通信基站的節(jié)能對(duì)電信行業(yè)具有十分重要的意義。即將到來(lái)的5G網(wǎng)絡(luò)將有更多的流量負(fù)載,移動(dòng)通信網(wǎng)絡(luò)能耗的影響將更加嚴(yán)重。減少移動(dòng)通信網(wǎng)絡(luò)的能耗已經(jīng)引起了人們的極大關(guān)注,在保證通信設(shè)備和通信設(shè)施正常運(yùn)行的前提下,對(duì)基站空調(diào)進(jìn)行節(jié)能分析是十分有必要的。本文以基站空調(diào)運(yùn)維及用能調(diào)度平臺(tái)為研究對(duì)象,通過(guò)對(duì)基站空調(diào)的用能模式進(jìn)行分析,針對(duì)識(shí)別出的不同模式采用不同的控制策略;通過(guò)對(duì)基站站空調(diào)的能耗預(yù)測(cè),提出用能調(diào)度方案。旨在構(gòu)建一個(gè)基站空調(diào)運(yùn)維及用能調(diào)度管理平臺(tái)。本文首先分析了平臺(tái)內(nèi)基站空調(diào)數(shù)據(jù)的質(zhì)量特點(diǎn),根據(jù)數(shù)據(jù)的質(zhì)量特點(diǎn),利用機(jī)器學(xué)習(xí)的理論方法對(duì)數(shù)據(jù)進(jìn)行預(yù)處理,提出了適用于基站空調(diào)數(shù)據(jù)的預(yù)處理體系。其意義在于為接下來(lái)的數(shù)據(jù)分析提供可靠的數(shù)據(jù),并降低其復(fù)雜度。.其次,利用決策樹(shù)、K-means、等方法對(duì)基站空調(diào)系統(tǒng)用能模式進(jìn)行識(shí)別,并采用遺傳算法優(yōu)化K-means,進(jìn)行對(duì)比分析,驗(yàn)證了算法的有效性。再次,提出了EMD-AGA-LSTM預(yù)測(cè)模型對(duì)基站空調(diào)進(jìn)行短時(shí)間內(nèi)的能耗預(yù)測(cè)。通過(guò)分析不同輸入模式對(duì)預(yù)測(cè)模型的影響,找到最佳了輸入模式;通過(guò)分析不同本征模態(tài)分量IMF重組方式對(duì)預(yù)測(cè)精度的影響,驗(yàn)證了模式分... 

【文章來(lái)源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：83 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文研究技術(shù)方案
    1.4 本文研究的主要內(nèi)容
2 數(shù)據(jù)預(yù)處理方法研究
    2.1 數(shù)據(jù)預(yù)處理常用方法介紹
    2.2 數(shù)據(jù)來(lái)源及特點(diǎn)分析
    2.3 基于NN算法的缺失數(shù)據(jù)處理
    2.4 基于KMEANS算法的異常數(shù)據(jù)識(shí)別與清洗
    2.5 基于PCA算法的數(shù)據(jù)降維
    2.6 本章小結(jié)
3 基站空調(diào)能耗模式聚類(lèi)算法研究
    3.1 基于決策樹(shù)的能耗模式聚類(lèi)分析
    3.2 基于KMEANS聚類(lèi)算法的能耗模式聚類(lèi)分析
    3.3 基于GA-KMEANS聚類(lèi)算法的能耗模式聚類(lèi)分析
    3.4 本章小結(jié)
4 基站空調(diào)能耗預(yù)測(cè)模型設(shè)計(jì)
    4.1 LSTM原理
    4.2 EMD原理
    4.3 EMD-AGA-LSTM預(yù)測(cè)模型構(gòu)建
    4.4 模型評(píng)估指標(biāo)
    4.5 算例分析
    4.6 本章小結(jié)
5.基站空調(diào)運(yùn)維及用能調(diào)度管理平臺(tái)的設(shè)計(jì)
    5.1 需求分析
    5.2 平臺(tái)架構(gòu)設(shè)計(jì)
    5.3 機(jī)器學(xué)習(xí)模塊功能設(shè)計(jì)與實(shí)現(xiàn)
    5.4 運(yùn)維模塊功能設(shè)計(jì)與實(shí)現(xiàn)
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)


【參考文獻(xiàn)】：
期刊論文
[1]基于數(shù)據(jù)挖掘技術(shù)研究孟昭陽(yáng)治療冠心病的用藥規(guī)律[J]. 史琳,孟昭陽(yáng).  湖南中醫(yī)雜志. 2019(04)
[2]基于數(shù)據(jù)挖掘的針灸治療腰椎間盤(pán)突出癥的取穴規(guī)律研究[J]. 江海燕,朱青青,彭元霞,羅國(guó)馨,農(nóng)國(guó)勇,張莉娟,朱英.  湖南中醫(yī)雜志. 2019(04)
[3]基于眾包平臺(tái)的豬八戒網(wǎng)絡(luò)公司盈利模式研究[J]. 陳新旭,劉勝?gòu)?qiáng),顧恒.  財(cái)會(huì)通訊. 2019(11)
[4]基于R語(yǔ)言的交通流量數(shù)據(jù)可視化應(yīng)用[J]. 李學(xué)偉,王海起.  地理空間信息. 2019(04)
[5]基于大數(shù)據(jù)挖掘的高速公路貨車(chē)能耗統(tǒng)計(jì)方法研究與應(yīng)用[J]. 王劍波,李騰飛.  公路. 2019(04)
[6]EMD分解結(jié)合維納濾波的電壓行波精確檢測(cè)方法[J]. 李澤文,任申,賀子凝,肖仁平,王楊帆.  電力系統(tǒng)及其自動(dòng)化學(xué)報(bào). 2019(12)
[7]數(shù)據(jù)挖掘中機(jī)器學(xué)習(xí)的應(yīng)用[J]. 周旭.  電子技術(shù)與軟件工程. 2019(07)
[8]基于改進(jìn)量子遺傳算法的聚類(lèi)算法研究[J]. 雎貴芳.  電子制作. 2019(08)
[9]基于統(tǒng)計(jì)特征與EMD算法的有載分接開(kāi)關(guān)振動(dòng)信號(hào)去噪[J]. 趙壽生,汪衛(wèi)國(guó),王豐華,鄭一鳴,何文林,錢(qián)勇.  電工電能新技術(shù). 2020(01)
[10]基于深度學(xué)習(xí)LSTM神經(jīng)網(wǎng)絡(luò)的全球股票指數(shù)預(yù)測(cè)研究[J]. 楊青,王晨蔚.  統(tǒng)計(jì)研究. 2019(03)

碩士論文
[1]船舶智能能效管理數(shù)據(jù)挖掘技術(shù)研究[D]. 高梓博.大連海事大學(xué) 2019
[2]基于數(shù)據(jù)挖掘技術(shù)的空調(diào)系統(tǒng)管控方法研究[D]. 崔治國(guó).中國(guó)建筑科學(xué)研究院 2018
[3]基于BP類(lèi)遷移學(xué)習(xí)門(mén)禁認(rèn)證的實(shí)驗(yàn)室管理評(píng)價(jià)系統(tǒng)設(shè)計(jì)[D]. 楊玉瑩.燕山大學(xué) 2017
[4]基于KNN的人體內(nèi)臟組織CT圖像識(shí)別的研究與應(yīng)用[D]. 黃小華.電子科技大學(xué) 2016
[5]基站空調(diào)環(huán)境節(jié)能技術(shù)研究及優(yōu)化措施分析[D]. 韓冬瑞.天津大學(xué) 2012
[6]基站空調(diào)能源管理系統(tǒng)的分析與設(shè)計(jì)[D]. 李克勤.北京郵電大學(xué) 2011



本文編號(hào)：3171814