前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇能源管理靜態(tài)因素范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

能源管理靜態(tài)因素范文第1篇

工業(yè)耗能、建筑耗能和交通耗能已經(jīng)成為能源消耗的三大主要來源。在現(xiàn)代主要工業(yè)化國家，辦公室作為建筑物的基本單元，主要集中分布在大中城市。隨著氣候變化成為全球的主要議題，節(jié)能成為現(xiàn)代建筑必不可少的要素。隨著計算機技術(shù)和網(wǎng)絡(luò)化技術(shù)的發(fā)展,以及人們對生活、工作環(huán)境舒適度要求的不斷提升,集成了信息設(shè)施系統(tǒng)、信息化應(yīng)用系統(tǒng)、建筑設(shè)備管理系統(tǒng)、公共安全系統(tǒng)的智能建筑應(yīng)運而生。雖然智能建筑技術(shù)的發(fā)展為人們提供了安全、舒適、方便、節(jié)能的學習和工作環(huán)境并且能夠完成一些人們需要的復(fù)雜任務(wù),但是它仍然存在很多的問題：首先是智能樓宇自控系統(tǒng)中各子系統(tǒng)之間相互獨立，集成度并不是很高，缺乏系統(tǒng)之間的協(xié)作與聯(lián)動；其次是智能樓宇系統(tǒng)對終端采集的信息處理能力較低,建筑設(shè)備管理系統(tǒng)只是簡單的將建筑內(nèi)的各個子系統(tǒng)進行了集成并沒有達到理想的能源優(yōu)化效果；最后就是智能建筑技術(shù)并沒有考慮人員因素對建筑設(shè)備節(jié)能的影響。針對目前智能建筑技術(shù)在實際應(yīng)用中的不足,本文在基于多Agent技術(shù)的開發(fā)平臺上，通過對多智能Agent之間的交互和相互協(xié)作研究辦公環(huán)境的電力消耗研究。

2Agent技術(shù)及在智能建筑上應(yīng)用

2.1agent仿真

智能體（Agent）是分布式人工智能（DAI）領(lǐng)域的一個基本術(shù)語，它是由美國學者明斯基于20世紀80年代提出的。[1]智能體（Agent）是一個物理或抽象的、能在一定環(huán)境下運行的實體。它能作用于自身和環(huán)境，并對環(huán)境做出反應(yīng)。[2]智能體具有知識、目標和能力：知識主要包括領(lǐng)域知識、通訊知識、控制知識等；目標可以根據(jù)變化情況分為靜態(tài)目標和動態(tài)目標，目標可以通過算法編入或顯示給定，或通過通訊獲得；能力是指智能體具有推理、決策、規(guī)劃和控制等的能力。其能力的獲得可以顯示給定、學習或通過通訊獲得。智能體具有如下特性：自治性、社會性和反應(yīng)性。多智能體仿真的基本思想是：用程序展示行為，而這些行為則完全通過其內(nèi)部機制來描述。通過把一個個體鏈接到一個程序上，就有可能模擬一個充滿相互作用著的過程的人工世界。因此就有可能用人工對應(yīng)物來置換真實系統(tǒng)里的成員總體?？傮w里的每個成員都由一個Agent來代表。多智能體仿真具有優(yōu)于傳統(tǒng)數(shù)值模擬技術(shù)的地方。傳統(tǒng)的數(shù)值模擬基于數(shù)學或隨機模型，通常是靜態(tài)數(shù)學模型。多智能體仿真提供了形象的可視化顯示，使用戶（模擬設(shè)計者）能夠在模擬過程中直觀的評估Agent的行為，因此多智能體系統(tǒng)具有在空間上是分布式的、并行的，且系統(tǒng)的容錯能力較強等特點。

2.2Agent技術(shù)用于智能建筑

目前將多智能Agent系統(tǒng)應(yīng)用于智能建筑領(lǐng)域的研究主要集中在兩方面:一是通過對多智能Agent進行不同層次的分類，提出智能建筑環(huán)境中各種參數(shù)的優(yōu)化控制策略；二是研究多智能Agent之間的交互和協(xié)作機制為人們解決復(fù)雜問題提供一種新的途徑。最早將多智能Agent系統(tǒng)應(yīng)用于智能建筑中的是MIT人工智能實驗室Brooks教授[3]，他在1997年提出了采用多智能Agent系統(tǒng)的控制體系結(jié)構(gòu)。Brooks教授在實驗中通過攝像頭和語音-識別技術(shù)對人員活動進行跟蹤和判別，為智能建筑中的人員提供所需要的信息。后來為了實現(xiàn)建筑物節(jié)能，Davidsson和Boman提出了用于建筑環(huán)境控制的多智能Agent系統(tǒng)。[4]Davidsson和Boman將多智能Agent或分為了四類，分別是人員Agent、標記Agent、房間Agent和環(huán)境Agent。其中標記Agent是人員身份識別卡片，人員Agent通過和標一記Agent之間的交互可以獲知人員信息。房間Agent主要是對房間內(nèi)的環(huán)境參數(shù)進行檢測并對房間的控制模式進行設(shè)定最后由環(huán)境Agent來執(zhí)行這些控制策略。英國艾塞克斯大學的VictorCallaghan等進一步提出了面向智能建筑的Agent體系結(jié)構(gòu)，在該系統(tǒng)中用到分布式人工智能技術(shù)和模糊理論，利用嵌入式技術(shù)對Agent進行設(shè)計。[5,6,7]在國內(nèi)，Agent技術(shù)的研究大多停留在理論和方案驗證階段，尤其是在建筑領(lǐng)域的研究和應(yīng)用吏是不多見。福州大學王圣杰對多智能Agent初能建筑模型進行了研究，他們以智能建筑中的安保系統(tǒng)和照明系統(tǒng)為主要研究對象，在JALite開發(fā)平臺}對一多Agent之間的任務(wù)分配和交互進行了描述。[8]重慶大學蔣鵬以JADE作為開發(fā)發(fā)平臺，建立了一個建筑智能化系統(tǒng)集成的多智能Agent模型[9]，綜上所述，可以看出多智能Agent在智能建筑中的應(yīng)用目前仍停留在規(guī)劃階段。

3系統(tǒng)建模

3.1智能建筑能源消耗概述

智能建筑能源消耗主要包括四個主要要素：所在管理部門能源管理規(guī)定及相關(guān)政策；安裝在樓宇的能源管理設(shè)施（例如能源計量、監(jiān)控和自動化開關(guān)機設(shè)施技術(shù)）；各種電氣設(shè)備（如照明電器、電腦、熱水器等）；用戶的用電行為。智能建筑能源消耗四要素，即能源管理政策/法規(guī)、能源管理技術(shù)、電氣設(shè)備和用戶行為。建筑內(nèi)所有電氣設(shè)備運行必須符合能源管理規(guī)定，能源管理設(shè)備計量控制電氣設(shè)備運行，辦公樓內(nèi)電力消耗主要由不同類型電氣設(shè)備組成，而這又由用戶行為控制。用戶之間交互及相互影響也會影響使用電氣設(shè)備的行為。Firth等人在研究中根據(jù)使用模式將家用電器分成四種類型：連續(xù)型家電：包括時鐘、報警設(shè)備、上網(wǎng)modem等需要持續(xù)供電的設(shè)備；可待機設(shè)備：電視、游戲機等，這類設(shè)備具有三種工作模式：運行、關(guān)機和待機。制冷設(shè)備：空調(diào)、冰箱等需要制冷的設(shè)備，這類設(shè)備會持續(xù)耗電但耗電量并不是平穩(wěn)的，而是變化的。

3.2實際電力消耗模型

基于以上模型，我們開發(fā)了一個基于Agent的智能建筑電力消耗模型。具體仿真對象為英國諾丁漢大學Jubilee校區(qū)計算機學院。Jubilee校區(qū)建立于1999年，是一個典型的可再生綠色智能建筑群。該建筑具有以下特征：屋頂由植物覆蓋用于保溫，具有超高效通風系統(tǒng)，照明傳感器用于照明自動控制，屋頂中庭集成光伏電池提供太陽能電力?；诜课莸恼彰髯詣涌刂?，目前照明管理采用自動控制策略。當人員進入房間，照明開關(guān)自動打開，當人員離開房間20分鐘以后照明自動關(guān)閉。EstateOffice具體負責學校所有建筑電力管理的規(guī)定。目前涉及兩個問題：一是自動控制是否一定比手動控制更省電，二是照明、計算機用電占總用電的比例是多少。基于此，我們建立以下模型。

3.3基于agent的智能建筑電力消耗模型

在案例研究中，我們選擇了計算機學院一樓。此樓主要為學院老師、研究生，主要電氣設(shè)備和電器包括：房間47間，燈239個，計算機180臺，打印機24臺，信息指示標牌2個，用戶最大數(shù)量213位。每一個員工agent具有四個行為狀態(tài)：離校（OutOfSchool）、在走廊（InCorridor）、在辦公室（InOwnOffice）、在其他房間（InOtherRoom）（圖1）。在OutOfSchool狀態(tài)，該agent不工作，所以不會觸發(fā)任何電力消耗。在InCorridor狀態(tài)，會觸發(fā)走廊的燈打開。在InOwnOffice狀態(tài)下，員工agent在自己的辦公室會觸發(fā)辦公室的燈光，其行為在使用辦公室電腦上使計算機三種模式：開機、待機和關(guān)機。在outOfSchool和InCorridor狀態(tài)進行轉(zhuǎn)換取決于工作時間表?；谖覀兊膶嵶C調(diào)查人員分為三類不同的人員（表3）。在從InCorridor狀態(tài)向InOwnOffice狀態(tài)轉(zhuǎn)換時設(shè)置了轉(zhuǎn)換時間=2，表示員工需要兩分鐘從走廊走到辦公室。在InOwnOffice狀態(tài)員工agent的存在會觸發(fā)所在辦公室的燈開關(guān)。員工agent可以在沒有電腦狀態(tài)下工作或者在有電腦狀態(tài)下工作。對每個員工agent均設(shè)置節(jié)能意識參數(shù)energySavingAwareness，值從0到100，以表示其對節(jié)約能源的意識。如果員工agent的energySavingAwareness的值大于一個閾值，它有更大的概率不使用計算機?；谖覀兊膯柧碚{(diào)查，對員工的節(jié)能意識，我們創(chuàng)建四種不同的類型員工（表2）。3.2.2照明agent行為照明agent（圖1）行為只有兩個狀態(tài)：開（On）和關(guān)（Off），狀態(tài)轉(zhuǎn)換取決于員工agent的行為。3.2.3電腦agent行為電腦agent（圖1）有三個狀態(tài)：開（On）、關(guān)（Off）和待機（Standby），行為與照明agent行為類似，狀態(tài)轉(zhuǎn)換取決于員工agent。電腦處于待機狀態(tài)時能耗為25w，處于開機狀態(tài)能耗為400w。

4模型仿真

在模型中，我們進行了三組實驗。為測試該模型的有效性，我們將使用這些實驗以EstateOffice得到用電管理策略幫助以深入了解學校里的電力消耗。

4.1實驗1：模擬目前學校的電力管理策略

目前，計算機學院辦公樓配備有光傳感器的自動照明系統(tǒng)，當傳感器檢測到工作人員離開房間20分鐘，照明系統(tǒng)將關(guān)掉燈光，以節(jié)省電源?；谶@樣的光傳感器技術(shù)，學校EstateOffice已在計算機學院辦公樓采用了自動化電力管理策略。從這種意義上說，工作人員不能控制照明開關(guān)的控制，所有照明開關(guān)由電腦控制。在我們第一組實驗中重點就在模擬現(xiàn)有電力管理策略。當模型設(shè)定的“自動化”情況下，運行并繪制電力消耗圖（圖2）。圖中上面部分為實際電力消耗，下面部分為模型中的電力消耗。從中我們可以看到，模型仿真結(jié)果與實際電力消耗非常相似。因此我們可以證明該仿真模型能模擬現(xiàn)實電力管理策略。

4.2實驗2：自動化策略與人員控制戰(zhàn)略

在辦公大樓自動和手動照明管理各有優(yōu)勢。一些研究表明，在手動開關(guān)照明管理中，當打開開關(guān)后即使有足夠的日光用戶也很少關(guān)閉照明。在學校根據(jù)調(diào)查，這方面也存在爭論，estateoffice認為采用自動控制方式，當最后一個人離開房間20分鐘后關(guān)燈比較節(jié)能。但根據(jù)我們的書面調(diào)查，大家認為如果能手動控制肯定能更節(jié)能，因為無需等待20分鐘。基于此辯論，在本實驗中設(shè)定兩組數(shù)據(jù)：一組采用自動控制方式，當最后一個人離開房間20分鐘后關(guān)燈；另一組采用手動控制方式，人員是否選擇立即關(guān)燈取決于該agent的節(jié)能意識EnergyAwareness。EnergyAwareness越高的人越傾向于立即關(guān)燈。仿真結(jié)果見圖3，從圖中我們可以看出，即使在能源消耗的高峰時期，手動控制開關(guān)方式能源消耗總比自動控制方式要高。

4.3燈光及計算機所消耗能源比重

盡管在學院安裝有電表，但是電表不能測出各種物品所消耗能源比重，我們通過此仿真模型可以很清楚的反應(yīng)各部分所消耗能源比重（見圖4），所以通過此仿真可以為學校相關(guān)部門提供相應(yīng)的技術(shù)支持。

5結(jié)論

能源管理靜態(tài)因素范文第2篇

>> 關(guān)于神華烏海能源公司懲防體系建設(shè)中存在的問題及對策 基于網(wǎng)站群的高職院校網(wǎng)站建設(shè)的探索 基于網(wǎng)站群的高校信息公開網(wǎng)站建設(shè) 基于CMS的班級網(wǎng)站的建設(shè) 基于windows的網(wǎng)站建設(shè)技術(shù)分析 基于PHP技術(shù)的網(wǎng)站建設(shè) 基于商業(yè)應(yīng)用網(wǎng)站的建設(shè)研究 基于PHP技術(shù)的黨校網(wǎng)站建設(shè) 基于SSH的網(wǎng)站建設(shè)分析 基于CMS的高校網(wǎng)站建設(shè) 基于CMS的高校學院網(wǎng)站建設(shè) 淺談烏海市園林苗圃的建設(shè)與發(fā)展 推進公司的能源管理體系建設(shè) 基于Web的圖書資源管理的網(wǎng)站建設(shè) 基于SEO 技術(shù)企業(yè)網(wǎng)站建設(shè)的研究 基于企業(yè)需求的網(wǎng)站建設(shè)教學改革 基于CMS與DIV+CSS的網(wǎng)站建設(shè)探析 基于校本資源專題網(wǎng)站的開發(fā)與建設(shè) 基于BB的精品課程網(wǎng)站建設(shè) 基于信息構(gòu)建理論的教育網(wǎng)站建設(shè)研究 常見問題解答 當前所在位置：l、index_article.html、list_article.html、article_article.html。同時，DedeDMS 可以為每個頁面單獨設(shè)定相應(yīng)的模板文件，如果需要，可以為每個欄目甚至單獨的頁面設(shè)計獨立的模板。模板文件可視情況用傳統(tǒng)table方式或div+css方式編寫。獨立的css文件單獨放在templets文件夾下的style文件夾中。

具體的Html編寫本文不做涉及，以下是模板中會用到的重要調(diào)用：

（1）調(diào)用某欄目的網(wǎng)址

如需要調(diào)用“公司新聞”欄目的網(wǎng)址，可用type標記下的typelink標簽。如“公司新聞”的欄目ID為2，（下同），則其連接可如下調(diào)用：

{dede：type typeid='2'}

[field：typename/]

{/dede：type}

其名稱可以用typename標簽。

（2） 調(diào)用某欄目下所有文章標題鏈接

如需調(diào)用“公司新聞”下的所有文章的鏈接，可用arclist標記，代碼示例如下：

{dede：arclist row='4' titlelen='34' typeid='2'} [field：title /]

{/dede：arclist}

其中arclist標簽調(diào)用文章鏈接，title標簽調(diào)用文章標題，

row表示顯示的文章數(shù)目，titlelen表示顯示的標題最大字數(shù)。

（3） 其余如作者、該文章日期等均有相應(yīng)標簽，需調(diào)用時可查看相關(guān)技術(shù)文檔。

2.4 后臺管理

作為一個較成熟的內(nèi)容管理系統(tǒng)，DedeCMS的后臺相當明晰。登陸網(wǎng)站后臺可以方便的對網(wǎng)站進行管理。其功能包括：頻道管理、內(nèi)容、內(nèi)容維護、HTML更新、核心模塊、擴展模塊、輔助插件、系統(tǒng)管理等功能。下面將各板塊的功能做簡要說明：

在頻道管理頁面內(nèi)可以方便的建立、修改、刪除網(wǎng)站的欄目，主欄目下還可建立子欄目。主要功能帶單有創(chuàng)建頂級欄目，預(yù)覽欄目頁面，查看欄目文檔，添加子欄目，修改欄目設(shè)置，移動欄目，刪除欄目，更新排序，獲取js，更新欄目HTML，更新文檔HTML等。

平時需要文章在內(nèi)容頁面，DedeCMS后臺生成和管理方面充分為用戶著想，提供了諸多功能，可以上次附件，上傳圖片，并可以在后臺設(shè)置允許上傳的附件后綴名，大大方便了公司日常的通知發(fā)放工作。

模板管理是DedeCMS最大的特色，作為一套開源軟件，使用者可以較快的掌握其模板的制作方法。一套模板文件可以單獨的放在模板文件夾下的一個文件夾中，在后臺設(shè)置模板為此文件夾的名稱即可啟用該模板。

其余如內(nèi)容管理，系統(tǒng)管理等頁面也比較人性化，非常簡單易用。

3 需要注意的問題

3.1 網(wǎng)站安全

如果不注意網(wǎng)絡(luò)安全，服務(wù)器很容易被黑客入侵，后果不堪設(shè)想，具體的措施包括：開啟服務(wù)器的自動升級服務(wù)，及時安裝系統(tǒng)補??；安裝正版殺毒軟件和防火墻軟件并啟動自動升級服務(wù)；為Aache、MySQL建立單獨賬號，并降低其權(quán)限；更改后臺文件夾名稱，且不要在前臺頁面給出后臺管理登陸的鏈接地址；定期查看服務(wù)器日志，定期更改后臺登陸密碼，且密碼有一定復(fù)雜度。

3.2 數(shù)據(jù)備份

網(wǎng)站的數(shù)據(jù)備份非常重要，如果沒有及時的備份，一旦由于誤操作或不可控因素造成的數(shù)據(jù)丟失，其損失將是不可挽回的，要建立嚴格的數(shù)據(jù)備份制度，盡量做到網(wǎng)站數(shù)據(jù)每周一次備份。盡量將可能的損失降到最小。

能源管理靜態(tài)因素范文第3篇

[關(guān)鍵詞]控規(guī)；區(qū)域建筑；能源需求

0.引言

地球是人們生活的一個整體，區(qū)域是地球構(gòu)成的基本單位，區(qū)域的劃分主要是按照一定指標和方法劃分出來的地域空間，也是人們地理差異的基礎(chǔ)，區(qū)域的目的不同，所用的指標也不相同，劃分區(qū)域的類型也就不會相同。現(xiàn)如今我們所說的區(qū)域就是指建筑與城市之間的空間，也就是城市級以下的園區(qū)、街區(qū)與成片開發(fā)區(qū)。建筑能源需求是建筑使用過程中能源需求，并不是建筑全壽命周期的能源需求。在區(qū)域發(fā)展的過程中能源是基本保障，城市規(guī)劃建設(shè)的完成，區(qū)域能源主要是電力、熱力以及燃氣的供應(yīng)，各個能源基礎(chǔ)設(shè)施專項規(guī)劃是各自獨立規(guī)劃建設(shè)，但是能源供應(yīng)的對象并不是相互獨立的。在技術(shù)快速發(fā)展的過程中，各種能源在供應(yīng)的過程中采用不同的供應(yīng)與轉(zhuǎn)換方式。

1.區(qū)域建筑能源需求現(xiàn)狀分析

區(qū)域建筑能源需求系統(tǒng)是一個錯綜復(fù)雜的系統(tǒng)，能源需求不僅受到功能定位、建筑形態(tài)、空間布局、運行模式等因素的影響，還會受到經(jīng)濟、政治、政策、區(qū)域環(huán)境以及社會等因素的影響[1]，由此可見，區(qū)域建筑能源系統(tǒng)始終處于不確定型與變化性。我國在分析區(qū)域建筑能源需求時候，采用多種需求預(yù)測方法進行研究，而不分發(fā)國家還設(shè)立專門預(yù)測分析軟件或者模型來進行分析。從實際的分析角度來看，可以將能源需求分析方法分為預(yù)測分析法和因素分析法。預(yù)測分析法主要是依據(jù)能源系統(tǒng)本身對能源的需求進行研究分析，其中包括了BP神將網(wǎng)絡(luò)模型、時間序列預(yù)測法。而因素分析方法是在社會經(jīng)濟系統(tǒng)對能源需求進行研究的基礎(chǔ)上進行分析，其主要包括了部門分析法、投入產(chǎn)出法、情景分析法、新能源消費彈性系數(shù)法。在應(yīng)用分析方法的過程中，不同分析方法具有不同的特點，但是無論采用何種分析方法，都是分析能源的需求現(xiàn)狀。

在建筑能源需求預(yù)測的過程中，應(yīng)用最為普遍的方法是情景分析預(yù)測方法。如白瑋等提出的機遇系統(tǒng)動力學和情景分析法等能源需求和環(huán)境負荷模型、龍惟定的基于低碳目標的區(qū)域建筑能源規(guī)劃模型等等。在能源需求預(yù)測的過程中需要明確研究的情景各自有什么特點，并對這些特點進行定性描述，隨后描述出與之相應(yīng)的框架，對一些關(guān)鍵因素設(shè)定的不同情景組合，典型的關(guān)鍵因素設(shè)定不同的情景組合，進行分析，并得出負荷值，進而可以確定能源的需求。在區(qū)域建筑能源需求分析的過程中，情景預(yù)測分析方法所分析得出的數(shù)據(jù)具有一定準確性，有利于需求分析的具體化。

2.區(qū)域經(jīng)濟能源需求特點與分類

在分析區(qū)域建筑能源需求的過程中應(yīng)當明確能源需求的特點。首先，系統(tǒng)性。系統(tǒng)就是由相互聯(lián)系、相互作用的不同要素組成，促使其具有一定功能和結(jié)構(gòu)的有機整體，區(qū)域建筑群可以看作是一個系統(tǒng)，而地塊則是系統(tǒng)的基本組成部分，建筑能源需求與周邊地塊是有聯(lián)系的，因而地塊能源需求組成一個有機整體，促使建筑能源需求具有系統(tǒng)性[2]。其次，多維性。區(qū)域建筑能源需求并不僅僅是單點或者是靜態(tài)的數(shù)據(jù)。對建筑群進行詳細規(guī)劃，也僅是對用地情況進行分析，建筑的形式、功能結(jié)構(gòu)都屬于未知數(shù)，使得建筑能源需求處于一個不確定性。在多種宏觀因素與微觀因素的影響下，能源需求情景分析具有不確定性，因而分析的結(jié)果也具有多樣性。最后，地域性。區(qū)域建筑能需求表現(xiàn)出較為明顯的地域特點，這種表現(xiàn)主要出現(xiàn)在區(qū)域不同，建筑能源需求結(jié)構(gòu)不同以及發(fā)展水平不同，需求特點也不相同。因而建筑能源需求分析方法與側(cè)重點也存在差異。

通過分析建筑能源需求的特點就可以看出，能源需求又可以分為不同的種類。其主要分為常規(guī)能源需求以及特殊區(qū)域能源需求。常規(guī)的能源需求主要指的是采暖、照明、室內(nèi)設(shè)備、通風、電梯、空調(diào)及其他綜合服務(wù)系統(tǒng)構(gòu)成的能源需求，特殊區(qū)域能源需求則指的是安防監(jiān)控、通訊網(wǎng)絡(luò)、消防救助等系統(tǒng)的能源需求。

3.區(qū)域建筑能源需求影響因素分析

在經(jīng)濟快速發(fā)展的過程中，區(qū)域建筑能源需求受到多種因素的影響。這些影響因不僅影響了區(qū)域建筑的發(fā)展，還對能源系統(tǒng)的分析造成一定影響。

3.1區(qū)域氣候環(huán)境

區(qū)域氣候環(huán)境主要指的是熱濕環(huán)境、光環(huán)境以及風環(huán)境[3]。不同的環(huán)境因素受到區(qū)域氣候環(huán)境的影響較大。其中區(qū)域熱濕環(huán)境受到區(qū)域建筑所在地氣候特點影響，并且還會受到溫室效應(yīng)、熱島效應(yīng)等變化的影響。在建筑能源需求分析中熱濕環(huán)境會對建筑外擾引起冷熱負荷。區(qū)域光環(huán)境會受到區(qū)域的太陽輻射強度的影響，區(qū)域光環(huán)境效果好，就會產(chǎn)生較好的采光率，進而有效影響建筑照明系統(tǒng)。而區(qū)域風環(huán)境與所在地區(qū)域建筑空間的布局具有一定聯(lián)系，它不僅會對建筑的通風產(chǎn)生影響，還會影響建筑室外熱濕環(huán)境，進而影響建筑建筑冷熱負荷。

3.2社會經(jīng)濟發(fā)展

就區(qū)域建筑能源來看，社會發(fā)展對其產(chǎn)生的影響是緩慢性。在社會發(fā)展速度逐漸加快，人們生活水平不斷提高的過程中，人們對建筑環(huán)境的要求也會不斷提高，如建筑室內(nèi)要達到冬暖夏涼、增加建筑通風量、建筑設(shè)施不采暖而將來通過設(shè)置采暖設(shè)施，就會增加建筑暖通空調(diào)能源的消耗。另外，在社會經(jīng)濟快速發(fā)展的過程中，區(qū)域經(jīng)濟發(fā)展的速度也會不斷加快，區(qū)域建筑的承載力也會持續(xù)上升，人口與經(jīng)濟持續(xù)增長，人口增長必然會對人口密度產(chǎn)生影響，與此同時人們生活水平提高，經(jīng)水平上升就會增加能源的消耗量。

3.3技術(shù)政策進步

在社會快速發(fā)展經(jīng)濟持續(xù)增長的過程中，技術(shù)也在不斷地進步。被動式的技術(shù)與技能技術(shù)能夠有效減少能源需求與高能源系統(tǒng)轉(zhuǎn)換效率，在此過程中采用節(jié)能的方式能夠在保證建筑能源的基礎(chǔ)上，提高建筑能源的服務(wù)水平。現(xiàn)如今，我們生活各方面都發(fā)生了一定的變化，能源與環(huán)境政策日趨完善，促使建筑能源管理區(qū)域合理化、規(guī)范化，這樣就能夠在建筑能源運行方面提高運行效率，有效降低能源的需求。

3.4土地利用規(guī)劃

在城市建設(shè)逐漸完善的過程中，土地資源的利用率逐漸下降。與此同時區(qū)域規(guī)劃屬于區(qū)域控制詳細規(guī)劃范疇，其需要對區(qū)域進行合理定位于空間布局。并且在每塊的容積率、建筑密度以及綠地率、建筑限高等方面都提出了相應(yīng)的數(shù)值[4]。針對使用情況不同的地塊，由于地塊所處的地理位置與開發(fā)強度不相同，建筑物的使用水平、使用程度與功能結(jié)構(gòu)都會表現(xiàn)出不同的差異性，進而影響區(qū)域建筑能源的消耗量。

4.結(jié)語

總之，區(qū)域能源需求處于一個不確定的狀態(tài)，這不僅僅在于建筑服務(wù)水平、技術(shù)水平還體現(xiàn)在使用程度之間的差異有一定的聯(lián)系。在分析區(qū)域建筑能源的過程中，應(yīng)當綜合考慮。

[參考文獻]

[1]崔秀瑞.基于體制機制的綠色建筑推廣責任歸屬研究[J].工程管理學報，2010，6（07）：42.

[2]華賁.低碳時代的中國城市能源規(guī)劃[J].建筑科學，2011，6（10）：87.

能源管理靜態(tài)因素范文第4篇

文章關(guān)鍵詞: 企業(yè) 統(tǒng)計工作 經(jīng)營決策 生產(chǎn)管理 核算監(jiān)督 挖潛增效預(yù)警作用

統(tǒng)計信息工作是全方位的，它不僅貫穿于企業(yè)經(jīng)濟運行的全過程，而且滲透到企業(yè)管理的方方面面，發(fā)揮著信息、預(yù)警、咨詢、監(jiān)督、分析和決策職能。它是計劃決策的依據(jù)；是財務(wù)核算的基礎(chǔ)；是對生產(chǎn)經(jīng)營活動進行有效控制的工具。在生產(chǎn)經(jīng)營中的人流、物流、資金流，是按照有關(guān)信息所規(guī)定的路線、要求和時間進行流動的，統(tǒng)計信息對它們起著控制作用。同時，又對公司各基層單位在經(jīng)營活動中的相互配合與工作銜接起著協(xié)調(diào)作用，通過信息反饋，使管理者及時地采取措施進行調(diào)整與糾偏，保證企業(yè)整體目標和計劃的實現(xiàn)。

一、企業(yè)中統(tǒng)計工作的影響因素和存在問題

1、統(tǒng)計指標體系不夠完善，統(tǒng)計指標更新遲緩。

目前所使用的統(tǒng)計指標主要仍是為政府和上級管理部門服務(wù)的，而且有的指標已經(jīng)過時，所搜集的統(tǒng)計數(shù)據(jù)不能及時地從各個側(cè)面反映企業(yè)的經(jīng)營狀態(tài)、經(jīng)濟效益和發(fā)展趨勢，致使統(tǒng)計工作在企業(yè)經(jīng)營管理過程中的作用難以發(fā)揮。

2、企業(yè)領(lǐng)導(dǎo)對統(tǒng)計的認識不夠，統(tǒng)計意識淡薄。

有的企業(yè)領(lǐng)導(dǎo)認為統(tǒng)計工作可有可無，不善于利用統(tǒng)計成果進行經(jīng)營決策，甚至有的企業(yè)領(lǐng)導(dǎo)為了功名向上級領(lǐng)導(dǎo)匯報的情況與企業(yè)統(tǒng)計資料所反映的情況相差甚遠，導(dǎo)致人們對統(tǒng)計人員通過辛勤工作得到的統(tǒng)計數(shù)據(jù)產(chǎn)生懷疑和偏見，使統(tǒng)計人員處于進退兩難的境遇。

3、統(tǒng)計力量薄弱，統(tǒng)計工作處于應(yīng)付狀態(tài)。

隨著企業(yè)改革步伐的加快，機構(gòu)改革成為企業(yè)改革的一個組成部分，而往往在改革的過程中統(tǒng)計部門和統(tǒng)計人員就會面臨撤并和分流，統(tǒng)計部門不是掛靠在財務(wù)部門就是合并到其他部門，留下一名統(tǒng)計人員應(yīng)付來自上級、地方政府、企業(yè)內(nèi)部的各項統(tǒng)計工作，甚至還有統(tǒng)計工作以外的一些事務(wù)，使得統(tǒng)計人員對各項工作都處于應(yīng)付狀態(tài)，無法對統(tǒng)計工作和業(yè)務(wù)知識進行鉆研和學習。

4、統(tǒng)計預(yù)警和分析工作不能深入到企業(yè)經(jīng)營管理中。

有的統(tǒng)計人員對統(tǒng)計工作的認識不夠全面，認為將統(tǒng)計數(shù)據(jù)上報以后統(tǒng)計工作就完成了，而沒有認識到統(tǒng)計數(shù)據(jù)的收集、匯總和上報只是統(tǒng)計工作全過程中的一個階段，統(tǒng)計工作的最終目的是將所得到的統(tǒng)計數(shù)據(jù)進行加工、整理和分析，從中發(fā)現(xiàn)問題、找出對策和提出解決問題的方法，從而為企業(yè)的經(jīng)營管理服務(wù)。

二、淺析具體解決方法

1、 企業(yè)領(lǐng)導(dǎo)和統(tǒng)計人員要徹底更新觀念，正確認識統(tǒng)計、重視統(tǒng)計，善于運用統(tǒng)計方法來進行分析和決策。

我國春秋時期的管仲對統(tǒng)計的作用進行了高度概括：“不明于計數(shù)，而欲舉大事，猶無舟楫而欲經(jīng)于水，險也……舉事必成，不知計數(shù)不可。”只有企業(yè)領(lǐng)導(dǎo)和統(tǒng)計人員對統(tǒng)計工作有了正確的認識，善于運用統(tǒng)計成果為企業(yè)經(jīng)營決策服務(wù)，統(tǒng)計工作才會在企業(yè)發(fā)展中發(fā)揮重要的作用。

綜合維修公司領(lǐng)導(dǎo)班子已從幾年的工作中逐漸摸索出一套運用統(tǒng)計數(shù)字為企業(yè)經(jīng)營決策服務(wù)的辦法，每月通過《月度成本分析報表》了解成本費用發(fā)生與控制情況，為進一步的節(jié)能降耗工作奠定了基礎(chǔ)；通過《發(fā)電經(jīng)營分析報表》了解發(fā)電隊生產(chǎn)經(jīng)營與成本費用的配比情況，為更好地控制能耗，精細化管理及比學趕幫超等活動的進一步展開提供了充分的第一手數(shù)據(jù)；

2、 建立健全統(tǒng)計指標體系，強化對內(nèi)服務(wù)職能。

企業(yè)統(tǒng)計指標應(yīng)在滿足政府及上級主管部門需要的前提下，建立一套滿足企業(yè)生產(chǎn)經(jīng)營需要，反映企業(yè)經(jīng)濟效益和發(fā)展趨勢的統(tǒng)計指標體系。例如綜合維修公司發(fā)電隊根據(jù)歷史統(tǒng)計資料，結(jié)合當前情況，做了深入細致的預(yù)測分析工作，利用統(tǒng)計手段，將指標按固定能耗和可控能耗劃分開來。根據(jù)通常發(fā)電作業(yè)的地點路況以及負荷工況合理計算正常的燃油消耗量，設(shè)備維護保養(yǎng)嚴格限定在相關(guān)規(guī)定的要求下，以及正常隊伍在各時期的各項消耗指標，設(shè)定為固定能耗，是可以保持長期穩(wěn)定的統(tǒng)計，我們采用每月定額法，實施靜態(tài)管理。而那些隨著生產(chǎn)運行變化而變化的能耗則劃歸可控能耗，實施動態(tài)管理?？煽啬芎氖俏覀兘y(tǒng)計管理的重點，不但要詳細掌握能源消耗項目，還要將當期的設(shè)備檢查和隊伍自查結(jié)合起來，運用能源統(tǒng)計指標體系，精確預(yù)測出在報告期內(nèi)各能源消耗指標，以具體數(shù)據(jù)的形式明示給各個能耗部門，并在整個運行過程中通過收集、整理數(shù)據(jù)，實施分析、調(diào)整、監(jiān)督，發(fā)現(xiàn)問題及時采取措施，糾正和預(yù)防跑、冒、滴、漏及浪費事件的發(fā)生。

綜合維修公司發(fā)電隊還設(shè)立了《設(shè)備運行月度報表》和《能耗月度明細單》等各種統(tǒng)計報表通過這些表格，構(gòu)成了我企業(yè)統(tǒng)計指標體系，建立了上下一致，相互呼應(yīng)的能源管理機制，強化了對能源消耗部門的監(jiān)督與反映。

此外，還建立了規(guī)范的獎懲條例，利用統(tǒng)計資料歸納整理的數(shù)據(jù)，作為評價部門節(jié)能降耗成果的主要依據(jù)，年終統(tǒng)一兌現(xiàn)，這樣既調(diào)動了大家節(jié)約能源的積極性，又為超標部門敲響了警鐘。

3、 加強統(tǒng)計基礎(chǔ)工作，確保統(tǒng)計信息質(zhì)量

根據(jù)公司目前運營方式的需要，再沿用原有的統(tǒng)計報表制度來解決問題已經(jīng)不能適應(yīng)新體制的要求，首先要根據(jù)公司實際，逐步完善及補充各項統(tǒng)計管理規(guī)章制度，確保統(tǒng)計數(shù)據(jù)的規(guī)范運作。其次科學設(shè)置和完善公司統(tǒng)計信息指標體系，改進指標的設(shè)置、口徑、范圍、分組和計算方法，使統(tǒng)計信息內(nèi)容涵蓋企業(yè)產(chǎn)供銷、人財物、投入與產(chǎn)出的基本情況及過去、現(xiàn)在和將來的方方面面，做到信息更完整、更及時、更準確真實，加工程度更深。

4、加強信息綜合分析能力，為企業(yè)經(jīng)營和決策提供依據(jù)

公司發(fā)展需要科學的決策，而統(tǒng)計信息分析是制定公司發(fā)展戰(zhàn)略和經(jīng)營決策的重要依據(jù)。統(tǒng)計工作人員要始終明確一個觀點――統(tǒng)計數(shù)字背后的“情況”、“分析”、“監(jiān)測”才是統(tǒng)計工作真正發(fā)揮作用的根本。統(tǒng)計人員不僅要為公司發(fā)展提供正確的統(tǒng)計信息，而且要搞好統(tǒng)計資料的分析，提供具有前瞻性和內(nèi)涵性的分析報告,以增強對行業(yè)發(fā)展預(yù)測和公司經(jīng)營決策的預(yù)見性、科學性、有效性，指導(dǎo)性。

5、加強部門協(xié)作，發(fā)揮各自優(yōu)勢，實現(xiàn)信息共享

任何企業(yè)統(tǒng)計信息工作都決不僅限于計劃統(tǒng)計部門內(nèi)部，統(tǒng)計工作是一項綜合性非常強，需要多方配合才能完成的工作。公司現(xiàn)有統(tǒng)計體制大多為垂直管理，分級分專業(yè)負責制，各專業(yè)部門都是獨立的平等關(guān)系，只有加強部門之間的相互協(xié)作與支持，才能確保信息溝通渠道的暢通，才能確保統(tǒng)計信息的完整性,才能使各專業(yè)部門互相支持，發(fā)揮各自的優(yōu)勢，實現(xiàn)信息共享。

6、加快統(tǒng)計信息網(wǎng)絡(luò)建設(shè)，強化企業(yè)統(tǒng)計信息決策功能

為適應(yīng)公司未來發(fā)展的需要，面對信息量越來越大、處理精度越來越高、時效性越來越強、統(tǒng)計方法越來越復(fù)雜的要求，我們必須改進工作方法，盡快編制統(tǒng)計信息系統(tǒng)，利用內(nèi)部網(wǎng)絡(luò)收集、匯總各專業(yè)數(shù)據(jù)，使原始數(shù)據(jù)的采集、儲存、深加工到傳輸?shù)纫幌盗羞^程實現(xiàn)程序化、規(guī)范化，保證企業(yè)信息具有準確性和時效性，使統(tǒng)計信息在部門之間、公司與基層單位之間的快速傳輸、資源共享成為可能。

能源管理靜態(tài)因素范文第5篇

關(guān)鍵詞：通信基站；能耗模型；最小二乘支持向量機；粒子群；滾動時間窗

中圖分類號：TP18；TN929.5 文獻標志碼：A

Modelling of Base Station Energy Consumption System

Based on Sliding Window PSO-LSSVM

ZHANG Yingjie1，2，XU Wei1，2，TANG Longbo1，2， ZHANG Ying1，2，

LIU Wenbo1，2，HU Zuolei1，2，F(xiàn)AN Chaodong3

（1. College of Information Science and Engineering，Hunan University， Changsha 410082， China；

2.Institute for Communications Energy Conservation， Hunan University， Changsha 410082， China；

3.The College of Information Engineering， Xiangtan University， Xiangtan 411105， China）

Abstract：Base station is a major node for communication network's energy consumption. The accurate calculation of the energy-saving amount for the base station under EPC model is a technology bottleneck in this field. This paper proposed a modeling method of energy consumption of the base station based on particle swarm optimization （PSO） and least squares support vector machine （LSSVM） of sliding window， oriented at three kinds of typical scenarios base station. In this approach， a sliding window was established by selecting configuration parameters of base station and real-time data for pretreatment， and then the dynamic energy consumption model was obtained for the base station， which varied in accordance with that of the sliding window by means of the parameters for PSO training model and LSSVM regression training model. Compared with the simulation and test results from the sample base station， the proposed energy consumption model shows high prediction accuracy and generalization ability， and is applicable for the evaluation of energy-saving engineering of the base station.

Key words：base station；energy consumption model；LSSVM（Least Squares Support Vector Machine）；PSO（Particle Swarm Optimization）；sliding window

S著通信業(yè)務(wù)快速發(fā)展，通信業(yè)能源消耗也呈快速增長趨勢，而通信基站是通信行業(yè)能耗的重點，因此，持續(xù)有效地整體推進通信基站節(jié)能降耗已經(jīng)成為通信行業(yè)節(jié)能減排的關(guān)鍵.從目前的形勢來看，通信基站的合理設(shè)計及節(jié)能措施的選擇還未形成一個完整體系[1]，通信節(jié)能發(fā)展的瓶頸是過于概念化和粗放型的能源規(guī)劃，不斷增加節(jié)能設(shè)備，缺少綜合信息集成應(yīng)用、運行監(jiān)管及評估體系.所以，研究并建立能夠精確計算基站能耗的數(shù)學模型，對通信企業(yè)節(jié)能減排和基站用電的精細化管理具有積極的意義.通信基站能耗系統(tǒng)主要由電源系統(tǒng)（包括通信電源、蓄電池組），基站主設(shè)備（包括BTS、天饋系統(tǒng)、BSC），環(huán)境設(shè)備（包括基站空調(diào)、新風系統(tǒng)、熱交換系統(tǒng)）以及輔助系統(tǒng)（包括照明設(shè)備、監(jiān)控系統(tǒng)）等部分構(gòu)成.基站總能耗主要集中在通信設(shè)備用電和機房環(huán)境用電，通過實際調(diào)研及實測數(shù)據(jù)計算可知，通信基站能耗主要由主設(shè)備能耗和空調(diào)系統(tǒng)能耗構(gòu)成.主設(shè)備能耗主要包括無線設(shè)備能耗、電源損耗與傳輸設(shè)備能耗等，其中無線設(shè)備能耗為主要能耗點[2]，而空調(diào)系統(tǒng)耗能與設(shè)備發(fā)熱量以及整個基站的熱傳導(dǎo)情況直接相關(guān)；同時，空調(diào)系統(tǒng)能耗還受到氣象條件、建筑環(huán)境及內(nèi)部運行設(shè)備等多方面因素的影響.由于通信基站能耗的相關(guān)特征數(shù)據(jù)（包括基站建筑材料及結(jié)構(gòu)屬性、基站所處位置及外部環(huán)境特征、基站設(shè)備參數(shù)、氣象參數(shù)等）復(fù)雜多變，同時要考慮環(huán)境條件的約束，所以通信基站能耗建模具有一定的復(fù)雜性[3].

在通信行業(yè)，能耗建模相關(guān)研究主要集中在基站主設(shè)備能耗計量、空調(diào)能耗計量及空調(diào)節(jié)能量計算、基站能耗分類建模等方面.周小兵[4]以廣東中山地區(qū)90 mm厚彩鋼板結(jié)構(gòu)通信基站為研究對象，利用基站總耗電量、空調(diào)及新風系統(tǒng)耗電量、室內(nèi)外氣溫的實測數(shù)據(jù)計算空調(diào)基準耗電量的方法，方便準確地得到了空調(diào)基準耗電量，對核定通信基站節(jié)電量具有一定的參考價值.楊蘋等人[5]根據(jù)基站內(nèi)外部特征，分析了外部環(huán)境因素和內(nèi)部設(shè)備構(gòu)成對基站能耗的影響，建立了基于建筑能耗分析軟件DeST的基站能耗模型；通過DeST進行通信基站能耗分析具有一定的局限性，且模型準確率低，不能作為理想的能耗預(yù)測模型.楊天劍等人[6]通過多元線性回歸確立影響基站耗電量的主要因素，然后通過聚類算法將大量基站能耗數(shù)據(jù)分類，最后通過能耗標桿得到了通信基站的耗能預(yù)測模型；該方法通過多元線性回歸和聚類分析得到基站能耗標桿，在設(shè)備環(huán)境參數(shù)和能耗關(guān)系上具有一定研究意義，但對基站整體能耗預(yù)測尚有不足.李陽[7]以基站的熱平衡模型為基礎(chǔ)，應(yīng)用Simulink仿真軟件對基站能耗進行動態(tài)仿真建模，同時，對基站當前使用的主要節(jié)能技術(shù)進行建模，構(gòu)建出一個較完整的基站能耗動態(tài)仿真模型；該研究模型主要應(yīng)用于仿真模擬，實際應(yīng)用到通信基站能耗計量方面仍有缺陷.雖然眾多研究機構(gòu)及學者在通信基站能耗建模方面做了大量的工作，但建立起來的概念型與統(tǒng)計型的能耗模型也只能在基站能耗預(yù)測預(yù)警與節(jié)能措施選擇時起到一定的輔助決策作用，仍然缺乏一個能夠?qū)崟r精確計算基站能耗的模型.

基于此，本文綜合考慮了通信基站總耗電量、主設(shè)備耗電量、空調(diào)耗電量、電源系統(tǒng)耗電量、外部氣象參數(shù)、室內(nèi)外溫度、基站環(huán)境特征、建筑材料及結(jié)構(gòu)等數(shù)據(jù)，通過對不同類型典型場景基站進行動靜態(tài)數(shù)據(jù)采集，分析基站能耗與時間、空間、環(huán)境參數(shù)等數(shù)據(jù)間的多維關(guān)系，找出基站能耗的主要影響因素，并采用基于滾動時間窗的PSO-LSSVM算法建立準確計量基站能耗的多輸入復(fù)雜系統(tǒng)能耗模型.

1 基于滾動時間窗的最小二乘支持向量機

1.1 支持向量機理論

支持向量機（Support Vector Machine，SVM）是Vapnik于20世紀90年代初依據(jù)統(tǒng)計學理論提出的一種基于數(shù)據(jù)的機器學習算法.支持向量機的基本原理是通過非線性映射把輸入向量映射到一個高位特征空間，在該空間用線性學習機方法以解決原空間的非線性分類和回歸等問題.SVM最初是用來解決模式識別中的分類問題，后來Vapnik通過定義ε不敏感損失函數(shù)提出了支持向量機回歸算法（SVMR），用于解決非線性回歸問題[8].

支持向量機能夠?qū)⑺惴ㄞD(zhuǎn)化為線性規(guī)劃或二次規(guī)劃問題，從而解決局部極小問題，實現(xiàn)全局最優(yōu)；用核函數(shù)代替高維特征空間的內(nèi)積運算，使得高維空間問題得到很好的解決.同時，它可以通過容量調(diào)節(jié)懲罰參數(shù)來平衡擬合能力和泛化能力間的權(quán)重關(guān)系，具有結(jié)構(gòu)簡單、稀疏性好等優(yōu)點[9].支持向量機能夠較好地實現(xiàn)結(jié)構(gòu)風險最小化準則，也能很好地處理非線性、高維數(shù)、局部極小以及過學習等實際問題.在建筑、水利、氣象、醫(yī)學等領(lǐng)域支持向量機已經(jīng)成功應(yīng)用到分類、預(yù)測及預(yù)警中.

1.2 LSSVM算法介紹

支持向量機在計算時每增加一個樣本數(shù)據(jù)就需要求解一個二次規(guī)劃問題，不僅增加了運算量而且實時性較差.為了解決這種問題，Suykens等人[10]提出了最小支持向量機（Least Squares Support Vector Machines，LSSVM）理論.

給定訓練樣本集D={xi，yi}Ni=1，其中N為訓練樣本量，xi∈Rm為m維輸入，yi∈R為一維目標輸出.將樣本空間中的非線性函數(shù)估計問題轉(zhuǎn)化為高維特征空g中的線性函數(shù)估計問題[11-12].

f（x）=wTφ（x）+b （1）

式中：w=[w1，…，wn]T為權(quán)值系數(shù)向量；φ（?）=[φ1（?），…，φn（?）]T為映射函數(shù).這一回歸問題可以表示為一個等式約束優(yōu)化問題，其優(yōu)化目標為：

minw，b，eJ（w，e）=12wTw+λ2∑ni=1e2i（2）

s.t. yi=wTφ（xi）+b+ei，i=1，…，n（3）

然后，用拉格朗日法求解上述優(yōu)化問題：

L（w，b，e，a）=J（w，e）-∑Niai（wTφ（xi）+

b+ei-yi）（4）

式中：ai（i=1，…，n）為拉格朗日乘子.

根據(jù)優(yōu)化條件對式（4）求偏導(dǎo)可得：

Lw=0w=∑Ni=1aiφ（xi）

Lb=0∑Ni=1ai=0

Lei=0ai=γei

Lw=0wTφ（xi）+b+ei-yi=0（5）

再根據(jù)Mercer條件，定義核函數(shù)：

k（xi，yi）=φT（xi）φ（yi）.（6）

由方程式（5）和（6）消去ei，w后，得到

0 1 … 1

1 k（x1，x1）+1/γ … k（x1，xn）

1 k（xn，x1） … k（xn，xn）+1/γ×

ba1 an=0y1 yn（7）

最后得到最小二乘支持向量機非線性模型：

f（x）=∑Ni=1aik（x，xi）+b（8）

1.3 滾動時間窗原理描述

應(yīng)用一個固定范圍并隨時間滾動的數(shù)據(jù)區(qū)間來進行能耗建模能夠很好地解決模型時效性問題，由于這個固定范圍的數(shù)據(jù)區(qū)間隨時間不斷滾動，所以稱其為滾動時間窗.滾動時間窗方法是以樣本選擇方式來處理數(shù)據(jù)實時更新對能耗模型影響的基本方法，它通過一個不斷向前移動并把最近時間段的新樣本包括在內(nèi)的“時間窗口”來不斷進化基站能耗預(yù)測模型[13].該方法中，新樣本數(shù)據(jù)實時地更替舊樣本數(shù)據(jù)，滾動的當前時間窗內(nèi)樣本數(shù)據(jù)的變化需要重新構(gòu)建更優(yōu)的預(yù)測模型.

假設(shè)有一組n維時變向量數(shù)據(jù)，某時段擬合樣本數(shù)據(jù)從時間點t逐漸滾動到（t+p），而構(gòu)建預(yù)測模型時可獲得建模樣本的最早時間點為（t-q）.此時，對于t′∈[t，t+p]的任意時間段，都有（t′-q）到t′之間的樣本數(shù)據(jù)能夠進行建模，將（t′-q）到t′之間的樣本數(shù)據(jù)記為當前時間窗數(shù)據(jù)，隨著t′的增長，時間窗數(shù)據(jù)也隨之變化更新.圖1為時間窗的滾動示意圖，可以看出建模時間窗不斷向后移動，即新數(shù)據(jù)不斷加入，并對下一時刻進行擬合建模，這是一個滾動優(yōu)化的過程[14].

2 PSO優(yōu)化的LSSVM算法

支持向量機在精度和效率上的優(yōu)越性跟其參數(shù)的取值密切相關(guān)，但是其參數(shù)數(shù)量很多而且參數(shù)的選擇范圍很大，這樣就使得最優(yōu)參數(shù)的選取變得困難.同時，由于最小二乘支持向量機模型是非線性的，采用解析的方法得到其模型參數(shù)幾乎不可能，使用數(shù)值計算也很難得到真正的最優(yōu)參數(shù)，所以，必須選擇一個合適的模型參數(shù)優(yōu)化方法.

2.1 基于PSO算法優(yōu)化模型參數(shù)

LSSVM模型中徑向基核函數(shù)的選用需要確定兩個參數(shù)：核參數(shù)σ和懲罰因子γ.γ越小，模型泛化能力越強，平滑性越好，但是擬合能力會降低；而σ越大，所得訓練模型就會越平滑，泛化能力也越強；同時，粒子也是由這兩個參數(shù)所決定，所以他們的優(yōu)化必不可少.通常我們采用參數(shù)空間窮盡搜索法對LSSVM參數(shù)進行優(yōu)化，但其缺點是較難確定合理的參數(shù)范圍.而本文采用PSO優(yōu)化LSSVM參數(shù)能夠很好地解決這種問題，且能夠快速準確地選取到最優(yōu)參數(shù).

粒子群算法PSO（Particle swarm optimization，PSO）是1995年由Kennedy和Eberhart[15]提出的一種啟發(fā)式搜索算法.最初，PSO算法從鳥群覓食行為中得到啟發(fā)，然后圖形化模擬鳥群的不可預(yù)測運動，并以此作為算法的基礎(chǔ).然后引入近鄰的速度匹配、慣性權(quán)重w，并考慮多維搜索和距離的加速，形成了最初的PSO算法[16].

與其他進化算法類似，粒子群算法采用“種群”的方式不斷“進化”自己的搜索模式.在PSO算法中，可以將優(yōu)化問題的每個潛在解看成是多維空間中的一個“點”，將各異的“點”稱做“粒子”，多個“粒子”就組成一個群體.當PSO初始化生成一群隨機粒子（即隨機解）后，粒子即開始不斷迭代來找到最優(yōu)解，在這個過程中，每個粒子都有自己運動的方向及速率，即粒子都有一個矢量速度，不同粒子間會通過協(xié)作競爭來逐漸搜索出復(fù)雜空間中的最優(yōu)解[17].

粒子迭代第t次時，其位置信息可用式（9）表示，運動速度用式（10）表示.

Xi（t）=（Xi1（t），Xi2（t），…，Xid（t））（9）

Vi（t）=（Vi1（t），Vi2（t），…，Vid（t））（10）

在每一次迭代過程中，粒子會通過跟蹤兩個“極值”來不斷更新優(yōu)化自己的速度及位置.其中，跟蹤的第一個“極值”即為當前粒子在多維空間中經(jīng)歷的最優(yōu)值，稱為個體極值pBest，用公式表示為：

Pi（t）=（Pi1（t），Pi2（t），…，Pid（t））（11）

而另一個“極值”則是整個種群所有粒子經(jīng)歷的最優(yōu)值，稱為全局極值gBest，用公式表示為：

Pg（t）=（Pg1（t），Pg2（t），…，Pgd（t））（12）

另外，如果將種群一部分作為粒子的鄰居而不是全部，那么在該粒子的所有鄰居中搜索到的極值則稱為局部極值l Best，表示為：

Pl（t）=（Pl1（t），Pl2（t），…，Pld（t）） （13）

粒子迭代更新自身速度和位置公式如下：

Vik（t+1）=ωVik（t）+c1r1（Pik（t）-Xik（t））+

c2r2（Pgk（t）-Xik（t））（14）

Xik（t+1）=Xik（t）+Vik（t+1）（15）

式中：t櫚鼻笆笨塘W擁牡代次數(shù)；ω為粒子的慣性權(quán)重系數(shù)；c1，c2為學習因子，表示粒子向pBest和gBest運動的加速度權(quán)重；r1，r2是介于（0，1）的隨機數(shù)；k=1，2，…，d.

本文選取模型預(yù)測結(jié)果的均方誤差MSE作為PSO適應(yīng)度函數(shù)，然后通過求解LSSVM模型的最小均方誤差來得到最優(yōu)參數(shù)γ，σ2.優(yōu)化的具體步驟如下：

1）初始化粒子群各參數(shù)（學習因子c1=1.5，c2=1.7，最大進化代數(shù)maxgen=1 000，種群規(guī)模sizepop=30）；

2）通過適應(yīng)度函數(shù)計算出各個粒子的適應(yīng)度值；

3）比較粒子當前適應(yīng)度值與自身個體最優(yōu)值pBest，若前者更優(yōu)，則把粒子當前位置作為目前的個體最優(yōu)值gBest；

4）對粒子當前適應(yīng)度值與全局最優(yōu)值gBest進行比較，若前者更優(yōu)，則把當前粒子位置作為目前的全局最優(yōu)值gBest；

5）根據(jù)式（14）和式（15）對粒子速度及位置進行更新；

6）判斷是否滿足結(jié)束條件（到達最大循環(huán)次數(shù)或者誤差滿足要求），若滿足條件則退出循環(huán)，否則，回到步驟2）繼續(xù)循環(huán).

2.2 基于PSO優(yōu)化的滾動時間窗LSSVM改進算法

基于滾動時間窗的LSSVM回歸估計方法的動態(tài)建模過程如下：

1）設(shè)置各參數(shù)初始值；

2）對采集的系統(tǒng)數(shù)據(jù)進行預(yù)處理；

3） 應(yīng)用PSO優(yōu)化算法尋優(yōu)模型參數(shù)γ和σ2；

4）選取當前時刻t到（t-q）時刻的樣本作為當

前區(qū)間時間窗數(shù)據(jù)；

5）采用基于LSSVM回歸估計算法訓練模型；

6）利用建立好的模型進行預(yù)測；

7）有新數(shù)據(jù)集進入時，數(shù)據(jù)窗進行滾動，形成新的時間窗數(shù)據(jù)；

8）選取新的時間窗數(shù)據(jù)重新建模并進行預(yù)測；

9）返回步驟7）.

圖2為基于PSO優(yōu)化的滾動時間窗LSSVM改進算法的基站動態(tài)能耗建模流程圖.

隨著樣本數(shù)據(jù)的更新，上述建模過程循環(huán)進行，模型也不斷隨之更新，這樣就能夠?qū)崟r地跟蹤基站系統(tǒng)的能耗變化.建模過程中，選取了徑向基RBF （Radial Basis Function，RBF）核函數(shù)，其中核參數(shù)γ和σ2的化必不可少.γ越小，模型泛化能力越大，平滑性越好，但是擬合能力會降低；同時，σ2越大，所得訓練模型就會越平滑，泛化能力也越強.

3 基站能耗預(yù)測模型試驗仿真

試驗樣本主要選取2013年1月至2016年1月湖南張家界、邵陽地區(qū)某運營商的典型場景基站數(shù)據(jù)，基本數(shù)據(jù)類型包括基站每月總耗電量（kW?h）、基站圍體面積（m2）、室內(nèi)外溫度（℃）和載頻數(shù)（個數(shù)）.基站總耗電量以月?度為單位可以有效過濾由單日能耗異常產(chǎn)生預(yù)測偏差的影響，故本文以月?度基站總耗電量為輸出，其他變量為輸入.同時，以3個月新出現(xiàn)的動態(tài)數(shù)據(jù)作為時間窗數(shù)據(jù)的更新數(shù)據(jù)，并隨時間不斷推移，以更新的時間窗數(shù)據(jù)作為能耗動態(tài)模型的輸入數(shù)據(jù).

本文采用均方根誤差RMSE、相關(guān)系數(shù)R和決定系數(shù)R2 3種評價標準.均方根誤差能夠很好地反映出預(yù)測值的精確度，而相關(guān)系數(shù)絕對值可以用來反映預(yù)測值和實測值關(guān)系的方向和密切程度，相關(guān)系數(shù)絕對值越大，說明預(yù)測值和實測值線性關(guān)系越好；決定系數(shù)為相關(guān)系數(shù)的平方，能很好的反映模型的擬合程度，其值越接近1，模型的擬合程度越好[18].設(shè)Xi為模型預(yù)測值，為預(yù)測平均值，Yi為對應(yīng)實測值，為實測值的平均值，其中i=1，2，…，N，定義：

RMSE=1Nσ2∑Ni=1（Xi-Yi）2（16）

R=∑Ni=1（Xi-）（Yi-）∑Ni=1（Xi-）2?∑Ni=1（Yi-）2 （17）

試驗所用計算機CPU為AMD Athlon（tm）Ⅱ X2255 Processor 3.10 GHz，內(nèi)存為4 GB，工具為MATLAB R2011a.將采集的樣本數(shù)據(jù)進行修正和歸一化處理后，取前240組數(shù)據(jù)進行訓練模型，后120組數(shù)據(jù)進行測試.測試結(jié)果如圖3-圖5所示.

對比圖3，圖4和圖5，觀察表1可以看出，基于標準LSSVM建立的能耗模型擬合效果較差，而基于PSO-LSSVM和基于滾動時間窗PSO-LSSVM得到的通信基站能耗模型均能夠較準確地擬合出能耗的變化，且后兩種模型擬合相關(guān)系數(shù)高，各參數(shù)均表現(xiàn)出較好的泛化能力.采用滾動時間窗，可反應(yīng)系統(tǒng)當前能耗狀況的數(shù)據(jù)快速更新，模型也隨之不斷更新，從而使得建立的能耗模型更加精確.

基于測試樣本的模型預(yù)測效果及誤差圖分別如圖6和圖7所示，擬合效果相關(guān)參數(shù)如表2所示.

從圖7可以看出，基站能耗預(yù)測誤差基本穩(wěn)定，九成以上的預(yù)測值準確度都在90%以內(nèi)，誤差沒有隨數(shù)據(jù)變化而較大幅度的增大，而呈現(xiàn)逐步縮小穩(wěn)定的趨勢.從圖6，圖7和表2可以看出，基站能耗模型能夠較好地跟蹤實測能耗值的變化趨勢，且基站能耗預(yù)測精度較高.

目前，通信基站在未采取節(jié)能措施的情況下，基于現(xiàn)有文獻對通信基站能耗模型的研究，文獻[19]采用二元一次線性回歸建立了基站能耗模型，其空調(diào)耗電模型及設(shè)備耗電模型單站試算平均誤差分別為18.87%～30.2%及12.32%～19.4%.而文獻[7]基于建筑行業(yè)的Dest軟件模擬建模的預(yù)測精度為82%～87%.文獻[7]基于Simulink仿真技術(shù)建立的動態(tài)基站能耗模型仿真精度為86.64%～98.4%.可以看出，在各個不同的典型場景下，基站能耗預(yù)測值都普遍不高，雖然文獻[7]建立的模型精度偏差不大，但是其超過1/3的能耗預(yù)測結(jié)果準確度低于90%，其整體預(yù)測精度仍然較低.相比來說，本文的研究預(yù)測模型整體預(yù)測精度更高，使用前景更大.

4 結(jié) 論

本文首先綜合分析了通信基站總耗電量、主設(shè)備耗電量、空調(diào)耗電量、電源系統(tǒng)耗電量、外部氣象參數(shù)變化、室內(nèi)外氣溫等數(shù)據(jù)結(jié)構(gòu)參數(shù)，同時，對不同類型典型場景基站的動靜態(tài)數(shù)據(jù)進行了采集分析，得到基站能耗與時間、空間、環(huán)境參數(shù)等數(shù)據(jù)間的多維關(guān)系，計算出影響基站能耗的主要因素，然后，采用基于滾動時間窗的PSO-LSSVM方法建立準確計算基站能耗的多輸入復(fù)雜系統(tǒng)能耗模型.將該模型與其他相關(guān)研究模型的預(yù)測精度進行對比，結(jié)果表明，本文方法具有更高預(yù)測準確度，且整體預(yù)測精度在90%以上.綜上，本文研究模型具有預(yù)測精度較高，穩(wěn)定性較好等優(yōu)點，能夠更準確地預(yù)測通信基站能耗以及更準確地計算節(jié)能量，具有良好的應(yīng)用前景.

參考文獻

[1] 張英杰，章兢，劉文強，等.通信行業(yè)能耗現(xiàn)狀分析與節(jié)能戰(zhàn)略思考[J]. 電信科學， 2011， 27（10）：103-109.

ZHANG Yingjie，ZHANG Jin，LIU Wenqiang，et al.Overview of current state of energy consumption and energy-saving strategies exploration in communication industry[J].Telecommunications Science， 2011， 27（10）：103-109.（In Chinese）

[2] LEI F， HU P. A baseline model for office building energy consumption in hot summer and cold winter region[C]//Management and Service Science，MASS '09，International Conference on. IEEE， 2009：1-4.

[3] 戎小寅. 嚴寒/寒冷地區(qū)通信基站動態(tài)能耗模擬及圍護結(jié)構(gòu)節(jié)能優(yōu)化[D].哈爾濱：哈爾濱工業(yè)大學市政環(huán)境工程學院，2011：1-19.

RONG Xiaoyin.Dynamic energy simulation and energy efficiency optimization of building envelope for mobile telecommunication base stations in severe cold/cold regions[D].Harbin： School of Municipal and Environmental Engineering，Harbin Institute of Technology， 2011：1-19.（In Chinese）

[4] 周小兵.通信基站節(jié)能設(shè)計與空調(diào)基準耗電量的計算研究[D].長沙：中南大學能源科學與工程學院，2012：1-36.

ZHOU Xiaobin.Study on base station’s energy-saving design and air-conditioning baseline power consumption calculation[D].Changsha：School of Energy Science and Engineering，Central South University，2012： 1-36.（In Chinese）

[5] 楊蘋，劉勝榮.南方地區(qū)移動通信基站的能耗分析與節(jié)能評估[J].西華大學學報：自然科學版，2010，29（1）：70-73.

YANG Ping，LIU Shengrong.The energy-consuming analysis and energy-saving evaluation of communication base station in South Region of China[J].Journal of Xihua University：Natural Science，2010，29（1）：70-73.（In Chinese）

[6] 楊天劍，張靜.基于聚類算法的通信基站能耗標桿建立與分析[J].移動通信，2015（18）：92-96.

YANG Tianjian，ZHANG Jing.Establishment and analysis of energy consumption benchmark for telecommunication base station based on clustering algorithm[J].Mobile Communications，2015（18）：92-96.（In Chinese）

[7] 李陽.基于Simulink仿真技術(shù)的基站能耗建模及應(yīng)用研究[D].北京：北京郵電大學經(jīng)濟管理學院， 2014：1-43.

LI Yang.Study on base station energy consumption modeling and application based on Simulink simulation technology[D]. Beijing：School of Economics and Management in Beijing University of Posts and Telecommunications，2014：1-43.（In Chinese）

[8] VAPNIK V.The nature of statistical learning theory[M].New York： Springer-Verlag，1995：17-21.

[9] 周欣然， 滕召. 一種在線稀疏LSSVM及其在系統(tǒng)建模中的應(yīng)用[J]. 湖南大學學報：自然科學版， 2010， 37（4）：37-41.

ZHOU Xinran，TENG Zhaosheng.An online sparse LSSVM and its application in system modeling[J].Journal of Hunan Uniersity：Natural Sciences，2010，37（4）：37-41.（In Chinese）

[10]SUYKENS J A K，VANDEWALLE J. Least squares support vector machine classifiers[J]. Neural Processing Letters，1999，9（3）：293-300.

[11]AHMADI M A，ROZYN J，LEE M，et al.Estimation of the silica solubility in the superheated steam using LSSVM modeling approach[J]. Environmental Progress & Sustainable Energy，2016，35（2）：596-602.

[12]SAFARI H，SHOKROLLAHI A，JAMIALAHMADI M，et al. Prediction of the aqueous solubility of BaSO4 using pitzer ion interaction model and LSSVM algorithm[J]. Fluid Phase Equilibria，2014，374（9）：48-62.

[13]閻威武，?？×?，邵惠鶴.基于滾動時間窗的最小二乘支持向量機回歸估計方法及仿真[J].上海交通大學學報， 2004， 38（4）：524-526.

YAN Weiwu，CHANG Junlin，SHAO Huihe.Least square SVM regression method based on sliding time window and its simulation[J].Journal of Shanghai Jiaotong University，2004，38（4）： 524-526.（In Chinese）

[14]孫潔，李輝，韓建光.基于滾動時間窗口支持向量機的財務(wù)困境預(yù)測動態(tài)建模[J].管理工程學報，2010， 24（4）：174-180.

SUN Jie，LI Hui，HAN Jianguang.Dynamic financial distress prediction modeling based on rolling time window support vector machine[J]. Journal of Industrial Engineering and Engineering Management， 2010，24（4）：174-180.（In Chinese）

[15]KENNEDY J， EBERHART R C. Particle swarm optimization[C]//IEEE International Conference on Neural Networks， 1995， 4（8）：1942-1948.

[16]陳志堅， 黃偉杰. 基于多因素混合模型的運營期群樁軸力預(yù)測[J]. 湖南大學學報：自然科學版，2016，43（3）：155-160.

CHEN Zhijian，HUANG Weijie.Prediction of axial force in pile group during the operation period based on the mixed model of multiple factors[J].Journal of Hunan University：Natural Sciences， 2016，43（3）：155-160.（In Chinese）

[17]陳昌富，肖重陽，唐仁華.基于PSO搜索潛在滑裂面非極限狀態(tài)土壓力計算[J]. 湖南大學學報：自然科學版， 2013，40（2）：9-14.

CHEN Changfu，XIAO Chongyang，TANG putation of earth pressure under non-limit state based on PSO search of potential slip surface[J].Journal of Hunan University：Natural Sciences， 2013，40（2）：9-14.（In Chinese）

[18]王少軍，劉琦，彭喜元，等.移動通信話務(wù)量多步預(yù)測的LSSVM方法研究[J].儀器儀表學報，2011，32（6）：1258-1264.

WANG Shaojun，LIU Qi，PENG Xiyuan，et al.Study on LSSVM method for multi-step forecasting of mobile communication traffic[J].Chinese Journal of Scientific Instrument，2011，32（6）：1258-1264.（In Chinese）