摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-18页 |
1.1 课题背景 | 第10-12页 |
1.1.1 建筑能耗和节能背景 | 第10-11页 |
1.1.2 建筑能耗与节能法规 | 第11-12页 |
1.2 课题研究意义 | 第12-13页 |
1.2.1 建筑能耗监测系统研究意义 | 第13页 |
1.2.2 建筑能耗模型研究的必要性 | 第13页 |
1.3 国内外研究现状和发展趋势 | 第13-16页 |
1.3.1 建筑能耗监测与能耗模型研究现状 | 第14-15页 |
1.3.2 建筑能耗监测的发展趋势 | 第15-16页 |
1.4 本文研究内容 | 第16-18页 |
2 建筑能耗监测与Wi-Fi无线通信 | 第18-26页 |
2.1 建筑能耗监测概述 | 第18-21页 |
2.1.1 建筑能耗信息采集概述 | 第18-19页 |
2.1.2 建筑能耗监测通信现状 | 第19-21页 |
2.2 建筑能耗监测的Wi-Fi通信 | 第21-25页 |
2.2.1 建筑能耗无线通信应用 | 第21-22页 |
2.2.2 建筑能耗的Wi-Fi监测 | 第22-23页 |
2.2.3 网络通信的TCP/IP协议 | 第23-25页 |
2.3 本章小结 | 第25-26页 |
3 基于改进的LM算法的建筑能耗建模的研究 | 第26-37页 |
3.1 BP神经网络概述 | 第26-28页 |
3.2 建筑能耗建模训练算法 | 第28-36页 |
3.2.1 Levenberg-Marquardt算法概述 | 第28-30页 |
3.2.2 改进Levenberg-Marquardt算法的研究 | 第30-34页 |
3.2.3 改进的Levenberg-Marquardt算法步骤 | 第34-36页 |
3.3 本章小结 | 第36-37页 |
4 公共建筑能耗模型的仿真 | 第37-52页 |
4.1 公共建筑能耗影响因素分析 | 第37-42页 |
4.1.1 传统建筑能耗建模影响因素 | 第37页 |
4.1.2 基于MIV算法影响因素分析 | 第37-42页 |
4.2 基于BP神经网络的公共建筑能耗建模 | 第42-44页 |
4.2.1 公共建筑能耗模型结构参数 | 第42-43页 |
4.2.2 公共建筑能耗建模训练流程 | 第43-44页 |
4.3 公共建筑能耗建模仿真 | 第44-51页 |
4.3.1 基于LM训练算法的建模仿真 | 第44-48页 |
4.3.2 改进型的LM算法的建模仿真 | 第48-50页 |
4.3.3 改进型算法建模的精确度分析 | 第50-51页 |
4.4 本章小结 | 第51-52页 |
5 公共建筑能耗监测系统总体设计 | 第52-65页 |
5.1 建筑能耗监测系统结构设计 | 第52-53页 |
5.2 建筑能耗无线监测通信系统设计 | 第53-57页 |
5.2.1 Wi-Fi通信芯片概述 | 第54-56页 |
5.2.2 Wi-Fi通信系统构成 | 第56-57页 |
5.3 建筑能耗无线监测硬件系统设计 | 第57-61页 |
5.3.1 供电电路的设计 | 第58-59页 |
5.3.2 RS485电路设计 | 第59页 |
5.3.3 Wi-Fi通信接口电路设计 | 第59-61页 |
5.4 建筑能耗无线监测系统软件设计 | 第61-64页 |
5.4.1 智能电表通信协议 | 第61-62页 |
5.4.2 系统采集程序设计 | 第62-64页 |
5.5 本章小结 | 第64-65页 |
6 公共建筑能耗监测系统上位机实现 | 第65-80页 |
6.1 监测系统各部分程序设计 | 第65-71页 |
6.1.1 基于LabVIEW的TCP通信子程序设计 | 第65-67页 |
6.1.2 基于LabVIEW的数据库子程序设计 | 第67-71页 |
6.2 用能定额上位机的实现 | 第71-73页 |
6.2.1 建筑能耗模型在用能定额上应用 | 第71-72页 |
6.2.2 建筑电能耗用能定额子程序设计 | 第72-73页 |
6.3 上位机远程人机界面 | 第73-75页 |
6.3.1 上位机人机交互界面设计 | 第73-75页 |
6.3.2 远程访问设计 | 第75页 |
6.4 系统测试 | 第75-79页 |
6.4.1 通信系统硬件设置 | 第75-77页 |
6.4.2 监测系统通信测试 | 第77-79页 |
6.5 本章小结 | 第79-80页 |
结论 | 第80-82页 |
参考文献 | 第82-85页 |
附录A PCB与硬件实物图 | 第85-86页 |
攻读硕士学位期间发表学术论文情况 | 第86-87页 |
致谢 | 第87-88页 |