基于数据仓库技术的能效分析软件开发

论文摘要

随着全球能源日益紧张以及能源价格的不断上涨,人们对于节能降耗的实施力度给予了高度的重视。作为节能降耗的主要目标,建筑节能成为了当今普遍关注的热点问题。如何提高智能建筑中的能源利用效率,合理有效地利用能源,推动建筑节能显得十分重要。目前,在智能建筑中采取的比较广泛的节能手段就是利用楼宇自控系统(BAS)来控制中央空调系统等,虽然在整个智能建筑的控制管理、节能降耗方面取得了一定的成就,但由于BAS是分设备来进行状态的调节,往往各设备不是处于最佳工况,而且可能还会出现牺牲某些设备的运行状态来获取别的参数改善的情况,这样就缺乏一种立足于全局的管理控制措施。从系统的角度来看,节能降耗方面的效果不是很理想。为此,本文在分析原有智能建筑控制方面不足的基础上,借鉴楼宇自控系统的成功经验,从全局提高节能措施的可操作性入手,针对智能建筑中的主要能耗设备中央空调系统和照明系统的节能降耗问题,从理论和实践两个方面,开发了一种以能量传输效率与能量利用效率为基础的能效分析系统。本文主要研究了数据仓库技术,并将其应用在所开发的能效分析系统的数据处理模块中。对数据挖掘技术做了初步的研究,并对于将数据挖掘技术应用于系统中的可能性进行了探索,本文所作主要工作如下:1、针对现有智能建筑介绍了一种基于能量传输效率和能量利用效率的能效理论。新能效理论指出:建筑物能量评价体系不仅包括传统的能量传输效率,还包括能量利用效率。能量利用效率与建筑物中HVAC系统、照明系统的管理和运行模式有关。阐述了能量传输效率的计算方法,介绍能量利用效率的概念及其检测方法,在能效理论的基础上提出能效分析系统的整体设计方案。2、针对寿光商务小区能效分析系统做了详细分析,开发出较为通用的能效分析软件。从系统的体系结构和功能方面,较为详细地分析并解决了设计和软件实现过程中一些关键性技术问题。3、在能效分析系统中央数据服务器中引入数据仓库技术,利用数据仓库技术进行数据的清洗、数据格式的转换、主题数据仓库的建立等,建立了多维数据集和转换后的关系数据库,为后续数据挖掘做好准备。4、以具体挖掘工具SQL Server为例,简单介绍了数据挖掘的操作,同时对数据挖掘算法做了初步了解,为后续深入研究挖掘算法,并从中得出决策分析以支持系统进行更好的能量调度与管理做准备。最后,在总结以前工作的基础上,对于所开发的能效分析系统存在的缺点和今后工作中需要进一步探索和研究的问题进行了分析。

论文目录

• 目录
• CONTENTS
• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 目前研究现状
• 1.3 论文研究背景
• 1.4 本文研究内容与主要工作
• 第二章 数据仓库与数据挖掘技术
• 2.1 数据仓库技术
• 2.1.1 数据仓库的概念
• 2.1.2 数据仓库的特征
• 2.1.3 数据仓库系统结构
• 2.2 数据挖掘技术
• 2.2.1 数据挖掘的概念
• 2.2.2 数据挖掘的分类
• 2.2.3 数据挖掘的过程
• 2.3 数据仓库和数据挖掘的关系
• 2.4 本章小节
• 第三章 能效分析系统
• 3.1 能效分析系统概述
• 3.2 能效分析系统理论基础
• 3.2.1 能量传输效率
• 3.2.2 能量利用效率
• 3.3 能效分析系统架构
• 3.4 能效分析系统数据处理
• 3.4.1 什么是数据融合
• 3.4.2 数据融合处理的方法分类
• 3.4.3 数据融合处理的方法举例
• 3.5 本章小节
• 第四章 能效分析系统设计与实现
• 4.1 系统开发环境及所用技术
• 4.1.1 Microsoft Visual C++概述
• 4.1.2 Microsoft Visual C++数据库开发技术
• 4.1.3 几种数据库访问技术的比较
• 4.2 能效分析系统软件体系结构
• 4.2.1 客户机/服务器（C/S）结构
• 4.2.2 客户端与服务端功能
• 4.3 能效分析系统软件分析
• 4.3.1 面向对象的方法
• 4.3.2 面向对象的软件开发过程
• 4.3.3 能效分析系统需求分析
• 4.3.4 系统流程
• 4.4 通信模块的设计与实现
• 4.4.1 TCP/IP协议
• 4.4.2 VC++中的Socket编程
• 4.4.3 C/S模式下Socket的实现框架
• 4.4.4 C/S模式下系统通信实现
• 4.5 系统数据库设计与实现
• 4.5.1 数据库设计步骤
• 4.5.2 数据库中的数据信息结构
• 4.5.4 数据库与前台程序的连接
• 4.6 系统数据服务器的设计与实现
• 4.6.1 数据仓库设计内容
• 4.6.2 数据仓库开发过程
• 4.6.3 数据仓库中的数据库设计
• 4.6.4 主题逻辑关系设计
• 4.6.5 数据仓库与数据库中的信息对应
• 4.6.6 数据仓库中的数据预处理
• 4.7 系统测试与运行
• 4.8 本章小节
• 第五章 能效分析系统的数据挖掘应用
• 5.1 分析系统挖掘工具简介
• 5.1.1 SQL Server基本结构
• 5.1.2 Analysis Services服务器端架构
• 5.2 数据挖掘算法概述
• 5.2.1 决策树算法分类
• 5.2.2 决策树算法模型概述
• 5.2.3 决策树算法实现
• 5.3 数据挖掘实现
• 5.3.1 数据挖掘各模块简介
• 5.3.2 利用SQL Server构建挖掘模型
• 5.3.3 数据挖掘获取的初步知识
• 5.4 本章小节
• 第六章 工作总结与展望
• 6.1 全文工作总结
• 6.2 未来工作展望
• 参考文献
• 致谢
• 攻读硕士期间发表文章及参与项目
• 学位论文评阅及答辩情况