技术选型与架构设计

后端技术栈

• Java框架：Spring Boot（快速开发）+ Spring Data JPA（ORM）
• 数据库：MySQL 8.0（存储设备能耗数据）+ Redis（缓存实时数据）
• 通信协议：MQTT（设备接入）+ WebSocket（前端实时推送）

前端技术栈

• Vue.js + ECharts（数据可视化）
• Element UI（管理后台界面）

数据库设计

核心表结构

• device：设备表（设备ID、名称、类型、位置）
• energy_consumption：能耗记录表（记录ID、设备ID、功率、时间戳）
• user_behavior：用户行为表（操作类型、设备ID、触发时间）

CREATE TABLE `energy_consumption` (
  `id` BIGINT AUTO_INCREMENT PRIMARY KEY,
  `device_id` VARCHAR(32) NOT NULL,
  `power` DECIMAL(10,2) COMMENT '瞬时功率（瓦）',
  `timestamp` DATETIME DEFAULT CURRENT_TIMESTAMP,
  FOREIGN KEY (`device_id`) REFERENCES `device`(`id`)
) ENGINE=InnoDB;

数据采集与处理

MQTT设备接入
通过EMQX Broker接收设备上报的JSON数据：

{
  "deviceId": "AC-001", 
  "power": 1500.50,
  "voltage": 220
}

Java消费消息
使用Paho客户端订阅主题并持久化数据：

@Bean
public MqttPahoMessageDrivenChannelAdapter adapter() {
    return new MqttPahoMessageDrivenChannelAdapter(
        "tcp://broker.emqx.io:1883", 
        "subscriberClient",
        "home/energy"
    );
}

用电分析算法

峰谷时段识别
基于时间序列聚类（K-means）划分用电高峰：

public List<TimeSegment> detectPeakHours(List<EnergyRecord> records) {
    // 按小时聚合数据后聚类
    double[][] features = records.stream()
        .map(r -> new double[]{r.getHour(), r.getPower()})
        .toArray(double[][]::new);
    KMeansModel model = new KMeans().setK(3).fit(features);
    return model.predict(features);
}

设备能效评估
计算设备单位时间能耗效率：
[ \eta = \frac{\sum_{i=1}^{n} P_i \times T_i}{\text{RatedPower} \times \text{TotalTime}} ]

节能建议生成

规则引擎实现

• 高耗能设备：空调连续运行>2小时触发提醒
• 异常功耗：夜间待机设备功率>阈值发送告警

@Scheduled(fixedRate = 3600000)
public void checkAbnormal() {
    List<Device> devices = deviceRepo.findByPowerGreaterThan(
        thresholdService.getDynamicThreshold()
    );
    devices.forEach(d -> alertService.send(d, "AbnormalPower"));
}

可视化与API开发

RESTful接口

• GET /api/energy/daily?date=2024-03-01（按日统计）
• POST /api/advice/generate（生成建议）

ECharts配置示例

option = {
    xAxis: { type: 'category', data: ['00:00', '06:00', '12:00', '18:00'] },
    yAxis: { type: 'value' },
    series: [{ data: [1200, 3500, 2800, 4000], type: 'line' }]
};

部署优化

性能调优

• MySQL索引：为timestamp和device_id添加联合索引
• 批量插入：使用JPA的saveAll()替代单条插入
• 连接池：配置HikariCP参数

spring:
  datasource:
    hikari:
      maximum-pool-size: 20
      connection-timeout: 30000