宁德师范学院2020年校园安全隐患大排查大整治清单中“学生宿舍高功率用电难以杜绝,可能引发消防安全风险”位列其中,经由校长办公会会议纪要下达作为学校安全管理整改项目，今年5月份我院联合保卫处成立项目开发小组，并以此项目为母本申报了福建省自然科学基金。

随着学校规模日渐扩大，学校用电范围和用电量都在不断扩展，用电安全成为学校消防安全工作的重中之重。当前学校通过电控系统实现对学校各宿舍用电情况进行管理，包括用电信息采集、账户管理及用电过载时自动跳电等功能，同时该系统也支持宿舍日、周、月和年用电统计及明细查询。然而由于该系统建设较久且未更新，在使用时存在查询速度缓慢、宿舍用电情况分析缺乏、无法判断宿舍是否存在违规用电（仅根据采集时刻功率判断是否过载来判断）、页面展示不够便捷等情况。同时，由于电控系统为单机部署，受限于硬件资源，无法保存全部历史数据，对于历史数据只得进行删除处理，而删除大量历史数据的行为在如今的大数据时代显得尤为可惜。

为解决学校电控系统的不足之处，利用大数据技术构建用电安全智能监测系统开展研究工作，采集用电数据，构建宿舍用电预测神经网络模型，并研发一套软件系统，主要包括几个方面内容：

（1）用电数据采集存储

通过ETL工具采集学校电控系统中的历史数据，经抽取转换成适合非结构化数据库hbase存储的格式。通过Flume进行宿舍用电数据的增量采集，并将采集数据存入到hbase中。

（2）结合spark进行宿舍用电的实时计算

提出一种计算区间用电量的分布式计算方法，实现学校每小时用电量、高峰区间用电量、日、月与年用电量的计算。

（3）构建宿舍用电神经网络模型

研究学校宿舍历史用电数据，分析各时间的用电行为，通过深度学习挖掘出各宿舍的用电习惯并构建宿舍用电预测模型，并对有可能的高功率电器使用进行预警。

（4）分析结果可视化

设计展示界面，通过echarts以图表方式直观展示分析结果，通过大屏展示计算分析结果。

大数据就是这个高科技时代的产物。使用大数据存储技术将能够能方便实现历史数据的全量保存，为后续分析预测提供重要支撑；同时，采用大数据技术可以更加高效全面地进行用电数据的分析与挖掘，为用电安全。本项目主要研究基于大数据的数据存储与数据挖掘及机器学习的理论与方法，并将技术用于学生用电管理系统，通过大屏直观展示学校总体用电与各宿舍的详细用电情况，并通过数据挖掘与机器学习技术分析可能存在的大功率用电情况，通过系统提供的大功率电器使用预警功能，为宿舍用电安全管理提供有力保障。