| 摘要 | 第3-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 国外研究现状 | 第11-13页 |
| 1.2.2 国内研究现状 | 第13-15页 |
| 1.3 论文框架 | 第15-16页 |
| 1.4 研究内容 | 第16-19页 |
| 2 面向智慧城市的大型公建能耗监管系统研究 | 第19-27页 |
| 2.1 智慧城市背景下的大型公建能耗监管系统 | 第19-20页 |
| 2.2 大型公建能耗监管系统物联网架构 | 第20-21页 |
| 2.3 大型公建能耗云计算数据中心 | 第21-23页 |
| 2.4 大型公建能耗大数据监管平台 | 第23-26页 |
| 2.4.1 能耗大数据 | 第23-24页 |
| 2.4.2 能耗大数据监管平台 | 第24-25页 |
| 2.4.3 云计算数据中心、能耗大数据与大型公建能耗监管系统 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 3 大型公建能耗计量系统设计 | 第27-39页 |
| 3.1 大型公建的边缘计算模型 | 第27-28页 |
| 3.2 能耗计量系统设计 | 第28-37页 |
| 3.2.1 硬件设备 | 第28-30页 |
| 3.2.2 软件设计 | 第30-33页 |
| 3.2.3 通信规约 | 第33-35页 |
| 3.2.4 能耗数据库 | 第35-37页 |
| 3.3 本章小结 | 第37-39页 |
| 4 大型公建电能计量装置部署优化 | 第39-53页 |
| 4.1 评价指标 | 第39-42页 |
| 4.2 评价模型的建立 | 第42-44页 |
| 4.2.1 评价指标权重的确定方法 | 第42-43页 |
| 4.2.2 模糊评价方法 | 第43-44页 |
| 4.3 实例分析 | 第44-52页 |
| 4.3.1 建筑概况 | 第44-46页 |
| 4.3.2 评价指标权重的确定 | 第46-47页 |
| 4.3.3 模糊评价 | 第47-50页 |
| 4.3.4 结果分析 | 第50-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 大型公建能耗预测模型研究 | 第53-73页 |
| 5.1 BP神经网络原理 | 第53-55页 |
| 5.1.1 BP神经网络的结构 | 第53页 |
| 5.1.2 BP神经网络的学习规则 | 第53-55页 |
| 5.2 NAR神经网络原理 | 第55-57页 |
| 5.2.1 NAR神经网络的结构 | 第55-56页 |
| 5.2.2 NAR神经网络的阶次确定与学习规则 | 第56-57页 |
| 5.3 预测模型的建立与验证 | 第57-67页 |
| 5.3.1 样本数据分析 | 第57-58页 |
| 5.3.2 基于BP神经网络的能耗预测模型与结果 | 第58-63页 |
| 5.3.3 基于NAR神经网络的能耗预测模型与结果 | 第63-67页 |
| 5.4 BP、NAR模型预测结果对比分析 | 第67-71页 |
| 5.4.1 工作日预测结果对比 | 第67-69页 |
| 5.4.2 非工作日预测结果对比 | 第69-70页 |
| 5.4.3 结果分析 | 第70-71页 |
| 5.5 本章小结 | 第71-73页 |
| 6 总结与展望 | 第73-75页 |
| 6.1 总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 致谢 | 第75-77页 |
| 参考文献 | 第77-83页 |
| 攻读硕士期间发表的学术论文及成果 | 第83页 |