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(huì)為您的寫作帶來(lái)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(lái)源。在現(xiàn)代主要工業(yè)化國(guó)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(jì)算機(jī)技術(shù)和網(wǎng)絡(luò)化技術(shù)的發(fā)展,以及人們對(duì)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(yùn)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(xué)習(xí)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(wèn)題：首先是智能樓宇自控系統(tǒng)中各子系統(tǒng)之間相互獨(dú)立，集成度并不是很高，缺乏系統(tǒng)之間的協(xié)作與聯(lián)動(dòng)；其次是智能樓宇系統(tǒng)對(duì)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(jiǎn)單的將建筑內(nèi)的各個(gè)子系統(tǒng)進(jìn)行了集成并沒有達(dá)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(duì)建筑設(shè)備節(jié)能的影響。針對(duì)目前智能建筑技術(shù)在實(shí)際應(yīng)用中的不足,本文在基于多Agent技術(shù)的開發(fā)平臺(tái)上，通過(guò)對(duì)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(gè)基本術(shù)語(yǔ)，它是由美國(guó)學(xué)者明斯基于20世紀(jì)80年代提出的。[1]智能體（Agent）是一個(gè)物理或抽象的、能在一定環(huán)境下運(yùn)行的實(shí)體。它能作用于自身和環(huán)境，并對(duì)環(huán)境做出反應(yīng)。[2]智能體具有知識(shí)、目標(biāo)和能力：知識(shí)主要包括領(lǐng)域知識(shí)、通訊知識(shí)、控制知識(shí)等；目標(biāo)可以根據(jù)變化情況分為靜態(tài)目標(biāo)和動(dòng)態(tài)目標(biāo)，目標(biāo)可以通過(guò)算法編入或顯示給定，或通過(guò)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(xué)習(xí)或通過(guò)通訊獲得。智能體具有如下特性：自治性、社會(huì)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(guò)其內(nèi)部機(jī)制來(lái)描述。通過(guò)把一個(gè)個(gè)體鏈接到一個(gè)程序上，就有可能模擬一個(gè)充滿相互作用著的過(guò)程的人工世界。因此就有可能用人工對(duì)應(yīng)物來(lái)置換真實(shí)系統(tǒng)里的成員總體。總體里的每個(gè)成員都由一個(gè)Agent來(lái)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(xué)或隨機(jī)模型，通常是靜態(tài)數(shù)學(xué)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(jì)者）能夠在模擬過(guò)程中直觀的評(píng)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(cuò)能力較強(qiáng)等特點(diǎn)。

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(guò)對(duì)多智能Agent進(jìn)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(jī)制為人們解決復(fù)雜問(wèn)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(shí)驗(yàn)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(shí)驗(yàn)中通過(guò)攝像頭和語(yǔ)音-識(shí)別技術(shù)對(duì)人員活動(dòng)進(jìn)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(lái)為了實(shí)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(biāo)記Agent、房間Agent和環(huán)境Agent。其中標(biāo)記Agent是人員身份識(shí)別卡片，人員Agent通過(guò)和標(biāo)一記Agent之間的交互可以獲知人員信息。房間Agent主要是對(duì)房間內(nèi)的環(huán)境參數(shù)進(jìn)行檢測(cè)并對(duì)房間的控制模式進(jìn)行設(shè)定最后由環(huán)境Agent來(lái)執(zhí)行這些控制策略。英國(guó)艾塞克斯大學(xué)的VictorCallaghan等進(jìn)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(duì)Agent進(jìn)行設(shè)計(jì)。[5,6,7]在國(guó)內(nèi)，Agent技術(shù)的研究大多停留在理論和方案驗(yàn)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(xué)王圣杰對(duì)多智能Agent初能建筑模型進(jìn)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(duì)象，在JALite開發(fā)平臺(tái)}對(duì)一多Agent之間的任務(wù)分配和交互進(jìn)行了描述。[8]重慶大學(xué)蔣鵬以JADE作為開發(fā)發(fā)平臺(tái)，建立了一個(gè)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(gè)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(jì)量、監(jiān)控和自動(dòng)化開關(guān)機(jī)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(yùn)行必須符合能源管理規(guī)定，能源管理設(shè)備計(jì)量控制電氣設(shè)備運(yùn)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(huì)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(shí)鐘、報(bào)警設(shè)備、上網(wǎng)modem等需要持續(xù)供電的設(shè)備；可待機(jī)設(shè)備：電視、游戲機(jī)等，這類設(shè)備具有三種工作模式：運(yùn)行、關(guān)機(jī)和待機(jī)。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(huì)持續(xù)耗電但耗電量并不是平穩(wěn)的，而是變化的。

3.2實(shí)際電力消耗模型

基于以上模型，我們開發(fā)了一個(gè)基于Agent的智能建筑電力消耗模型。具體仿真對(duì)象為英國(guó)諾丁漢大學(xué)Jubilee校區(qū)計(jì)算機(jī)學(xué)院。Jubilee校區(qū)建立于1999年，是一個(gè)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(fēng)系統(tǒng)，照明傳感器用于照明自動(dòng)控制，屋頂中庭集成光伏電池提供太陽(yáng)能電力。基于房屋的照明自動(dòng)控制，目前照明管理采用自動(dòng)控制策略。當(dāng)人員進(jìn)入房間，照明開關(guān)自動(dòng)打開，當(dāng)人員離開房間20分鐘以后照明自動(dòng)關(guān)閉。EstateOffice具體負(fù)責(zé)學(xué)校所有建筑電力管理的規(guī)定。目前涉及兩個(gè)問(wèn)題：一是自動(dòng)控制是否一定比手動(dòng)控制更省電，二是照明、計(jì)算機(jī)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(jì)算機(jī)學(xué)院一樓。此樓主要為學(xué)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(gè)，計(jì)算機(jī)180臺(tái)，打印機(jī)24臺(tái)，信息指示標(biāo)牌2個(gè)，用戶最大數(shù)量213位。每一個(gè)員工agent具有四個(gè)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(huì)觸發(fā)任何電力消耗。在InCorridor狀態(tài)，會(huì)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(huì)觸發(fā)辦公室的燈光，其行為在使用辦公室電腦上使計(jì)算機(jī)三種模式：開機(jī)、待機(jī)和關(guān)機(jī)。在outOfSchool和InCorridor狀態(tài)進(jìn)行轉(zhuǎn)換取決于工作時(shí)間表。基于我們的實(shí)證調(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(shí)設(shè)置了轉(zhuǎn)換時(shí)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(huì)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(duì)每個(gè)員工agent均設(shè)置節(jié)能意識(shí)參數(shù)energySavingAwareness，值從0到100，以表示其對(duì)節(jié)約能源的意識(shí)。如果員工agent的energySavingAwareness的值大于一個(gè)閾值，它有更大的概率不使用計(jì)算機(jī)。基于我們的問(wèn)卷調(diào)查，對(duì)員工的節(jié)能意識(shí)，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(gè)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(gè)狀態(tài)：開（On）、關(guān)（Off）和待機(jī)（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(jī)狀態(tài)時(shí)能耗為25w，處于開機(jī)狀態(tài)能耗為400w。

4模型仿真

在模型中，我們進(jìn)行了三組實(shí)驗(yàn)。為測(cè)試該模型的有效性，我們將使用這些實(shí)驗(yàn)以EstateOffice得到用電管理策略幫助以深入了解學(xué)校里的電力消耗。

4.1實(shí)驗(yàn)1：模擬目前學(xué)校的電力管理策略

目前，計(jì)算機(jī)學(xué)院辦公樓配備有光傳感器的自動(dòng)照明系統(tǒng)，當(dāng)傳感器檢測(cè)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。基于這樣的光傳感器技術(shù)，學(xué)校EstateOffice已在計(jì)算機(jī)學(xué)院辦公樓采用了自動(dòng)化電力管理策略。從這種意義上說(shuō)，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(shí)驗(yàn)中重點(diǎn)就在模擬現(xiàn)有電力管理策略。當(dāng)模型設(shè)定的“自動(dòng)化”情況下，運(yùn)行并繪制電力消耗圖（圖2）。圖中上面部分為實(shí)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(shí)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(shí)電力管理策略。

4.2實(shí)驗(yàn)2：自動(dòng)化策略與人員控制戰(zhàn)略

在辦公大樓自動(dòng)和手動(dòng)照明管理各有優(yōu)勢(shì)。一些研究表明，在手動(dòng)開關(guān)照明管理中，當(dāng)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(xué)校根據(jù)調(diào)查，這方面也存在爭(zhēng)論，estateoffice認(rèn)為采用自動(dòng)控制方式，當(dāng)最后一個(gè)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(rèn)為如果能手動(dòng)控制肯定能更節(jié)能，因?yàn)闊o(wú)需等待20分鐘。基于此辯論，在本實(shí)驗(yàn)中設(shè)定兩組數(shù)據(jù)：一組采用自動(dòng)控制方式，當(dāng)最后一個(gè)人離開房間20分鐘后關(guān)燈；另一組采用手動(dòng)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(shí)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(shí)期，手動(dòng)控制開關(guān)方式能源消耗總比自動(dòng)控制方式要高。

4.3燈光及計(jì)算機(jī)所消耗能源比重

盡管在學(xué)院安裝有電表，但是電表不能測(cè)出各種物品所消耗能源比重，我們通過(guò)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(guò)此仿真可以為學(xué)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(wèn)題及對(duì)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(jí)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(xué)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(jìn)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(xué)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(wèn)題解答 當(dāng)前所在位置：l、index_article.html、list_article.html、article_article.html。同時(shí)，DedeDMS 可以為每個(gè)頁(yè)面單獨(dú)設(shè)定相應(yīng)的模板文件，如果需要，可以為每個(gè)欄目甚至單獨(dú)的頁(yè)面設(shè)計(jì)獨(dú)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(dú)立的css文件單獨(dú)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(huì)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(biāo)記下的typelink標(biāo)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(biāo)簽。

（2） 調(diào)用某欄目下所有文章標(biāo)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(biāo)記，代碼示例如下：

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

{/dede：arclist}

其中arclist標(biāo)簽調(diào)用文章鏈接，title標(biāo)簽調(diào)用文章標(biāo)題，

row表示顯示的文章數(shù)目，titlelen表示顯示的標(biāo)題最大字?jǐn)?shù)。

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

2.4 后臺(tái)管理

作為一個(gè)較成熟的內(nèi)容管理系統(tǒng)，DedeCMS的后臺(tái)相當(dāng)明晰。登陸網(wǎng)站后臺(tái)可以方便的對(duì)網(wǎng)站進(jìn)行管理。其功能包括：頻道管理、內(nèi)容、內(nèi)容維護(hù)、HTML更新、核心模塊、擴(kuò)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(jiǎn)要說(shuō)明：

在頻道管理頁(yè)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(jí)欄目，預(yù)覽欄目頁(yè)面，查看欄目文檔，添加子欄目，修改欄目設(shè)置，移動(dòng)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(shí)需要文章在內(nèi)容頁(yè)面，DedeCMS后臺(tái)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(tái)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(dú)的放在模板文件夾下的一個(gè)文件夾中，在后臺(tái)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(yè)面也比較人性化，非常簡(jiǎn)單易用。

3 需要注意的問(wèn)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(dòng)升級(jí)服務(wù)，及時(shí)安裝系統(tǒng)補(bǔ)丁；安裝正版殺毒軟件和防火墻軟件并啟動(dòng)自動(dòng)升級(jí)服務(wù)；為Aache、MySQL建立單獨(dú)賬號(hào)，并降低其權(quán)限；更改后臺(tái)文件夾名稱，且不要在前臺(tái)頁(yè)面給出后臺(tái)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(tái)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(shí)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(yán)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(gè)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(biāo)和方法劃分出來(lái)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(biāo)也不相同，劃分區(qū)域的類型也就不會(huì)相同。現(xiàn)如今我們所說(shuō)的區(qū)域就是指建筑與城市之間的空間，也就是城市級(jí)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(guò)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(guò)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?xì)獾墓?yīng)，各個(gè)能源基礎(chǔ)設(shè)施專項(xiàng)規(guī)劃是各自獨(dú)立規(guī)劃建設(shè)，但是能源供應(yīng)的對(duì)象并不是相互獨(dú)立的。在技術(shù)快速發(fā)展的過(guò)程中，各種能源在供應(yīng)的過(guò)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(gè)錯(cuò)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(yùn)行模式等因素的影響，還會(huì)受到經(jīng)濟(jì)、政治、政策、區(qū)域環(huán)境以及社會(huì)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(guó)在分析區(qū)域建筑能源需求時(shí)候，采用多種需求預(yù)測(cè)方法進(jìn)行研究，而不分發(fā)國(guó)家還設(shè)立專門預(yù)測(cè)分析軟件或者模型來(lái)進(jìn)行分析。從實(shí)際的分析角度來(lái)看，可以將能源需求分析方法分為預(yù)測(cè)分析法和因素分析法。預(yù)測(cè)分析法主要是依據(jù)能源系統(tǒng)本身對(duì)能源的需求進(jìn)行研究分析，其中包括了BP神將網(wǎng)絡(luò)模型、時(shí)間序列預(yù)測(cè)法。而因素分析方法是在社會(huì)經(jīng)濟(jì)系統(tǒng)對(duì)能源需求進(jìn)行研究的基礎(chǔ)上進(jìn)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(fèi)彈性系數(shù)法。在應(yīng)用分析方法的過(guò)程中，不同分析方法具有不同的特點(diǎn)，但是無(wú)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(cè)的過(guò)程中，應(yīng)用最為普遍的方法是情景分析預(yù)測(cè)方法。如白瑋等提出的機(jī)遇系統(tǒng)動(dòng)力學(xué)和情景分析法等能源需求和環(huán)境負(fù)荷模型、龍惟定的基于低碳目標(biāo)的區(qū)域建筑能源規(guī)劃模型等等。在能源需求預(yù)測(cè)的過(guò)程中需要明確研究的情景各自有什么特點(diǎn)，并對(duì)這些特點(diǎn)進(jìn)行定性描述，隨后描述出與之相應(yīng)的框架，對(duì)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(jìn)行分析，并得出負(fù)荷值，進(jìn)而可以確定能源的需求。在區(qū)域建筑能源需求分析的過(guò)程中，情景預(yù)測(cè)分析方法所分析得出的數(shù)據(jù)具有一定準(zhǔn)確性，有利于需求分析的具體化。

2.區(qū)域經(jīng)濟(jì)能源需求特點(diǎn)與分類

在分析區(qū)域建筑能源需求的過(guò)程中應(yīng)當(dāng)明確能源需求的特點(diǎn)。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(jī)整體，區(qū)域建筑群可以看作是一個(gè)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(gè)有機(jī)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(diǎn)或者是靜態(tài)的數(shù)據(jù)。對(duì)建筑群進(jìn)行詳細(xì)規(guī)劃，也僅是對(duì)用地情況進(jìn)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(gè)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(diǎn)，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(diǎn)也不相同。因而建筑能源需求分析方法與側(cè)重點(diǎn)也存在差異。

通過(guò)分析建筑能源需求的特點(diǎn)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(fēng)、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(jì)快速發(fā)展的過(guò)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(duì)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(fēng)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(diǎn)影響，并且還會(huì)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(huì)對(duì)建筑外擾引起冷熱負(fù)荷。區(qū)域光環(huán)境會(huì)受到區(qū)域的太陽(yáng)輻射強(qiáng)度的影響，區(qū)域光環(huán)境效果好，就會(huì)產(chǎn)生較好的采光率，進(jìn)而有效影響建筑照明系統(tǒng)。而區(qū)域風(fēng)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(huì)對(duì)建筑的通風(fēng)產(chǎn)生影響，還會(huì)影響建筑室外熱濕環(huán)境，進(jìn)而影響建筑建筑冷熱負(fù)荷。

3.2社會(huì)經(jīng)濟(jì)發(fā)展

就區(qū)域建筑能源來(lái)看，社會(huì)發(fā)展對(duì)其產(chǎn)生的影響是緩慢性。在社會(huì)發(fā)展速度逐漸加快，人們生活水平不斷提高的過(guò)程中，人們對(duì)建筑環(huán)境的要求也會(huì)不斷提高，如建筑室內(nèi)要達(dá)到冬暖夏涼、增加建筑通風(fēng)量、建筑設(shè)施不采暖而將來(lái)通過(guò)設(shè)置采暖設(shè)施，就會(huì)增加建筑暖通空調(diào)能源的消耗。另外，在社會(huì)經(jīng)濟(jì)快速發(fā)展的過(guò)程中，區(qū)域經(jīng)濟(jì)發(fā)展的速度也會(huì)不斷加快，區(qū)域建筑的承載力也會(huì)持續(xù)上升，人口與經(jīng)濟(jì)持續(xù)增長(zhǎng)，人口增長(zhǎng)必然會(huì)對(duì)人口密度產(chǎn)生影響，與此同時(shí)人們生活水平提高，經(jīng)水平上升就會(huì)增加能源的消耗量。

3.3技術(shù)政策進(jìn)步

在社會(huì)快速發(fā)展經(jīng)濟(jì)持續(xù)增長(zhǎng)的過(guò)程中，技術(shù)也在不斷地進(jìn)步。被動(dòng)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(guò)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(yùn)行方面提高運(yùn)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(guò)程中，土地資源的利用率逐漸下降。與此同時(shí)區(qū)域規(guī)劃屬于區(qū)域控制詳細(xì)規(guī)劃范疇，其需要對(duì)區(qū)域進(jìn)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(duì)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(qiáng)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(huì)表現(xiàn)出不同的差異性，進(jìn)而影響區(qū)域建筑能源的消耗量。

4.結(jié)語(yǔ)

總之，區(qū)域能源需求處于一個(gè)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(guò)程中，應(yīng)當(dāng)綜合考慮。

[參考文獻(xiàn)]

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

[2]華賁.低碳時(shí)代的中國(guó)城市能源規(guī)劃[J].建筑科學(xué)，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(jì)工作 經(jīng)營(yíng)決策 生產(chǎn)管理 核算監(jiān)督 挖潛增效預(yù)警作用

統(tǒng)計(jì)信息工作是全方位的，它不僅貫穿于企業(yè)經(jīng)濟(jì)運(yùn)行的全過(guò)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(jì)劃決策的依據(jù)；是財(cái)務(wù)核算的基礎(chǔ)；是對(duì)生產(chǎn)經(jīng)營(yíng)活動(dòng)進(jìn)行有效控制的工具。在生產(chǎn)經(jīng)營(yíng)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(shí)間進(jìn)行流動(dòng)的，統(tǒng)計(jì)信息對(duì)它們起著控制作用。同時(shí)，又對(duì)公司各基層單位在經(jīng)營(yíng)活動(dòng)中的相互配合與工作銜接起著協(xié)調(diào)作用，通過(guò)信息反饋，使管理者及時(shí)地采取措施進(jìn)行調(diào)整與糾偏，保證企業(yè)整體目標(biāo)和計(jì)劃的實(shí)現(xiàn)。

一、企業(yè)中統(tǒng)計(jì)工作的影響因素和存在問(wèn)題

1、統(tǒng)計(jì)指標(biāo)體系不夠完善，統(tǒng)計(jì)指標(biāo)更新遲緩。

目前所使用的統(tǒng)計(jì)指標(biāo)主要仍是為政府和上級(jí)管理部門服務(wù)的，而且有的指標(biāo)已經(jīng)過(guò)時(shí)，所搜集的統(tǒng)計(jì)數(shù)據(jù)不能及時(shí)地從各個(gè)側(cè)面反映企業(yè)的經(jīng)營(yíng)狀態(tài)、經(jīng)濟(jì)效益和發(fā)展趨勢(shì)，致使統(tǒng)計(jì)工作在企業(yè)經(jīng)營(yíng)管理過(guò)程中的作用難以發(fā)揮。

2、企業(yè)領(lǐng)導(dǎo)對(duì)統(tǒng)計(jì)的認(rèn)識(shí)不夠，統(tǒng)計(jì)意識(shí)淡薄。

有的企業(yè)領(lǐng)導(dǎo)認(rèn)為統(tǒng)計(jì)工作可有可無(wú)，不善于利用統(tǒng)計(jì)成果進(jìn)行經(jīng)營(yíng)決策，甚至有的企業(yè)領(lǐng)導(dǎo)為了功名向上級(jí)領(lǐng)導(dǎo)匯報(bào)的情況與企業(yè)統(tǒng)計(jì)資料所反映的情況相差甚遠(yuǎn)，導(dǎo)致人們對(duì)統(tǒng)計(jì)人員通過(guò)辛勤工作得到的統(tǒng)計(jì)數(shù)據(jù)產(chǎn)生懷疑和偏見，使統(tǒng)計(jì)人員處于進(jìn)退兩難的境遇。

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

隨著企業(yè)改革步伐的加快，機(jī)構(gòu)改革成為企業(yè)改革的一個(gè)組成部分，而往往在改革的過(guò)程中統(tǒng)計(jì)部門和統(tǒng)計(jì)人員就會(huì)面臨撤并和分流，統(tǒng)計(jì)部門不是掛靠在財(cái)務(wù)部門就是合并到其他部門，留下一名統(tǒng)計(jì)人員應(yīng)付來(lái)自上級(jí)、地方政府、企業(yè)內(nèi)部的各項(xiàng)統(tǒng)計(jì)工作，甚至還有統(tǒng)計(jì)工作以外的一些事務(wù)，使得統(tǒng)計(jì)人員對(duì)各項(xiàng)工作都處于應(yīng)付狀態(tài)，無(wú)法對(duì)統(tǒng)計(jì)工作和業(yè)務(wù)知識(shí)進(jìn)行鉆研和學(xué)習(xí)。

4、統(tǒng)計(jì)預(yù)警和分析工作不能深入到企業(yè)經(jīng)營(yíng)管理中。

有的統(tǒng)計(jì)人員對(duì)統(tǒng)計(jì)工作的認(rèn)識(shí)不夠全面，認(rèn)為將統(tǒng)計(jì)數(shù)據(jù)上報(bào)以后統(tǒng)計(jì)工作就完成了，而沒有認(rèn)識(shí)到統(tǒng)計(jì)數(shù)據(jù)的收集、匯總和上報(bào)只是統(tǒng)計(jì)工作全過(guò)程中的一個(gè)階段，統(tǒng)計(jì)工作的最終目的是將所得到的統(tǒng)計(jì)數(shù)據(jù)進(jìn)行加工、整理和分析，從中發(fā)現(xiàn)問(wèn)題、找出對(duì)策和提出解決問(wèn)題的方法，從而為企業(yè)的經(jīng)營(yíng)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(jì)人員要徹底更新觀念，正確認(rèn)識(shí)統(tǒng)計(jì)、重視統(tǒng)計(jì)，善于運(yùn)用統(tǒng)計(jì)方法來(lái)進(jìn)行分析和決策。

我國(guó)春秋時(shí)期的管仲對(duì)統(tǒng)計(jì)的作用進(jìn)行了高度概括：“不明于計(jì)數(shù)，而欲舉大事，猶無(wú)舟楫而欲經(jīng)于水，險(xiǎn)也……舉事必成，不知計(jì)數(shù)不可。”只有企業(yè)領(lǐng)導(dǎo)和統(tǒng)計(jì)人員對(duì)統(tǒng)計(jì)工作有了正確的認(rèn)識(shí)，善于運(yùn)用統(tǒng)計(jì)成果為企業(yè)經(jīng)營(yíng)決策服務(wù)，統(tǒng)計(jì)工作才會(huì)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(yùn)用統(tǒng)計(jì)數(shù)字為企業(yè)經(jīng)營(yíng)決策服務(wù)的辦法，每月通過(guò)《月度成本分析報(bào)表》了解成本費(fèi)用發(fā)生與控制情況，為進(jìn)一步的節(jié)能降耗工作奠定了基礎(chǔ)；通過(guò)《發(fā)電經(jīng)營(yíng)分析報(bào)表》了解發(fā)電隊(duì)生產(chǎn)經(jīng)營(yíng)與成本費(fèi)用的配比情況，為更好地控制能耗，精細(xì)化管理及比學(xué)趕幫超等活動(dòng)的進(jìn)一步展開提供了充分的第一手?jǐn)?shù)據(jù)；

2、 建立健全統(tǒng)計(jì)指標(biāo)體系，強(qiáng)化對(duì)內(nèi)服務(wù)職能。

企業(yè)統(tǒng)計(jì)指標(biāo)應(yīng)在滿足政府及上級(jí)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(yíng)需要，反映企業(yè)經(jīng)濟(jì)效益和發(fā)展趨勢(shì)的統(tǒng)計(jì)指標(biāo)體系。例如綜合維修公司發(fā)電隊(duì)根據(jù)歷史統(tǒng)計(jì)資料，結(jié)合當(dāng)前情況，做了深入細(xì)致的預(yù)測(cè)分析工作，利用統(tǒng)計(jì)手段，將指標(biāo)按固定能耗和可控能耗劃分開來(lái)。根據(jù)通常發(fā)電作業(yè)的地點(diǎn)路況以及負(fù)荷工況合理計(jì)算正常的燃油消耗量，設(shè)備維護(hù)保養(yǎng)嚴(yán)格限定在相關(guān)規(guī)定的要求下，以及正常隊(duì)伍在各時(shí)期的各項(xiàng)消耗指標(biāo)，設(shè)定為固定能耗，是可以保持長(zhǎng)期穩(wěn)定的統(tǒng)計(jì)，我們采用每月定額法，實(shí)施靜態(tài)管理。而那些隨著生產(chǎn)運(yùn)行變化而變化的能耗則劃歸可控能耗，實(shí)施動(dòng)態(tài)管理。可控能耗是我們統(tǒng)計(jì)管理的重點(diǎn)，不但要詳細(xì)掌握能源消耗項(xiàng)目，還要將當(dāng)期的設(shè)備檢查和隊(duì)伍自查結(jié)合起來(lái)，運(yùn)用能源統(tǒng)計(jì)指標(biāo)體系，精確預(yù)測(cè)出在報(bào)告期內(nèi)各能源消耗指標(biāo)，以具體數(shù)據(jù)的形式明示給各個(gè)能耗部門，并在整個(gè)運(yùn)行過(guò)程中通過(guò)收集、整理數(shù)據(jù)，實(shí)施分析、調(diào)整、監(jiān)督，發(fā)現(xiàn)問(wèn)題及時(shí)采取措施，糾正和預(yù)防跑、冒、滴、漏及浪費(fèi)事件的發(fā)生。

綜合維修公司發(fā)電隊(duì)還設(shè)立了《設(shè)備運(yùn)行月度報(bào)表》和《能耗月度明細(xì)單》等各種統(tǒng)計(jì)報(bào)表通過(guò)這些表格，構(gòu)成了我企業(yè)統(tǒng)計(jì)指標(biāo)體系，建立了上下一致，相互呼應(yīng)的能源管理機(jī)制，強(qiáng)化了對(duì)能源消耗部門的監(jiān)督與反映。

此外，還建立了規(guī)范的獎(jiǎng)懲條例，利用統(tǒng)計(jì)資料歸納整理的數(shù)據(jù)，作為評(píng)價(jià)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(dòng)了大家節(jié)約能源的積極性，又為超標(biāo)部門敲響了警鐘。

3、 加強(qiáng)統(tǒng)計(jì)基礎(chǔ)工作，確保統(tǒng)計(jì)信息質(zhì)量

根據(jù)公司目前運(yùn)營(yíng)方式的需要，再沿用原有的統(tǒng)計(jì)報(bào)表制度來(lái)解決問(wèn)題已經(jīng)不能適應(yīng)新體制的要求，首先要根據(jù)公司實(shí)際，逐步完善及補(bǔ)充各項(xiàng)統(tǒng)計(jì)管理規(guī)章制度，確保統(tǒng)計(jì)數(shù)據(jù)的規(guī)范運(yùn)作。其次科學(xué)設(shè)置和完善公司統(tǒng)計(jì)信息指標(biāo)體系，改進(jìn)指標(biāo)的設(shè)置、口徑、范圍、分組和計(jì)算方法，使統(tǒng)計(jì)信息內(nèi)容涵蓋企業(yè)產(chǎn)供銷、人財(cái)物、投入與產(chǎn)出的基本情況及過(guò)去、現(xiàn)在和將來(lái)的方方面面，做到信息更完整、更及時(shí)、更準(zhǔn)確真實(shí)，加工程度更深。

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

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

5、加強(qiáng)部門協(xié)作，發(fā)揮各自優(yōu)勢(shì)，實(shí)現(xiàn)信息共享

任何企業(yè)統(tǒng)計(jì)信息工作都決不僅限于計(jì)劃統(tǒng)計(jì)部門內(nèi)部，統(tǒng)計(jì)工作是一項(xiàng)綜合性非常強(qiáng)，需要多方配合才能完成的工作。公司現(xiàn)有統(tǒng)計(jì)體制大多為垂直管理，分級(jí)分專業(yè)負(fù)責(zé)制，各專業(yè)部門都是獨(dú)立的平等關(guān)系，只有加強(qiáng)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(jì)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(shì)，實(shí)現(xiàn)信息共享。

6、加快統(tǒng)計(jì)信息網(wǎng)絡(luò)建設(shè)，強(qiáng)化企業(yè)統(tǒng)計(jì)信息決策功能

為適應(yīng)公司未來(lái)發(fā)展的需要，面對(duì)信息量越來(lái)越大、處理精度越來(lái)越高、時(shí)效性越來(lái)越強(qiáng)、統(tǒng)計(jì)方法越來(lái)越復(fù)雜的要求，我們必須改進(jìn)工作方法，盡快編制統(tǒng)計(jì)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(chǔ)存、深加工到傳輸?shù)纫幌盗羞^(guò)程實(shí)現(xiàn)程序化、規(guī)范化，保證企業(yè)信息具有準(zhǔn)確性和時(shí)效性，使統(tǒng)計(jì)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(jī)；粒子群；滾動(dòng)時(shí)間窗

中圖分類號(hào)：TP18；TN929.5 文獻(xiàn)標(biāo)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(zhǎng)趨勢(shì)，而通信基站是通信行業(yè)能耗的重點(diǎn)，因此，持續(xù)有效地整體推進(jìn)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(shì)來(lái)看，通信基站的合理設(shè)計(jì)及節(jié)能措施的選擇還未形成一個(gè)完整體系[1]，通信節(jié)能發(fā)展的瓶頸是過(guò)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(yùn)行監(jiān)管及評(píng)估體系.所以，研究并建立能夠精確計(jì)算基站能耗的數(shù)學(xué)模型，對(duì)通信企業(yè)節(jié)能減排和基站用電的精細(xì)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(fēng)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(jī)房環(huán)境用電，通過(guò)實(shí)際調(diào)研及實(shí)測(cè)數(shù)據(jù)計(jì)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(wú)線設(shè)備能耗、電源損耗與傳輸設(shè)備能耗等，其中無(wú)線設(shè)備能耗為主要能耗點(diǎn)[2]，而空調(diào)系統(tǒng)耗能與設(shè)備發(fā)熱量以及整個(gè)基站的熱傳導(dǎo)情況直接相關(guān)；同時(shí)，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(yùn)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(shí)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(jì)量、空調(diào)能耗計(jì)量及空調(diào)節(jié)能量計(jì)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(duì)象，利用基站總耗電量、空調(diào)及新風(fēng)系統(tǒng)耗電量、室內(nèi)外氣溫的實(shí)測(cè)數(shù)據(jù)計(jì)算空調(diào)基準(zhǔn)耗電量的方法，方便準(zhǔn)確地得到了空調(diào)基準(zhǔn)耗電量，對(duì)核定通信基站節(jié)電量具有一定的參考價(jià)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(duì)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(guò)DeST進(jìn)行通信基站能耗分析具有一定的局限性，且模型準(zhǔn)確率低，不能作為理想的能耗預(yù)測(cè)模型.楊天劍等人[6]通過(guò)多元線性回歸確立影響基站耗電量的主要因素，然后通過(guò)聚類算法將大量基站能耗數(shù)據(jù)分類，最后通過(guò)能耗標(biāo)桿得到了通信基站的耗能預(yù)測(cè)模型；該方法通過(guò)多元線性回歸和聚類分析得到基站能耗標(biāo)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(duì)基站整體能耗預(yù)測(cè)尚有不足.李陽(yáng)[7]以基站的熱平衡模型為基礎(chǔ)，應(yīng)用Simulink仿真軟件對(duì)基站能耗進(jìn)行動(dòng)態(tài)仿真建模，同時(shí)，對(duì)基站當(dāng)前使用的主要節(jié)能技術(shù)進(jìn)行建模，構(gòu)建出一個(gè)較完整的基站能耗動(dòng)態(tài)仿真模型；該研究模型主要應(yīng)用于仿真模擬，實(shí)際應(yīng)用到通信基站能耗計(jì)量方面仍有缺陷.雖然眾多研究機(jī)構(gòu)及學(xué)者在通信基站能耗建模方面做了大量的工作，但建立起來(lái)的概念型與統(tǒng)計(jì)型的能耗模型也只能在基站能耗預(yù)測(cè)預(yù)警與節(jié)能措施選擇時(shí)起到一定的輔助決策作用，仍然缺乏一個(gè)能夠?qū)崟r(shí)精確計(jì)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(guò)對(duì)不同類型典型場(chǎng)景基站進(jìn)行動(dòng)靜態(tài)數(shù)據(jù)采集，分析基站能耗與時(shí)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(dòng)時(shí)間窗的PSO-LSSVM算法建立準(zhǔn)確計(jì)量基站能耗的多輸入復(fù)雜系統(tǒng)能耗模型.

1 基于滾動(dòng)時(shí)間窗的最小二乘支持向量機(jī)

1.1 支持向量機(jī)理論

支持向量機(jī)（Support Vector Machine，SVM）是Vapnik于20世紀(jì)90年代初依據(jù)統(tǒng)計(jì)學(xué)理論提出的一種基于數(shù)據(jù)的機(jī)器學(xué)習(xí)算法.支持向量機(jī)的基本原理是通過(guò)非線性映射把輸入向量映射到一個(gè)高位特征空間，在該空間用線性學(xué)習(xí)機(jī)方法以解決原空間的非線性分類和回歸等問(wèn)題.SVM最初是用來(lái)解決模式識(shí)別中的分類問(wèn)題，后來(lái)Vapnik通過(guò)定義ε不敏感損失函數(shù)提出了支持向量機(jī)回歸算法（SVMR），用于解決非線性回歸問(wèn)題[8].

支持向量機(jī)能夠?qū)⑺惴ㄞD(zhuǎn)化為線性規(guī)劃或二次規(guī)劃問(wèn)題，從而解決局部極小問(wèn)題，實(shí)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(yùn)算，使得高維空間問(wèn)題得到很好的解決.同時(shí)，它可以通過(guò)容量調(diào)節(jié)懲罰參數(shù)來(lái)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(jiǎn)單、稀疏性好等優(yōu)點(diǎn)[9].支持向量機(jī)能夠較好地實(shí)現(xiàn)結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則，也能很好地處理非線性、高維數(shù)、局部極小以及過(guò)學(xué)習(xí)等實(shí)際問(wèn)題.在建筑、水利、氣象、醫(yī)學(xué)等領(lǐng)域支持向量機(jī)已經(jīng)成功應(yīng)用到分類、預(yù)測(cè)及預(yù)警中.

1.2 LSSVM算法介紹

支持向量機(jī)在計(jì)算時(shí)每增加一個(gè)樣本數(shù)據(jù)就需要求解一個(gè)二次規(guī)劃問(wèn)題，不僅增加了運(yùn)算量而且實(shí)時(shí)性較差.為了解決這種問(wèn)題，Suykens等人[10]提出了最小支持向量機(jī)（Least Squares Support Vector Machines，LSSVM）理論.

給定訓(xùn)練樣本集D={xi，yi}Ni=1，其中N為訓(xùn)練樣本量，xi∈Rm為m維輸入，yi∈R為一維目標(biāo)輸出.將樣本空間中的非線性函數(shù)估計(jì)問(wèn)題轉(zhuǎn)化為高維特征空g中的線性函數(shù)估計(jì)問(wèn)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(wèn)題可以表示為一個(gè)等式約束優(yōu)化問(wèn)題，其優(yōu)化目標(biāo)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(wèn)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(duì)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(jī)非線性模型：

f（x）=∑Ni=1aik（x，xi）+b（8）

1.3 滾動(dòng)時(shí)間窗原理描述

應(yīng)用一個(gè)固定范圍并隨時(shí)間滾動(dòng)的數(shù)據(jù)區(qū)間來(lái)進(jìn)行能耗建模能夠很好地解決模型時(shí)效性問(wèn)題，由于這個(gè)固定范圍的數(shù)據(jù)區(qū)間隨時(shí)間不斷滾動(dòng)，所以稱其為滾動(dòng)時(shí)間窗.滾動(dòng)時(shí)間窗方法是以樣本選擇方式來(lái)處理數(shù)據(jù)實(shí)時(shí)更新對(duì)能耗模型影響的基本方法，它通過(guò)一個(gè)不斷向前移動(dòng)并把最近時(shí)間段的新樣本包括在內(nèi)的“時(shí)間窗口”來(lái)不斷進(jìn)化基站能耗預(yù)測(cè)模型[13].該方法中，新樣本數(shù)據(jù)實(shí)時(shí)地更替舊樣本數(shù)據(jù)，滾動(dòng)的當(dāng)前時(shí)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(cè)模型.

假設(shè)有一組n維時(shí)變向量數(shù)據(jù)，某時(shí)段擬合樣本數(shù)據(jù)從時(shí)間點(diǎn)t逐漸滾動(dòng)到（t+p），而構(gòu)建預(yù)測(cè)模型時(shí)可獲得建模樣本的最早時(shí)間點(diǎn)為（t-q）.此時(shí)，對(duì)于t′∈[t，t+p]的任意時(shí)間段，都有（t′-q）到t′之間的樣本數(shù)據(jù)能夠進(jìn)行建模，將（t′-q）到t′之間的樣本數(shù)據(jù)記為當(dāng)前時(shí)間窗數(shù)據(jù)，隨著t′的增長(zhǎng)，時(shí)間窗數(shù)據(jù)也隨之變化更新.圖1為時(shí)間窗的滾動(dòng)示意圖，可以看出建模時(shí)間窗不斷向后移動(dòng)，即新數(shù)據(jù)不斷加入，并對(duì)下一時(shí)刻進(jìn)行擬合建模，這是一個(gè)滾動(dòng)優(yōu)化的過(guò)程[14].

2 PSO優(yōu)化的LSSVM算法

支持向量機(jī)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(shí)，由于最小二乘支持向量機(jī)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(jì)算也很難得到真正的最優(yōu)參數(shù)，所以，必須選擇一個(gè)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(gè)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(qiáng)，平滑性越好，但是擬合能力會(huì)降低；而σ越大，所得訓(xùn)練模型就會(huì)越平滑，泛化能力也越強(qiáng)；同時(shí)，粒子也是由這兩個(gè)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(duì)LSSVM參數(shù)進(jìn)行優(yōu)化，但其缺點(diǎn)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(wèn)題，且能夠快速準(zhǔn)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(cè)運(yùn)動(dòng)，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(jìn)化算法類似，粒子群算法采用“種群”的方式不斷“進(jìn)化”自己的搜索模式.在PSO算法中，可以將優(yōu)化問(wèn)題的每個(gè)潛在解看成是多維空間中的一個(gè)“點(diǎn)”，將各異的“點(diǎn)”稱做“粒子”，多個(gè)“粒子”就組成一個(gè)群體.當(dāng)PSO初始化生成一群隨機(jī)粒子（即隨機(jī)解）后，粒子即開始不斷迭代來(lái)找到最優(yōu)解，在這個(gè)過(guò)程中，每個(gè)粒子都有自己運(yùn)動(dòng)的方向及速率，即粒子都有一個(gè)矢量速度，不同粒子間會(huì)通過(guò)協(xié)作競(jìng)爭(zhēng)來(lái)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(shí)，其位置信息可用式（9）表示，運(yùn)動(dòng)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(guò)程中，粒子會(huì)通過(guò)跟蹤兩個(gè)“極值”來(lái)不斷更新優(yōu)化自己的速度及位置.其中，跟蹤的第一個(gè)“極值”即為當(dāng)前粒子在多維空間中經(jīng)歷的最優(yōu)值，稱為個(gè)體極值pBest，用公式表示為：

Pi（t）=（Pi1（t），Pi2（t），…，Pid（t））（11）

而另一個(gè)“極值”則是整個(gè)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(xué)習(xí)因子，表示粒子向pBest和gBest運(yùn)動(dòng)的加速度權(quán)重；r1，r2是介于（0，1）的隨機(jī)數(shù)；k=1，2，…，d.

本文選取模型預(yù)測(cè)結(jié)果的均方誤差MSE作為PSO適應(yīng)度函數(shù)，然后通過(guò)求解LSSVM模型的最小均方誤差來(lái)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(xué)習(xí)因子c1=1.5，c2=1.7，最大進(jìn)化代數(shù)maxgen=1 000，種群規(guī)模sizepop=30）；

2）通過(guò)適應(yīng)度函數(shù)計(jì)算出各個(gè)粒子的適應(yīng)度值；

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

4）對(duì)粒子當(dāng)前適應(yīng)度值與全局最優(yōu)值gBest進(jìn)行比較，若前者更優(yōu)，則把當(dāng)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(duì)粒子速度及位置進(jìn)行更新；

6）判斷是否滿足結(jié)束條件（到達(dá)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(dòng)時(shí)間窗LSSVM改進(jìn)算法

基于滾動(dòng)時(shí)間窗的LSSVM回歸估計(jì)方法的動(dòng)態(tài)建模過(guò)程如下：

1）設(shè)置各參數(shù)初始值；

2）對(duì)采集的系統(tǒng)數(shù)據(jù)進(jìn)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(dāng)前時(shí)刻t到（t-q）時(shí)刻的樣本作為當(dāng)

前區(qū)間時(shí)間窗數(shù)據(jù)；

5）采用基于LSSVM回歸估計(jì)算法訓(xùn)練模型；

6）利用建立好的模型進(jìn)行預(yù)測(cè)；

7）有新數(shù)據(jù)集進(jìn)入時(shí)，數(shù)據(jù)窗進(jìn)行滾動(dòng)，形成新的時(shí)間窗數(shù)據(jù)；

8）選取新的時(shí)間窗數(shù)據(jù)重新建模并進(jìn)行預(yù)測(cè)；

9）返回步驟7）.

圖2為基于PSO優(yōu)化的滾動(dòng)時(shí)間窗LSSVM改進(jìn)算法的基站動(dòng)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(guò)程循環(huán)進(jìn)行，模型也不斷隨之更新，這樣就能夠?qū)崟r(shí)地跟蹤基站系統(tǒng)的能耗變化.建模過(guò)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(huì)降低；同時(shí)，σ2越大，所得訓(xùn)練模型就會(huì)越平滑，泛化能力也越強(qiáng).

3 基站能耗預(yù)測(cè)模型試驗(yàn)仿真

試驗(yàn)樣本主要選取2013年1月至2016年1月湖南張家界、邵陽(yáng)地區(qū)某運(yùn)營(yíng)商的典型場(chǎng)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(gè)數(shù)）.基站總耗電量以月?度為單位可以有效過(guò)濾由單日能耗異常產(chǎn)生預(yù)測(cè)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(shí)，以3個(gè)月新出現(xiàn)的動(dòng)態(tài)數(shù)據(jù)作為時(shí)間窗數(shù)據(jù)的更新數(shù)據(jù)，并隨時(shí)間不斷推移，以更新的時(shí)間窗數(shù)據(jù)作為能耗動(dòng)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(píng)價(jià)標(biāo)準(zhǔn).均方根誤差能夠很好地反映出預(yù)測(cè)值的精確度，而相關(guān)系數(shù)絕對(duì)值可以用來(lái)反映預(yù)測(cè)值和實(shí)測(cè)值關(guān)系的方向和密切程度，相關(guān)系數(shù)絕對(duì)值越大，說(shuō)明預(yù)測(cè)值和實(shí)測(cè)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(cè)值，為預(yù)測(cè)平均值，Yi為對(duì)應(yīng)實(shí)測(cè)值，為實(shí)測(cè)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(yàn)所用計(jì)算機(jī)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(jìn)行修正和歸一化處理后，取前240組數(shù)據(jù)進(jìn)行訓(xùn)練模型，后120組數(shù)據(jù)進(jìn)行測(cè)試.測(cè)試結(jié)果如圖3-圖5所示.

對(duì)比圖3，圖4和圖5，觀察表1可以看出，基于標(biāo)準(zhǔn)LSSVM建立的能耗模型擬合效果較差，而基于PSO-LSSVM和基于滾動(dòng)時(shí)間窗PSO-LSSVM得到的通信基站能耗模型均能夠較準(zhǔn)確地?cái)M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(dòng)時(shí)間窗，可反應(yīng)系統(tǒng)當(dāng)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(cè)試樣本的模型預(yù)測(cè)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(cè)誤差基本穩(wěn)定，九成以上的預(yù)測(cè)值準(zhǔn)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(shì).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(shí)測(cè)能耗值的變化趨勢(shì)，且基站能耗預(yù)測(cè)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(xiàn)對(duì)通信基站能耗模型的研究，文獻(xiàn)[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(xiàn)[7]基于建筑行業(yè)的Dest軟件模擬建模的預(yù)測(cè)精度為82%～87%.文獻(xiàn)[7]基于Simulink仿真技術(shù)建立的動(dòng)態(tài)基站能耗模型仿真精度為86.64%～98.4%.可以看出，在各個(gè)不同的典型場(chǎng)景下，基站能耗預(yù)測(cè)值都普遍不高，雖然文獻(xiàn)[7]建立的模型精度偏差不大，但是其超過(guò)1/3的能耗預(yù)測(cè)結(jié)果準(zhǔn)確度低于90%，其整體預(yù)測(cè)精度仍然較低.相比來(lái)說(shuō)，本文的研究預(yù)測(cè)模型整體預(yù)測(cè)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(shí)，對(duì)不同類型典型場(chǎng)景基站的動(dòng)靜態(tài)數(shù)據(jù)進(jìn)行了采集分析，得到基站能耗與時(shí)間、空間、環(huán)境參數(shù)等數(shù)據(jù)間的多維關(guān)系，計(jì)算出影響基站能耗的主要因素，然后，采用基于滾動(dòng)時(shí)間窗的PSO-LSSVM方法建立準(zhǔn)確計(jì)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(cè)精度進(jìn)行對(duì)比，結(jié)果表明，本文方法具有更高預(yù)測(cè)準(zhǔn)確度，且整體預(yù)測(cè)精度在90%以上.綜上，本文研究模型具有預(yù)測(cè)精度較高，穩(wěn)定性較好等優(yōu)點(diǎn)，能夠更準(zhǔn)確地預(yù)測(cè)通信基站能耗以及更準(zhǔn)確地計(jì)算節(jié)能量，具有良好的應(yīng)用前景.

參考文獻(xiàn)

[1] 張英杰，章兢，劉文強(qiáng)，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(xué)， 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(yán)寒/寒冷地區(qū)通信基站動(dòng)態(tài)能耗模擬及圍護(hù)結(jié)構(gòu)節(jié)能優(yōu)化[D].哈爾濱：哈爾濱工業(yè)大學(xué)市政環(huán)境工程學(xué)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(jì)與空調(diào)基準(zhǔn)耗電量的計(jì)算研究[D].長(zhǎng)沙：中南大學(xué)能源科學(xué)與工程學(xué)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(dòng)通信基站的能耗分析與節(jié)能評(píng)估[J].西華大學(xué)學(xué)報(bào)：自然科學(xué)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(biāo)桿建立與分析[J].移動(dòng)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(yáng).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(xué)經(jīng)濟(jì)管理學(xué)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(xué)學(xué)報(bào)：自然科學(xué)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，常俊林，邵惠鶴.基于滾動(dòng)時(shí)間窗的最小二乘支持向量機(jī)回歸估計(jì)方法及仿真[J].上海交通大學(xué)學(xué)報(bào)， 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(dòng)時(shí)間窗口支持向量機(jī)的財(cái)務(wù)困境預(yù)測(cè)動(dòng)態(tài)建模[J].管理工程學(xué)報(bào)，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(jiān)， 黃偉杰. 基于多因素混合模型的運(yùn)營(yíng)期群樁軸力預(yù)測(cè)[J]. 湖南大學(xué)學(xué)報(bào)：自然科學(xué)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(yáng)，唐仁華.基于PSO搜索潛在滑裂面非極限狀態(tài)土壓力計(jì)算[J]. 湖南大學(xué)學(xué)報(bào)：自然科學(xué)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(dòng)通信話務(wù)量多步預(yù)測(cè)的LSSVM方法研究[J].儀器儀表學(xué)報(bào)，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）