【正文】 Y N 開始 選擇操作模塊 是否繼續(xù) 退出 算法模塊 預測模塊 功率計算模塊 數(shù)據(jù)庫模塊 華東交通大學畢業(yè)設計 19 算法模塊設計 在該逐時預測系統(tǒng)中主要功能是對數(shù)據(jù)庫內(nèi)十天的歷史數(shù)據(jù)進行訓練學習，不斷修改BP 網(wǎng)絡中輸入層、隱含層、輸出層的權值和閾值，使 BP 網(wǎng)絡中的功率輸出和歷史功率數(shù)據(jù)相近，從而使得預測值比較精確。并整理為需求分析的 WOED 文檔。 這里我們選擇 神經(jīng)網(wǎng)絡中的 BP 算法和 SQL SEVER 數(shù)據(jù)庫來設計系統(tǒng)。 該預測系統(tǒng)主要以 BP 算法為核心 ，通過算法不斷修改計算值，使得預測和空調(diào)功率的計算足夠精確。 實現(xiàn)預測：本預測系統(tǒng)利用以往的歷史數(shù)據(jù)和自動控制模塊在 24 小時的每個整點時刻采集外界參數(shù)和空調(diào)的功率值；根據(jù)這些參數(shù)和功率值利用神經(jīng)網(wǎng)絡中的 BP 算法對這些所 采集的數(shù)據(jù)不斷進行學習訓練，得出合適的 權值和閾值（達到預定的精確范圍），再對歷史每一整點時刻的外界參數(shù)求平均值，利用這些平均值再通過 BP 算法求出對應的功率。 開發(fā) 開發(fā)語言： C++語言 開發(fā)環(huán)境 （ 1） 硬件環(huán)境： Mobile AMD processor Sempron 3300+ ， 512MB DDR333 RAM ，60GB HDD （ 2） 軟件環(huán)境： Windows XP Professional sp2 ， Microsoft Visual C++ 功能需求分析 空調(diào)逐時負荷的預測是空調(diào)系統(tǒng)優(yōu)化運行的基礎。 BP 網(wǎng)絡的學習結構由輸入層、隱含層、輸出層組成。 設計“蓄冷空調(diào)逐時負荷預測系統(tǒng)”的指導思想 蓄冷空調(diào)逐時 負荷的預測是蓄冷空調(diào)的重要模塊。這個系統(tǒng)將成為蓄冷空調(diào)真正體現(xiàn)價值的重要模塊。如果能夠 精 確的預測建筑物的動態(tài)冷負荷，不僅可以更準確的幫助設計人員完成設計，更可以使設備控制人員根據(jù)預測的冷負荷確定系統(tǒng)的控制時間、方式以及盡早發(fā)現(xiàn)系統(tǒng)故障。隨著國家倡導建設節(jié)約型社會，我國越來越多的地方開始使用 蓄冷空調(diào)。每個數(shù)據(jù) 庫都有一個包含數(shù)據(jù)庫事件的日志文件。 SQL Server 在啟動時自動檢測可用的處理器數(shù)量，并立即使用這些處理器，但并不需要增加任何額外的設置。 SQL Server 充分利用了可設置優(yōu)先權的多任務、虛擬內(nèi)存和異步 I/O 功能，這些都是 Windows NT/2021操作系統(tǒng)的一部分。 SQL DML 用于查詢和修改數(shù)據(jù)庫中的數(shù)據(jù)。如，TransactSQL 包含了幾個流程控制關鍵字，這些關鍵字可以方便開發(fā)存儲過程和觸發(fā)器?，F(xiàn)在，幾乎所有的現(xiàn)代數(shù)據(jù)庫都華東交通大學畢業(yè)設計 14 可以使用 SQL 語言來訪問。 在 Windows NT/2021 上，這些組件是作為服務（ Services）來實現(xiàn)的。警報是一種動作，響應指定的事件。 ②利用與遠程數(shù)據(jù)庫直接的數(shù)據(jù)庫編程接口能夠自動生成或接受用戶輸入的 SQL 語句， 并以適當?shù)母袷絺鬟f給數(shù)據(jù)庫服務器，對從服務器返回的數(shù)據(jù)這些編程接口也能進行分析處理，并且以 適當?shù)母袷斤@示出來。在 C/S 結構中， 數(shù)據(jù)庫服務器應能發(fā)揮積極主動的作用，例如在查詢時，當客戶端將查詢指令透過網(wǎng)絡傳送至數(shù)據(jù)庫服務器時，后者并不把全表數(shù)據(jù) 傳至客戶端機中，而是先行對數(shù)據(jù)進行過濾查詢處理，再將查詢結果傳到前端，因而降低了網(wǎng)絡的負荷。這種方式客戶機分擔了程序服務器的部分工作，減輕了遠程服務器的壓 力，但網(wǎng)絡通信量較大，客戶端完成的功能較為復雜，被稱為厚客戶機方式。這個數(shù)據(jù)庫系統(tǒng)包括對共享數(shù)據(jù)的復制品，包括以視圖形式提供的對遠程數(shù)據(jù)操作的全局數(shù)據(jù)庫模式的子集，用戶通過本地的客戶端軟件通過網(wǎng)絡訪問位于服務器上的數(shù)據(jù)庫，主要對數(shù)據(jù)進行處理，同時 還要對最終的輸出進行控制。常見的全局函數(shù)有 AfxGetApp（獲得應用程序?qū)ο蟮闹羔槪?AfxGetInstanceHandle（獲得當前運行實例的句柄）、 AfxGetMainWnd（獲得程序主窗口的指針）和 AfxMessageBox（顯示一個提示信息對話框）等。 宏是 MFC 提供的一個特色功能， MFC 宏也是 MFC 的重要組成部分。雖然 MFC 中每個類都有自己獨特的構造和功能，但這些類之間并不是毫無關系的，它們是以層次結構方式組織起來的。同時你還要編寫用來響應用戶操作這些控制的代碼。 MFC 位于任何 Windows API 之上，能夠使程序員的工作更容易。用 Mirosoft VC++開發(fā)出來的軟件穩(wěn)定性好、可移植性強，而且軟件與硬件相互獨立。 VC++開發(fā)環(huán)境 VC++是一個功能強大的可視化軟件開發(fā)工具，它不僅是一個 C++編譯器，而且是一個基于 Windows 操作系統(tǒng)的可視化集成開發(fā)環(huán)境。 ? 最大化 COM 特征 COM 與 C++很接近，實際上， Don Box(COM 的權威 )在他的《 Essential COM》一書的第一章寫道： “COM 就是更好的 C++” 。 ? 最小的依賴性 正如上面所說， C++是一種編譯語言，即 C++代碼在執(zhí)行之前已轉(zhuǎn)換為機器碼。 VBScript 具有基本的錯誤處理支持功能。因為 C++是編譯語言，而且非常自然，比 VB 更接近機器代碼，所以由 C++編譯器產(chǎn)生的代碼一定比VB 的編譯代碼效率更高。從編寫程序的難易程度和程序的性能綜合考慮， C++是最佳的選擇。但是，幾乎沒有人用匯編語言編寫完整的程序，因為這樣做極其乏味。例如，一個算法定義為獲取一個字符串，計算字符串中的字符個數(shù)，并作為結果返回的過程。當一個消息被這個樹中一個類的一個對象接收時，這個對象動態(tài)的決定給予子類對象的消息的某種用法。 ? C++支持動態(tài)聯(lián)編 C++中可以定義虛函數(shù)，通過定義虛函數(shù)來支持動態(tài)聯(lián)編。派生類繼承了基類的所有方法，另外派生類自身還可以定義所需要的不包含在父類中的新方法。 C++支持多態(tài)性。 ? C++中允許友元破壞封裝性 類中的私有成員一般是不允許該類外面的任何函數(shù)訪問的，但是友元便可打破這條禁令，它可以訪問該類的私有成員（包含數(shù)據(jù)成員和成員函數(shù)）。一種是私有（ private）成員，只有在類中說明的函數(shù)才能訪問該類的私有成員，而在該類外的函數(shù)不可以訪問私 有成員；另一種公有（ public）成員，類外面也可訪問公有成員，成為該類的接口；還有一種是保護（ protected）成員，這種成員只有該類的派生類可以訪問，其余的在這個類外不能訪問。 在 C 語言中可以定義結構，但這種結構只包含數(shù)據(jù)，而不包含函數(shù)。另外，封裝還提供一種對數(shù)據(jù)訪問嚴格控制的機制。在 C++中，類是支持數(shù)據(jù)封裝的工具，對象則是數(shù)據(jù)封裝的實現(xiàn)。 STL 是數(shù)據(jù)結構和算法的一個框架，數(shù)據(jù)結構包括矢量、列表和映射等，算法包括這些數(shù)據(jù)結構的查找、拷貝和排序等。 C++標準可分為兩部分， C++語言本身和 C++標準庫。 華東交通大學畢業(yè)設計 9 C++標準演變了許多年。 Bjarne Stroustrup是 C++的最初設計者和實現(xiàn)者。盡管有了 BP 學習算法等訓練方法可以設計并實現(xiàn)一定規(guī)模的神經(jīng)網(wǎng)絡。 ?神經(jīng)網(wǎng)絡的主要缺點： ① 不適合于高精度計算 神經(jīng)網(wǎng)絡的魯棒性和它的輸出結果的不嚴格性是一致的。同樣是在提交的學習樣本的指導下進行學習，實例學習是根據(jù)樣本修改已有的（或假設的）規(guī)則空間中的規(guī)則，規(guī)則內(nèi)容、范圍、可修改程序完全是人規(guī)定的。反之變形的實際樣本，也不會由于部分不匹配而產(chǎn)生很大的誤差。從形式上看分布在網(wǎng)絡的各個角落，同時，沒有任何顯示的信息可以閱讀，對于人類來說是完全不透明的，無法理解的，更談不上管理和修改。但是，可以相信隨著大規(guī)模集成電路技術的發(fā)展，不久的將來將會有神經(jīng)網(wǎng)絡芯片誕生，有真正的神經(jīng)網(wǎng)絡系統(tǒng)問世。 神經(jīng)網(wǎng)絡的優(yōu)缺點 ?神經(jīng)網(wǎng)絡的主要優(yōu)點： ① 信息 處理的并行性 神經(jīng)網(wǎng)絡結構決定了其信號并行處理的特性。 Xi (124) 其中：， Yi 為期望輸出； Xj 為輸出層的實際輸出； Xi 為輸入層的輸入。 dik在這個過程中不斷進行遞歸求誤差。 dik+1 (121) 從上述過程可知：多層網(wǎng)絡的訓練方法是把一個樣本加到輸入層，并根據(jù)向前傳播的規(guī)則： Xik=f(Uik) 不斷一層一層向輸出層傳遞，最終在輸出層可以得到輸出 Xim。從式 (113)有 ae/aXik=ae/aXim= XimYi (115) 從而有 ： dim = Xim (1 Xim)( Xim Yi) (116) 華東交通大學畢業(yè)設計 7 如果 km，則該層是隱層．這時應考慮上一層對它的作用，故有： ae/aXik=∑ j (ae/aUik+1)一般取非線性連續(xù)函數(shù)，例如 Sigmoid 函數(shù) 。 Xjk1 (111) 其中： η 為學習速率，即步長，一般取 01 間的數(shù)。 ae/aWij=η 很明顯，根據(jù) BP 算法原則，求 ae/aWij 最關鍵的。 為了說明 BP 算法，首先定義誤差函數(shù) e。在輸出層把現(xiàn)行輸出和期望輸出進行比較，如果現(xiàn)行輸出不等于期望輸出，則進入反向傳播過程。這也是說，改變隱 層的權系數(shù)，可以改變整個多層神經(jīng)網(wǎng)絡的性能。 K 層 輸入層 修改 W 教師信號 圖 1221 它含有輸人層、輸出層以及處于輸入輸出層之間的中間層。 自從 40 年代 Hebb 提出的學習規(guī)則以來，人們相繼提出了各種各樣的學習算法。目前，人們所 提出的神經(jīng)網(wǎng)絡模型都是和學習算法相應的。 Xi （ i=1,2,? ,n,n+1） 其中，η稱為權重變化率， 0η≤ 1；η的取值不能太大．如果取值太大則會影響 Wi (t)的穩(wěn)定；的取值也不能太小，太小則會使 Wi (t)的求取過程收斂速度太慢。如果 x 是 A 類，則取 d＝ 1,如果 x 是 B 類，則取 1。這 里 Wi(t)為 t 時刻從第 i 個輸入上的權系數(shù)， i＝ 1， 2，?， n。 ?感知器的學習算法 感知器是有單層計算單元的神經(jīng)網(wǎng)絡，由線性元件及閥值元件組成。故而神經(jīng)網(wǎng)絡的學習是消耗一定時期的，有的學習過程要重復很多次，甚至達萬次級。輸入樣本信號通過權系數(shù)作用，在 u 產(chǎn)生輸出結果 ∑ WiXi，即有： u=∑ WiXi= W1 X1+ W2 X2+? +WnXn 再把期望輸出信號 Y(t)和 u 進行比較，從而產(chǎn)生誤差信號 e。在這個過程中，期望的輸出信號可以作為教師信號輸入，由該教師信號與實際輸出進行比較，產(chǎn)生的誤差去控制修改權系數(shù) W。 目前，在控制上應用的是多層前饋網(wǎng)絡，這是一種感知器模型，學習算法是 BP 法，故是有教師學習算法。感知器采用有教師信號進行學習，而認知器則采用無教師信號學習的。模糊控制也存在一個缺陷，這就是沒有一種良好的學習架 構和方法。用模糊邏輯去研究人的智能是一個重要的途徑。 模糊邏輯則基于人類模糊思維這一抽象機理上；它描述的是人類模糊 思維的方式、方法相關的宏觀過程。人們對這三種新理論的興趣、不是因為它們的時髦，或者在于它們奇特；而是在于它們在人工智能的實現(xiàn)過程中有著十分重要的應用價值。神經(jīng)網(wǎng)絡的優(yōu)點在它具有模擬多變量而不需要對輸入變量做復雜的相關假定的能力。專家系統(tǒng)法利用了專家的經(jīng)驗知識和推理規(guī)則，使節(jié)假日或有重大活動日子的負荷預測精度得到了提高。統(tǒng)計技術中所用的系統(tǒng)負荷預測模型一般可歸為時間系列模型和回歸模型。但是系統(tǒng)負荷變化受到多方面影響，一方面，負荷變化存在著由未知不確定因素引起的隨機波動；一方面，又具有周期變化的規(guī)律性，這也使得負荷曲線具有相似性。因此，獲得和維護一個完整的歷史數(shù)據(jù)庫就成為實現(xiàn)逐時負荷預測的先決條件，這在操作上顯然有一定的難度。制定操作策略的意義還在能合理安排蓄冰量的使用，除了給峰電時段預留外，還能在冷機因負荷較低運行效率下降的時候使用融冰供冷。 Second, account the load of system under the current moment and external parameters. The forecast system mainly BP algorithm at the core, through to use the data of history to past BP algorithms continuous learning training and continuing t