傳統(tǒng)路燈行業(yè)主要采用時(shí)間、經(jīng)緯度、光照度等策略控制路燈開關(guān),使用間隔開燈、定時(shí)調(diào)節(jié)功率來(lái)實(shí)現(xiàn)適應(yīng)車流量變化來(lái)達(dá)到節(jié)能目的。一方面,光照度控制節(jié)能效果最佳,但因采集數(shù)據(jù)誤差大、安裝角度難等因素影響,導(dǎo)致不能最大化節(jié)能效果。另一方面,功率調(diào)節(jié)方法中,定時(shí)調(diào)節(jié)功率較好,但是定時(shí)控制不能適應(yīng)一年四季以及節(jié)假日車流量變化的情況,因此還能有進(jìn)一步提升的空間。本文針對(duì)現(xiàn)有路燈開關(guān)控制和功率控制的不足之處,擬提出融合聚類和支持向量機(jī)算法的路燈節(jié)能控制策略,對(duì)不同指標(biāo)數(shù)據(jù)的分析,制定路燈的使用時(shí)間和調(diào)節(jié)功率,達(dá)到有效節(jié)能的目的,精確率和召回率的實(shí)驗(yàn)證明該方法的可行性。本文完成的主要研究工作如下:(1)針對(duì)光照度控制路燈開關(guān)不穩(wěn)定的問(wèn)題,本文提出一種融合光照度聚類與支持向量分類機(jī)的路燈開關(guān)方法SVM-ES。該方法收集光照度、時(shí)間、安裝角度數(shù)據(jù),并用K-means算法對(duì)光照度進(jìn)行聚類,把原本變化劇烈的光照度數(shù)據(jù)變?yōu)?個(gè)等級(jí)(1⁵),然后通過(guò)SVM對(duì)數(shù)據(jù)進(jìn)行學(xué)習(xí)訓(xùn)練,在不考慮其他外在因素的情況下,預(yù)測(cè)路燈的開關(guān)時(shí)間。實(shí)驗(yàn)結(jié)果表明,該算法可有效降低路燈的用電量。(2)針對(duì)定時(shí)調(diào)節(jié)功率不能適...

【文章頁(yè)數(shù)】：70 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題研究背景與研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 國(guó)外研究現(xiàn)狀
        1.2.2 國(guó)內(nèi)研究現(xiàn)狀
    1.3 研究?jī)?nèi)容和目的
    1.4 論文的組織結(jié)構(gòu)
    1.5 本章小結(jié)
2 支持向量機(jī)與路燈系統(tǒng)相關(guān)分析
    2.1 路燈控制系統(tǒng)
        2.1.1 路燈控制系統(tǒng)架構(gòu)
        2.1.2 Zigbee通信協(xié)議
        2.1.3 光照度探測(cè)技術(shù)
        2.1.4 多普勒測(cè)速技術(shù)
    2.2 支持向量機(jī)相關(guān)研究和優(yōu)勢(shì)分析
        2.2.1 支持向量機(jī)算法相關(guān)研究分析
        2.2.2 支持向量機(jī)優(yōu)勢(shì)分析
    2.3 K-means算法相關(guān)研究分析
3 基于支持向量分類機(jī)的路燈開關(guān)控制方法
    3.1 問(wèn)題背景描述
    3.2 支持向量分類機(jī)在減少路燈開關(guān)燈時(shí)間上的分析
    3.3 支持向量機(jī)分類算法
    3.4 K-means提升SVM的性能
    3.5 準(zhǔn)確率實(shí)驗(yàn)及結(jié)果分析
        3.5.1 數(shù)據(jù)集
        3.5.2 評(píng)價(jià)指標(biāo)
        3.5.3 實(shí)驗(yàn)分析
    3.6 本章小結(jié)
4 基于支持向量回歸機(jī)的路燈功率調(diào)節(jié)方法
    4.1 問(wèn)題背景描述
    4.2 支持向量機(jī)回歸算法在路燈功率調(diào)節(jié)上的分析
    4.3 支持向量機(jī)回歸算法
    4.4 K-means提升SVR的性能
    4.5 準(zhǔn)確率實(shí)驗(yàn)及結(jié)果分析
        4.5.1 數(shù)據(jù)集
        4.5.2 評(píng)價(jià)指標(biāo)
        4.5.3 實(shí)驗(yàn)分析
    4.6 本章小結(jié)
5 結(jié)合支持向量機(jī)分類與回歸算法的路燈二次節(jié)能方法
    5.1 問(wèn)題背景描述
    5.2 支持向量機(jī)分類與回歸算法在路燈二次節(jié)能上的分析
    5.3 K-means提升SVM與SVR的性能
        5.3.1 使用K-means對(duì)光照度聚類
        5.3.2 使用K-means對(duì)車流量聚類
    5.4 準(zhǔn)確率實(shí)驗(yàn)及結(jié)果分析
        5.4.1 數(shù)據(jù)集
        5.4.2 評(píng)價(jià)指標(biāo)
        5.4.3 實(shí)驗(yàn)分析
    5.5 本章小結(jié)
6 基于支持向量機(jī)分類與回歸算法路燈二次節(jié)能系統(tǒng)原型
    6.1 需求分析
    6.2 系統(tǒng)設(shè)計(jì)
        6.2.1 總體框架設(shè)計(jì)
        6.2.2 功能設(shè)計(jì)模塊
        6.2.3 數(shù)據(jù)庫(kù)設(shè)計(jì)模塊
    6.3 系統(tǒng)原型界面
        6.3.1 登錄界面
        6.3.2 數(shù)據(jù)管理界面
        6.3.3 數(shù)據(jù)統(tǒng)計(jì)分析
        6.3.4 日志管理
        6.3.5 用戶管理
        6.3.6 節(jié)能預(yù)測(cè)Restful接口
    6.4 本章小結(jié)
7 結(jié)論與展望
    7.1 結(jié)論
    7.2 展望
致謝
參考文獻(xiàn)
附錄
    A 作者在攻讀碩士學(xué)期期間發(fā)表的論文
    B 作者在攻讀碩士學(xué)位期間參與的科研項(xiàng)目



本文編號(hào)：3839041