用电管理论文提纲

论文题目：基于物联网的校园智能用电管理系统

摘要：随着现代科技的不断进步,智慧城市、智能家居的概念已深入人心,智能校园的建设日渐兴起。由于高校的扩建,高校内部用电设备、仪器数量不断增加,且现有的用电管理系统并不完善,导致校园用电管理系统不堪重负,无法对用电设备进行有效控制。本课题研究的基于物联网的校园智能用电管理系统较好地解决了上述问题,可系统化、智能化的对校园整体用电进行管理。本系统通过物联网技术将分散在校园内的用电设备整合到系统内集中管理,用户通过PC端、手机APP登陆系统实现校园用电的智能管理。本课题针对学生活动频繁度最高的两个场所——学生公寓和教学楼,分析了其用电情况,对其用电管理开展了深入的研究。系统选择STM32作为用电终端主控芯片,选择RN8209为用电计量芯片,设计了微处理器电路、电量采集电路、继电器控制电路及温湿度数据采集电路,实现对用电设备的控制和数据采集。房间控制器采用树莓派作为硬件平台,搭载Linux操作系统,实现对智能开关、插座、温湿度传感器等终端的智能控制。针对教学楼照明用电的不合理,本文提出基于YOLO模型的人员分布检测方法,搭建YOLO模型的运行环境,实现了对室内的人员精确、快速定位。系统在对人员进行精确定位之后,对教室内照明灯具的分布做区域性划分,确立灯具与桌椅位置之间对应关系,按照智能照明策略控制灯具,实现教室照明区域性管理。学生公寓用电的重中之重是安全用电,本文主要针对恶性负载的识别及用电控制的问题进行了研究。高校公寓内常用到的负载有手机、台灯、电脑等,恶性负载有电水壶、电饭锅、加热器等大功率用电器。本课题研究分析各类负载之间的电流特征,其中恶性负载主要为阻性负载,特点是电流基波分量高,高次谐波弱,利用该特点进行识别,通过采集各类负载电流的直流分量、基波分量、3次谐波、5次谐波、7次谐波及9次谐波六类数据特征,构成特征矩阵,完成数据集的采集。根据负载间的电流数据,通过MATLAB分析电流分量的差异,直观的描绘出负载的波形图及其频谱图,并依据本文提出的BP神经网络恶性负载识别算法对采集的数据集进行模型训练,构建识别模型。实验结果表明该算法能够解决恶性负载识别问题,并依据识别结果完成对用电设备的控制。实验得出本课题研究的基于物联网的校园智能用电管理系统,能够实时采集智能终端的用电数据和工作状态,实现了校园用电的智能管控,达到对教学楼照明的智能管理,完成对学生公寓内恶性负载的准确识别和用电终端的控制,为学生创建智能、舒适的校园环境。

关键词：物联网;智能用电;人员目标检测;智能照明;恶性负载识别

学科专业：控制科学与工程

摘要

ABSTRACT

第1章 绪论

1.1 课题的研究背景及意义

1.2 国内外研究现状

1.3 课题主要研究内容

1.4 论文的组织架构

第2章 系统总体设计

2.1 关键技术介绍

2.1.1 物联网技术

2.1.2 嵌入式技术

2.1.3 电量检测技术

2.1.4 智能传感器技术

2.2 校园用电及需求分析

2.2.1 教学楼用电分析

2.2.2 学生公寓用电分析

2.3 系统整体结构设计

2.3.1 远程管理层

2.3.2 中间监控层

2.3.3 现场控制层

2.4 教学楼子系统

2.4.1 系统需求及功能分析

2.4.2 教学楼子系统方案设计

2.5 学生公寓子系统

2.5.1 系统需求及功能分析

2.5.2 学生公寓子系统方案设计

2.6 本章小结

第3章 系统硬件及软件结构设计

3.1 智能开关

3.1.1 电源模块

3.1.2 MCU模块

3.1.3 继电器控制模块

3.1.4 复位电路模块

3.1.5 WiFi模块

3.1.6 用电计量模块

3.1.7 光电耦合隔离模块

3.1.8 软件设计

3.2 智能插座

3.3 智能温湿度传感器

3.3.1 温湿度采集电路

3.3.2 软件设计

3.4 智能房间控制器

3.4.1 功能设计

3.4.2 树莓派配置

3.4.3 通信协议的设计

3.5 本章小结

第4章 基于视频数据分析的教学楼智能照明研究

4.1 卷积神经网络

4.1.1 卷积层

4.1.2 激活函数

4.1.3 池化层

4.1.4 全连接层

4.2 基于卷积神经网络的目标检测算法

4.2.1 YOLO网络框架

4.2.2 YOLOv3网络模型

4.3 实验处理及分析

4.3.1 摄像头视频流采集模块

4.3.2 教室座位区域划分

4.3.3 图像预处理

4.3.4 图片降噪

4.3.5 图片数据样本采集

4.3.6 实验结果分析

4.4 教室照明控制方法

4.5 本章小结

第5章 学生公寓用电安全的研究

5.1 学生恶性负载分类

5.2 负载的特征分析

5.3 傅里叶变换理论

5.4 负载的电流特征数据分析

5.4.1 阻性负载的电流波形及其频谱特性

5.4.2 非线性负载的电流波形及其频谱特性

5.5 恶性负载识别方法设计及过程

5.5.1 特征矩阵及历史矩阵的建立

5.5.2 数据对比分析恶性负载识别算法

5.5.3 BP神经网络恶性负载识别算法

5.6 恶性负载控制策略

5.7 本章小结

第6章 系统软件平台的设计与实现

6.1 系统的开发环境和功能需求分析

6.2 云服务器的软件设计与实现

6.3 系统登陆界面

6.4 功能界面介绍

6.5 手机APP功能模块

6.6 本章小结

第7章 总结与展望

参考文献

附录1 原理图

附录2 PCB图