| 目录 | 第3-7页 |
| 摘要 | 第7-8页 |
| ABSTRACT | 第8-9页 |
| 附图索引 | 第10-12页 |
| 附表索引 | 第12-13页 |
| 第1章 绪论 | 第13-18页 |
| 1.1 课题研究背景及意义 | 第13-15页 |
| 1.1.1 课题的研究背景 | 第13-14页 |
| 1.1.2 高校能源状况 | 第14页 |
| 1.1.3 课题的研究意义 | 第14-15页 |
| 1.2 能耗监控研究现状 | 第15-17页 |
| 1.2.1 国外研究现状 | 第15页 |
| 1.2.2 国内研究现状 | 第15-17页 |
| 1.3 本文研究的主要内容 | 第17页 |
| 1.4 论文的组织结构 | 第17-18页 |
| 第2章 能耗监控系统技术及方法 | 第18-29页 |
| 2.1 能耗监控系统简介 | 第18-20页 |
| 2.2 数据仓库技术 | 第20页 |
| 2.3 能耗数据的预测技术 | 第20-22页 |
| 2.4 多元线性回归分析方法 | 第22-24页 |
| 2.5 决策树算法和 BP 神经网络分析方法 | 第24-25页 |
| 2.6 确定能耗模式及判定树分析方法 | 第25-28页 |
| 2.7 本章小结 | 第28-29页 |
| 第3章 高校能耗监控系统设计与实现 | 第29-51页 |
| 3.1 高校能耗情况 | 第29-30页 |
| 3.2 系统概要设计 | 第30-33页 |
| 3.3 系统架构设计 | 第33-36页 |
| 3.3.1 系统技术架构 | 第33-34页 |
| 3.3.2 系统功能架构 | 第34页 |
| 3.3.3 系统能源监测点设计 | 第34-36页 |
| 3.4 系统应用关键技术 | 第36-41页 |
| 3.4.1 能耗数据采集技术 | 第36-37页 |
| 3.4.2 建筑能耗多维度分析技术 | 第37-39页 |
| 3.4.3 能源分类分项计量 | 第39-41页 |
| 3.4.4 系统描述性汇总 | 第41页 |
| 3.5 系统功能及实现 | 第41-50页 |
| 3.5.1 地理导航 | 第41-42页 |
| 3.5.2 实时监测 | 第42-43页 |
| 3.5.3 能耗数据展示 | 第43-46页 |
| 3.5.4 能耗数据分析 | 第46-50页 |
| 3.5.5 系统配置 | 第50页 |
| 3.5.6 系统管理 | 第50页 |
| 3.6 本章小结 | 第50-51页 |
| 第4章 高校能耗监控系统预测和报警研究 | 第51-66页 |
| 4.1 高校能耗监控系统的预测和报警 | 第51-52页 |
| 4.2 传统决策方法 | 第52页 |
| 4.3 高校能耗监控系统中预测和报警研究 | 第52-53页 |
| 4.4 高校能耗监控系统预测和报警的实现 | 第53-64页 |
| 4.4.1 历史数据预处理 | 第54-55页 |
| 4.4.2 利用聚类分析找出隐藏的能耗模式 | 第55-57页 |
| 4.4.3 离散时间下的傅里叶分析判断周期情况 | 第57-60页 |
| 4.4.4 统计周期中各离散点的能耗值出现次数并算出预测值 | 第60-64页 |
| 4.5 与传统决策方法的对比 | 第64-65页 |
| 4.6 本章小结 | 第65-66页 |
| 第5章 结论与展望 | 第66-67页 |
| 5.1 结论 | 第66页 |
| 5.2 展望 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 主要成果 | 第71-72页 |
| 致谢 | 第72页 |