医院能源预测系统的设计与应用*

任友阳

（江南大学商学院 无锡 214122）

1 引言

伴随着我国“十四五”规划稳步发展，当代医院管理不仅要考虑临床医疗质量问题，而且更需要合理实施节能管理。医院全年的正常运作是离不开医疗用水与生活用水还有电力消耗，但是智能化管理并没有在我国医院系统中得到普及。现阶段我国大多数医院对后勤工作接触的数据采集与收录仍然未涉及数据库的存储方法，很多规模较小的医院运用的分析依据理论的科学性以及应用程度还不够高，缺乏合理的预测规划。这些问题必然会导致医院能耗的相关问题难以发现，最终加剧医院的能耗投入成本，带来无法估计的资金损失。

建立医院管理预测系统，不仅能提供有效的数据归纳与增改，而且利用灰色预测适应样本小，信息不足的特点来分析能耗数据趋势为医院提供未来节能合理规划。首先选取江苏省A医院为目标，以能耗量为拟合及预测对象。通过运用Java 与MYSQL，使用SSM 框架构建制作A 医院能耗收集系统收集整理相关数据，然后调用灰色预测模型对数据进行拟合与预测计算。近年来，在医院信息化管理研究中，不少学者都进行了不同方向的实践与分析。Sanchez-Barroso 等通过计算必要的投资和合理的经济效益和能耗比建立了适合的太阳能家用热水系统，实现了能源节约［1］。Farthing 等用系统的方法评估公立医院节能的潜力［2］。Sodhro 等提出了一种新颖、可持续的绿色媒体传输算法，减少了传输过程的能量消耗［3］。Zhang 等提出了一种基于椭圆曲线和双线性对的通信认证算法MedGreen，缓解了电子信息系统数据传输引起的高能耗问题［4］。这些学者的研究不仅推动了医院信息化发展，更助力了医院的节能管理进程。

2 系统总体架构

设计的平台系统主要负责收集A 医院的主要能耗水，电，天然气并实现调用Matlab 运行灰色预测模型代码，为A医院提供合理的能耗趋势预测分析。文中的数据导入是通过部分点位的传感器与其他外部软件进行传输并保存在A 医院的后勤能源管理平台中。平台通过eclipse开发，使用Java编程，实现正常的数据管理操作。最后，通过实现这个平台系统与主机软件的连接，调用相关软件实现短期数据趋势预测分析。A 医院能源管理与预测系统的总体架构为图1所示：

图1 总体架构图

3 设计方案

3.1 底层结构设计

凭借Java的普遍且通用的特点，这个能源管理与预测系统不仅方便移植。而且结构并不负杂，操作上手方便。该系统通过Java 数据库实现更便捷的操作［5］，仅仅只要安装好的Tomcat浏览器就能实现操作。维护方面也仅要升级服务器版本，无需高配置额主机，在医院的经费投入方面也减少开支，节省投入。

本系统的基础环境搭建是通过创建一个maven 工程，引入系统需要的jar 包，通过整合Spring、SpringMvc、Mybatis，编 写 配 置 文 件［6～7］。同 时 在SQLYOG 中建立表单，利用Mybatis 的逆向生成，形成数据库连接，Spring+Spring MVC+MyBatis（SSM）的结合，大大提高了开发过程的质量［8］。SSM 框架结构稳定，开放效率高，是一种比较主流的web 框架。Spring 起到了容器的作用，负责整合表现层，业务处与持久层。SpringMvc 组合model、view、controller三层架构，分离了可视化与业务处理，起到了降耦的效果。Mybatis 通过访问A 医院能耗数据的数据库实现对能耗数据库的增改操作。SSM 框架的整合关系如图2所示。

图2 整合关系图

3.2 A医院能耗数据库设计

该系统采用MySQL 为存储数据库，运用SQLYOG 软件整理A 医院的能耗数据。首先创建id 与kind_name 实现能耗分类，S_id 与Y_id 分别对应年份与季度。具体见表1、表2。

表1 A医院各类能耗数据收集表字段

表2 A医院各类能耗时间表字段

4 灰色预测模型设计

4.1 灰色系统理论

凭借能解决数据少，信息不全等问题，邓聚龙教授的灰色系统理论逐渐在预测分析中崭露头角，其中GM（1，1）模型在现实生产生活中的多个领域都得到了广泛应用［11～13］。众多的学者致力于该模型的研究［14～15］。通过Matlab 软件编写GM（1，1）代码进行建模，然后通过系统调用Matlab，计算A 医院的能耗数据预测，为管理人员提供优化对策。

4.2 GM（1，1）建模步骤与预测代码

通过最小二乘法估计参数向量[a，b]T：

根据式（5）求解白化微分方程得到时间响应式，与预测值表达式：

即可计算拟合值与预测值，图3 为实现预测计算的Matlab代码。

图3 GM（1，1）预测部分代码编写

5 系统展示与能耗实例趋势分析

5.1 系统展示

管理预测系统用户登录界面如图4～6所示。

图4 登录界面

通过MySQL 与相关的组态软件之间的数据连接，同时将接收的A 医院能耗数据录入编好的MySQL数据库中，该能源管理与预测系统会将A医院的各类能耗数据将时间、消耗量等可视化，通过平台界面向管理用户展示，最后通过Java调用Matlab 软件进行计算，实现对A 医院不同种能耗量的数据的季度同比发展趋势进行预测，将生成的能耗趋势预测图展示给A医院总务后勤能源管理人员。

图6 编辑预测界面

5.2 预测计算与系统预测结果分析

通过A 医院能源管理预测系统的数据整理，A医院2015～2019 年的水、电、天然气年消耗量的数据如表3所示。

表3 A医院往年数据能耗表

根据4.2 部分的建模方法与代码编写，并为验证预测的有效性，选择2019 年A 医院的能耗值作为参照组，进行最后的预测值精度检验。通过调用Matlab 软件计算出发展系数a 与灰色作用量b，其分别为A1 对应的a=-0.0353，b=185473.5511；A2 对 应 的a=-0.0353，b=10384837；A3 对 应 的a=-0.1232，b=5916.179。

则三种能源消耗预测的时间响应式分别为

根据上述数据，分别计算不同的拟合与预测结果，如表4、表5所示。

表4 A医院灰色预测拟合数据对比

表5 A医院灰色预测对照数据对比

拟合组与对照组的平均绝对误差百分比符合预期低于10%与5%，所以模型的预测结果非常理想，预测值具有合理性与可参考性。

三种能源的拟合值分布与预测趋势分别如图7所示。

图7 A医院能耗趋势

综合来看，A 医院需要在每年加大对水，电的节能管理，加强相关的节能宣传与教育，同时对耗能设备与节能潜力分别进行改进与挖掘，达到整体系数全面下调，并实现能源增长趋势变缓的工作目标，进一步助力好我国未来的绿色生态环境。

6 结语

本平台实现了将医院能源管理工作和软件数据库智能化存储进行整合。通过运用广泛的Java语言，采取SSM 框架最终构建了一个A医院的能源管理与预测平台，并进行了相应的操作。为A医院的节能管理工作与能源管理分析提供了科学的依据与合理的分析方法，助力其向精细化与智能化发展，这对推动我国现代化医院节能管理标准化与能源管控智能化具有非常明显的借鉴与推广意义。