| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 1 绪论 | 第11-17页 |
| 1.1 研究的背景与意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 国内研究现状 | 第12-13页 |
| 1.2.2 国外研究现状 | 第13-14页 |
| 1.2.3 物联网技术研究现状 | 第14-15页 |
| 1.3 研究的主要内容和目标 | 第15页 |
| 1.3.1 研究的主要内容 | 第15页 |
| 1.3.2 研究的目标 | 第15页 |
| 1.4 论文的组织架构 | 第15-17页 |
| 2 建筑能源管理系统关键技术概述 | 第17-27页 |
| 2.1 建筑能源管理系统的解决方案 | 第17-18页 |
| 2.2 建筑能源管理系统软件技术 | 第18-20页 |
| 2.2.1 开发语言 | 第18-19页 |
| 2.2.2 ThinkPHP框架 | 第19-20页 |
| 2.3 物联网技术介绍 | 第20-26页 |
| 2.3.1 物联网定义 | 第20页 |
| 2.3.2 物联网体系结构 | 第20-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 系统数据采集硬件模块的设计与实现 | 第27-35页 |
| 3.1 CC2530芯片的介绍 | 第27-28页 |
| 3.2 数据采集终端的整体设计与实现 | 第28-31页 |
| 3.3 ZigBee协调器网关节点和数据采集终端节点的通讯组网 | 第31-33页 |
| 3.4 实验操作 | 第33-34页 |
| 3.5 本章小结 | 第34-35页 |
| 4 系统能耗预测算法的研究与实现 | 第35-45页 |
| 4.1 常用的数据预测算法 | 第35-39页 |
| 4.1.1 指数平滑法 | 第35-36页 |
| 4.1.2 线性回归法 | 第36-37页 |
| 4.1.3 BP神经网络法 | 第37-39页 |
| 4.2 基于线性回归-BP神经网络的分项能耗预测 | 第39-42页 |
| 4.3 基于指数平滑-BP神经网络的月统计能耗预测 | 第42-44页 |
| 4.4 本章小结 | 第44-45页 |
| 5 系统软件平台的设计与实现 | 第45-58页 |
| 5.1 系统的主要开发环境和功能需求分析 | 第45-46页 |
| 5.1.1 主要开发环境 | 第45-46页 |
| 5.1.2 系统平台功能需求分析 | 第46页 |
| 5.2 系统用户登录模块的设计与实现 | 第46-49页 |
| 5.2.1 用户登录功能 | 第46-48页 |
| 5.2.2 双重MD5加密算法 | 第48-49页 |
| 5.3 建筑能耗监测模块的设计与实现 | 第49-52页 |
| 5.3.1 分项实时能耗查询 | 第49-51页 |
| 5.3.2 分项历史能耗查询 | 第51-52页 |
| 5.4 建筑能耗数据分析模块的设计与实现 | 第52-53页 |
| 5.4.1 能耗数据指标 | 第52-53页 |
| 5.4.2 能耗趋势分析 | 第53页 |
| 5.5 能耗费用模块的设计与实现 | 第53-54页 |
| 5.6 节能报告模块的设计与实现 | 第54-57页 |
| 5.6.1 综合报告 | 第54-55页 |
| 5.6.2 日平均报告 | 第55-56页 |
| 5.6.3 节能进展 | 第56-57页 |
| 5.7 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 工作总结 | 第58页 |
| 6.2 工作展望 | 第58-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 学位论文数据集 | 第66-67页 |