2 关键技术

　　校园仪器设备能源监控平台的实现是基于J2EE进行开发的，采用Web服务进行数据采集和仪器设备控制、采用WPF（Windows Presentation Foundation）框架进行数据分析。其中关键技术主要包含三个方面：

　　1） 能耗检测与数据分析技术，主要处理大数据特征分析和展示能耗数据，如待机能耗分析算法等；

　　2） IPv6技术，主要解决现有IPv4地址短缺问题以及IPv6和IPv4的地址互转及兼容问题。

　　2.1 仪器设备待机状态分析算法

　　待机状态分析算法，主要采用机器学习方法，通过已知的能耗数据对仪器设备进行实时分析。分析该仪器设备在某个时间是否处于待机状态。该算法根据已知的仪器设备、仪器设备类型和一段时间的仪器设备运行功率等数据分析仪器设备的运行状态。如算法1所示，实现描述如下：

　　通过对设备的初始化最低工作功率进行设定，然后通过多组训练数据修正最低工作功率，根据最低工作功率和实时监控获得的数据进行对比分析，从而判定该仪器设备的运行状态。算法的输入部分分为学习状态和置信状态两个部分，在学习状态通过训练数据和设备的基础数据得出该设备的最低工作功率Pm。其中T 在算法的执行过程中P0 保持稳定的次数，当T 得到最低判定次数Tm 时，确定此时的P0 为Pm ，进入置信状态；过程中不断通过训练数据校正P0 ，当对于运行状态的单方向（偏高或者偏低）达到质疑次数UB 时，通过产生质疑的数据的平均值修正P0。Vl为最低工作电压Vh为最高工作电压；Il为最低工作电流Ih为最高工作电流；p-为偏低质疑次数，p+为偏高质疑次数， PL为偏低平均功率， PH为偏高平均功率。在置信状态时通过对比实时功率Pn和最低运行功率Pm判断是否处于待机状态。

　　2.2 能耗分析

　　当机器学习算法获得某仪器设备的最低工作功率Pm后，对该仪器设备每天的待机能耗、时间进行统计。如算法2所示，实现描述如下：

　　算法通过对比实时功率P和最低运行功率Pm判断是否处于待机状态。当判定处于待机状态时，将待机时间△t进行累加，累计运行结果为T ，累计待机能耗为E。可以根据算法2类，将运行能耗和待机能耗进行叠加即为仪器设备的总能耗数据。

　　2.3多维度组合能耗统计算法

　　对于某一台仪器设备的某一天的能耗数据进行统计，通过相应计算处理即可得出某仪器设备某天的能耗数据，将该数据作为单独的数据项，所有的仪器设备的数据形成集合称为仪器设备单日能耗数据。然而，再进行仪器设备能耗数据统计分析时，需要按照不同的维度，如：学院、地理位置、时间区间等进行组合对能耗数据进行统计。多维度组合能耗统计算法，实现从学院、地理位置和时间区间三个维度的组合查询，从而反馈出相应的能耗统计结果。如算法3所示，实现描述如下：