摘要：本发明所述的一种在Modbus网络中为从节点设备分配地址的方法属于通信领域，实现了由主节点设备自动对Modbus网络中的各从节点设备的自动识别并分配Modbus地址的方法。相对于现有技术，本发明能够在较短的时间内确定Modbus网络中从节点设备的Mosbus地址，并且能根据从节点地址的大小来设定从节点设备的响应延迟时间，加快从节点设备地址的设定速度。

摘要：本发明涉及一种信号大小的方法，尤其是一种比较电流或者电压信号峰值大小的方法以及利用该方法对采样信号的增益进行切换的方法。本发明所述的技术方案通过比较信号采样点中在某一区间中大于设定值的数量的大小来判断信号强度的大小。采用本发明所述的技术方案后，快速的比较信号强度的大小；以及快速进行增益切换的技术方案比较出信号的强弱，从而选择具有合适增益的放大电路对信号进行放大，能够有效提高采样信号的信噪比，提高采样精度。

摘要：本发明公开了一种设备识别方法以及能够识别和被识别的主设备模块和从设备模块，属于自动化通讯领域。该识别方法通过主设备模块获取从设备模块传送的识别信号；根据获取的脉冲信号识别该识别信号的频率，并根据该频率判断对应的从设备模块的类型。相对于现有技术，本发明所述的方法简单、易用，抗干扰能力强，尤其适合在电磁辐射严重，外界干扰强的复杂环境中使用。

摘要：本发明提出一种基于BP神经网络的地铁能耗综合预测方法，主要包括以下步骤：第一步，建立地铁能耗综合预测的神经网络模型，其中包括确定神经网络模型的输入特征变量，神经网络模型输出的目标向量；第二步，确定所述神经网络模型的隐含层单元数的取值边界；第三步，对所述神经网络模型的参数进行初始化；第四步，计算所述神经网络模型的学习误差；第五步，对所述神经网络模型进行训练，确定所述神经网络模型的隐含层单元数，从而建立用于预测地铁能耗的BP神经网络。该方法综合考虑了列车运行能耗以及车站运营能耗的影响因素，同时还考虑了地铁能耗的周期性，能够准确的预测当日的地铁总能耗。

摘要：一种基于神经网络的建筑能耗预测的方法，主要包括以下步骤：第一步，收集建筑的能耗数据作为样本数据，并对样本数据进行归一化，使其范围在[0,1]之间；第二步，进行神经网络模拟，建立建筑能耗预测的神经网络模型1；第三步，利用神经网络模型1对建筑能耗进行预测，并计算在节假日的情况下，建筑能耗的预测误差；第四步，再次进行神经网络模拟，建立用于预测在节假日的情况下，建筑能耗修正值的神经网络模型2；第五步，分别计算在节假日和非节假日的情况下，建筑能耗的预测值。本发明的有益效果是，利用本发明方案可以大大提高建筑能耗的预测精度，尤其是节假日情况下的预测精度，对建筑的能源监控具有重要的意义。

摘要：本发明利用历史数据，预测出未来时刻空调系统的负荷，然后利用粒子算法，优化空调系统的能耗模型，得到该负荷条件下的最优运行参数，再根据系统的实时滞后时间，提前对系统的各参数变量进行控制，不但避免了由于空调系统的大时滞和大惰性带来的控制时间差，而且保证了系统供冷和负荷用冷在数量上相等，时间上同步。另一方面，本发明还可以实时进行空调系统的负荷预测和优化控制，使空调系统始终处于最优或接近最优的工作状态，从而达到节能优化的目的。

摘要：一种建筑能耗间接分项计量拆分方法，其主要包括以下步骤：第一步，通过智能电表实时监测总线路上的有功功率，无功功率，电压以及电流的谐波含有率各参数的数值，并保存监测到的数据，第二步，检测用电设备启动和停止信号，第三步，进行用电设备的识别，第四步，计算用电设备消耗的电能，第五步，把设备消耗的电能进行分项统计，实现能耗的分项计量。本发明只在能耗监测的总线路上使用一块智能电表，省去了在每个用电设备的末端分别使用电度表进行直接测量的麻烦，使得测量成本低，结构简单，用电设备的识别精度高，从而实现建筑精确的分项能耗统计。

摘要：本发明提出的远程设置仪表设备参数的方法，采用导入配置文件的方式，通过一种接入通讯总线的远程监控设备，对工业仪表设备应用场合或其他设备组网应用场合的单台仪表的参数进行远程设定，或对该网络中选定的多台仪表参数进行批量设定的处理方法，从而实现了对工业场合和组网应用场合的仪表参数进行快速，高效的批量设置。

摘要：本发明提出的一种基于人工蜂群的空调能耗模型参数辨识方法，利用机理分析法建立整个空调系统的能耗模型函数，然后把能耗模型函数作为目标函数，利用人工蜂群算法对它进行寻优，确定一定负荷状态下的最优参数组合。本发明利用机理分析法建立的能耗模型精度高，通用性好，尤其是人工蜂群的优化算法收敛速度快、参数设置少，受所求问题维数的影响较小，并且实现简单方便，并且在每次迭代中都进行全局和局部搜索，找到最优解的概率大大增加，并在较大程度上避免了局部最优。

摘要：本发明提出的建筑节能评估方法，是在分析能源管理系统中能效评估方法不足的基础上，在对现有建筑节能潜力评估时，通过三个基本能效因素指标建筑面积A、人流量B、规划指标C建立评估能耗水平的基准层，运用层次分析法确定三个指标的权重系统，再由历史数据进行验证分析，并进行等级分值评估，最后通过评估等级的高低对建筑进行综合评价，使建筑能耗得到有效准确的数据评估。