基于RF-PSO-BP的电能质量稳态指标预测

电能质量问题日益严重,实现稳态电能指标的预测对于保障供电质量有重大意义。以某低电压台区监测点为研究对象,提出一种基于随机森林（Random Forest,RF）特征优选和粒子群优化（Particle Swarm Optimization,PSO）反向传播（Back Propagation,BP）神经网络的电能质量稳态指标预测方法。根据监测点的环境因素、动态电能数据以及电能质量指标的历史数据等多维度特征进行标准化处理,通过RF算法实现特征选择后,进一步将优选特征输入到神经网络,并结合PSO算法优化BP神经网络的权值和阈值,构建神经网络预测模型。将该方法结合实例与传统神经网络进行对比试验,结果表明,所提预测方法的MAPE均低于3%,预测效果较传统神经网络更佳。     

基于OneNET云平台的智慧教室系统设计与实现

针对传统教学环境存在诸如学生考勤耗费时间、教室空闲资源利用率不高等问题,利用物联网技术设计并实现了一套"智慧教室"解决方案。方案采用Arduino开源硬件,基于OneNET物联网云平台搭建设备网络,以微信小程序为前端面向全校师生提供实时签到、迟到早退检测、教室舒适度查询以及预约占座等服务。最后对系统试点运行,发现该方案可为师生提供开放式便捷应用服务,极大地提高了教室的智能化水平。