引起各行各业的关注。其中电能消耗浪费则是造成电力能源广泛热议的关键原因之一。校园作为一个以老师和学生为主体的公共场所，也存在着严重的用电浪费现象，比如：图书馆的学生电脑长期不关、中央空调、照明灯的长期工作等等都会造成用电的严重浪费。但是，因为管理上的缺失，这些浪费现象不能被及时发现，因而得不到及时处理，更是造成了电力资源的严重浪费[1]。我们在离不开电的同时，也在生活的各个方面过度消耗电能。因此，通过构建高校节能监管平台，开发各区域电能数据监测网站，对用电数据进行分析处理也变得更加重要。通过平台建设，建立健全针对校园建筑的用电监测体系，根据数据统计、数据分析及能耗动态监测等方式，实现校园建筑能耗的可监测、数据可对比，识别重点用能建筑和高能耗建筑，并逐步推进高能耗的用电改造计划，在此条件下，在各高等学校实现科学有效的电能监测分析系统显得十分必要。并且目前急需具有示范作用和推广价值的且符合能源监管需求特点的高校电能监管平台，为日后校园，乃至社会各公众场所的用电管理提供正确的引导和规范。

...............

1.2 电能监测的国内外发展现状

对于校园电能数据监测的研究，目前国内还没有完善和统一的监管措施，，有关这方面的研究也相对起步较晚。常见的电能监测的方式有两种：传统的手持式抄表机图 1.1 所示，这种电能监测工具比较小巧，利于抄表员随身携带，可以用来专门进行采集数据，缺点是需要对每个电表逐一进行监测，无法连续采集数据，也不能分析对比数据变化。第二种电能远程监测仪如图 1.2 所示，它较之手持式抄表机的优势在于可以在联网状态下连续采集用电数据，缺点是携带不方便，数据显示也比较单调，无法实现数据异常情况下的报警功能。经过查阅资料得出，目前在校园节能管理系统建设方面做得较好的高校主要有江南大学，浙江大学，华南理工大学，同济大学等。

...............

2 校园电能监测系统结构与关键技术分析

2.1 平台分析

该校园电能监测平台主要利用前端技术开发校园电能参数分析网站。系统对校园各处的用电量进行实时监测并对用电数据进行实时采集。通过对用电数据的分析与处理,可以及时发现各种异常用电状况。通过 WEB 页面管理掌握整个校园各大楼的实时用电数据,对校园变电站系统进行集中管理和分布式监测。使能耗日常运行趋于图形化、简单化,提高能耗数据的准确度和统计的快速性,提高工作效率。同时,由于本课题要实现的是校园电能监测系统，使用的用户基本都是学校师生，外校没有访问的权限，整个平台规模不大。软件都可以在官网上免费下载，硬件只需要一台电脑即可进行代码的编写，由于使用的服务器兼容各常见的系统，不需要进行系统的更新升级，因此该系统的开发几乎不需要额外的成本，这也为后面进一步实现网站功能给予了很大的方便。

...............

2.2 能耗采集系统

校园电能数据监测平台可以对学校各用电单位进行实时用电监测，同时对历年数据进行统计与分析，方便学校动力科相关管理员对当前各用电情况进行有效的监测和实时管理[16]，为校园节能研究、以及后期的变电站建设改造提供参考依据。系统将通过对学校各建筑单位，包括教学楼、行政楼、图书馆，以及实验楼等区域进行用电数据采集。并将得到的能耗数据传送到行政动力科数据库进行分析和存储，再由本文中的前端技术对历史用电趋势数据进行显示和对比分析，并提供历年数据打印功能。由于学校内网是覆盖每一个用电大楼的，因此该校园电能监测平台可以通过校园网进行数据传输，实现对各单位能耗分类监测与采集，现场采集设备示意图如 2.3 所示。

...............

3 系统数据库设计与实现...............32

3.1 需求分析...............32

3.2 功能模块分析................33

4 电能监测平台技术实现...............38

4.1 电能监测平台结构.................38

4.2 登录页面实现................38

5 用电量预测................57

5.1 神经网络的原理...............57

5.2 BP 神经网络模型理论................57

5 用电量预测

5.1 神经网络的原理

在历史发展的长河中，常常存在着某种规律性的东西，也叫作模式。这些规律性的东西往往通过大量的历史数据发现的。因此，要想获得更准确有效的用电预测，就要通过这些看似杂乱无章的历史数据，发现其中的规律。而人工神经网络就是通过大量输入数据的相互映射关系，进行函数拟合，从而得出预测模型的最佳数学工具之一。人工神经网络本质上是对生物的神经系统的模拟，其中每个神经元都是独立的，拥有各自的核和分界线，当细胞体接受到外界刺激时就会产生电传导，形成电脉冲，多个神经元通过突触连接就形成了神经网络[56]。神经网络之所以受到越来越多的关注，主要因为它由更好的自学习性，较好的容错性以及比较准确的非线性逼近能力。经过多年的发展，人们提出了各式各样的人工神经网络结构，其中，在大多数的数据预测研究中，使用最为广泛的是前向网络模型 BP 神经网络。

...............

5.2 BP 神经网络模型理论

作为人工神经网络的一种，BP 神经网络主要是包含输入层、隐藏层和输出层。其中，输入层是整个网络的起始节点。隐藏层可以根据实际模型需求包含一层或多层，作为计算节点从起始节点输入层中提取有用的特征逐步进行复杂的运算，属于整个网络的中间层。输出层是整个网络的终端节点。在任意层上的一个神经元与它之前的层上的所有节点（神经元）都连接起来。信号在一层接一层的基础上逐步流过，方向是向前的，从左到右[57]。BP 神经网络具有很强大的学习能力和计算能力。本节将首先分析 BP 神经网络的学习过程。

...............

结论

本课题旨在利用前端技术开发校园电能监测网站。网站对校园各处的用电量进行实时监测并对用电数据统计分析，结果简单清晰，相比于传统的手持式远程监测设备，该网站简化了人工管理电能数据的繁琐过程，通过对用电数据的处理与分析，系统可及时发现各种异常用电状况。提高了对电能能耗管理的效率,也是管理趋向信息化的必要条件。本课题中基于 B/S 架构和浏览器技术,通过丰富的图形表示方式,快捷准确的为管理提供良好的数据查询、决策分析等用户界面。由于目前拿到的数据是学校人工每月在各楼层电表中抄写的数据，人工抄表误差相对较大和抄表时间的不一致，导致预测结果也相对精确度降低，如果采用电能监测平台，实时采集准确数据，对未来进行电能预测也将大有帮助。

参考文献（略）

本文编号：554495