醫院能源預測系統的設計與應用*

任友陽

（江南大學商學院 無錫 214122）

1 引言

伴隨著我國“十四五”規劃穩步發展，當代醫院管理不僅要考慮臨床醫療質量問題，而且更需要合理實施節能管理。醫院全年的正常運作是離不開醫療用水與生活用水還有電力消耗，但是智能化管理并沒有在我國醫院系統中得到普及。現階段我國大多數醫院對后勤工作接觸的數據采集與收錄仍然未涉及數據庫的存儲方法，很多規模較小的醫院運用的分析依據理論的科學性以及應用程度還不夠高，缺乏合理的預測規劃。這些問題必然會導致醫院能耗的相關問題難以發現，最終加劇醫院的能耗投入成本，帶來無法估計的資金損失。

建立醫院管理預測系統，不僅能提供有效的數據歸納與增改，而且利用灰色預測適應樣本小，信息不足的特點來分析能耗數據趨勢為醫院提供未來節能合理規劃。首先選取江蘇省A醫院為目標，以能耗量為擬合及預測對象。通過運用Java 與MYSQL，使用SSM 框架構建制作A 醫院能耗收集系統收集整理相關數據，然后調用灰色預測模型對數據進行擬合與預測計算。近年來，在醫院信息化管理研究中，不少學者都進行了不同方向的實踐與分析。Sanchez-Barroso 等通過計算必要的投資和合理的經濟效益和能耗比建立了適合的太陽能家用熱水系統，實現了能源節約［1］。Farthing 等用系統的方法評估公立醫院節能的潛力［2］。Sodhro 等提出了一種新穎、可持續的綠色媒體傳輸算法，減少了傳輸過程的能量消耗［3］。Zhang 等提出了一種基于橢圓曲線和雙線性對的通信認證算法MedGreen，緩解了電子信息系統數據傳輸引起的高能耗問題［4］。這些學者的研究不僅推動了醫院信息化發展，更助力了醫院的節能管理進程。

2 系統總體架構

設計的平臺系統主要負責收集A 醫院的主要能耗水，電，天然氣并實現調用Matlab 運行灰色預測模型代碼，為A醫院提供合理的能耗趨勢預測分析。文中的數據導入是通過部分點位的傳感器與其他外部軟件進行傳輸并保存在A 醫院的后勤能源管理平臺中。平臺通過eclipse開發，使用Java編程，實現正常的數據管理操作。最后，通過實現這個平臺系統與主機軟件的連接，調用相關軟件實現短期數據趨勢預測分析。A 醫院能源管理與預測系統的總體架構為圖1所示：

圖1 總體架構圖

3 設計方案

3.1 底層結構設計

憑借Java的普遍且通用的特點，這個能源管理與預測系統不僅方便移植。而且結構并不負雜，操作上手方便。該系統通過Java 數據庫實現更便捷的操作［5］，僅僅只要安裝好的Tomcat瀏覽器就能實現操作。維護方面也僅要升級服務器版本，無需高配置額主機，在醫院的經費投入方面也減少開支，節省投入。

本系統的基礎環境搭建是通過創建一個maven 工程，引入系統需要的jar 包，通過整合Spring、SpringMvc、Mybatis，編 寫 配 置 文 件［6～7］。同 時 在SQLYOG 中建立表單，利用Mybatis 的逆向生成，形成數據庫連接，Spring+Spring MVC+MyBatis（SSM）的結合，大大提高了開發過程的質量［8］。SSM 框架結構穩定，開放效率高，是一種比較主流的web 框架。Spring 起到了容器的作用，負責整合表現層，業務處與持久層。SpringMvc 組合model、view、controller三層架構，分離了可視化與業務處理，起到了降耦的效果。Mybatis 通過訪問A 醫院能耗數據的數據庫實現對能耗數據庫的增改操作。SSM 框架的整合關系如圖2所示。

圖2 整合關系圖

3.2 A醫院能耗數據庫設計

該系統采用MySQL 為存儲數據庫，運用SQLYOG 軟件整理A 醫院的能耗數據。首先創建id 與kind_name 實現能耗分類，S_id 與Y_id 分別對應年份與季度。具體見表1、表2。

表1 A醫院各類能耗數據收集表字段

表2 A醫院各類能耗時間表字段

4 灰色預測模型設計

4.1 灰色系統理論

憑借能解決數據少，信息不全等問題，鄧聚龍教授的灰色系統理論逐漸在預測分析中嶄露頭角，其中GM（1，1）模型在現實生產生活中的多個領域都得到了廣泛應用［11～13］。眾多的學者致力于該模型的研究［14～15］。通過Matlab 軟件編寫GM（1，1）代碼進行建模，然后通過系統調用Matlab，計算A 醫院的能耗數據預測，為管理人員提供優化對策。

4.2 GM（1，1）建模步驟與預測代碼

通過最小二乘法估計參數向量[a，b]T：

根據式（5）求解白化微分方程得到時間響應式，與預測值表達式：

即可計算擬合值與預測值，圖3 為實現預測計算的Matlab代碼。

圖3 GM（1，1）預測部分代碼編寫

5 系統展示與能耗實例趨勢分析

5.1 系統展示

管理預測系統用戶登錄界面如圖4～6所示。

圖4 登錄界面

通過MySQL 與相關的組態軟件之間的數據連接，同時將接收的A 醫院能耗數據錄入編好的MySQL數據庫中，該能源管理與預測系統會將A醫院的各類能耗數據將時間、消耗量等可視化，通過平臺界面向管理用戶展示，最后通過Java調用Matlab 軟件進行計算，實現對A 醫院不同種能耗量的數據的季度同比發展趨勢進行預測，將生成的能耗趨勢預測圖展示給A醫院總務后勤能源管理人員。

圖6 編輯預測界面

5.2 預測計算與系統預測結果分析

通過A 醫院能源管理預測系統的數據整理，A醫院2015～2019 年的水、電、天然氣年消耗量的數據如表3所示。

表3 A醫院往年數據能耗表

根據4.2 部分的建模方法與代碼編寫，并為驗證預測的有效性，選擇2019 年A 醫院的能耗值作為參照組，進行最后的預測值精度檢驗。通過調用Matlab 軟件計算出發展系數a 與灰色作用量b，其分別為A1 對應的a=-0.0353，b=185473.5511；A2 對 應 的a=-0.0353，b=10384837；A3 對 應 的a=-0.1232，b=5916.179。

則三種能源消耗預測的時間響應式分別為

根據上述數據，分別計算不同的擬合與預測結果，如表4、表5所示。

表4 A醫院灰色預測擬合數據對比

表5 A醫院灰色預測對照數據對比

擬合組與對照組的平均絕對誤差百分比符合預期低于10%與5%，所以模型的預測結果非常理想，預測值具有合理性與可參考性。

三種能源的擬合值分布與預測趨勢分別如圖7所示。

圖7 A醫院能耗趨勢

綜合來看，A 醫院需要在每年加大對水，電的節能管理，加強相關的節能宣傳與教育，同時對耗能設備與節能潛力分別進行改進與挖掘，達到整體系數全面下調，并實現能源增長趨勢變緩的工作目標，進一步助力好我國未來的綠色生態環境。

6 結語

本平臺實現了將醫院能源管理工作和軟件數據庫智能化存儲進行整合。通過運用廣泛的Java語言，采取SSM 框架最終構建了一個A醫院的能源管理與預測平臺，并進行了相應的操作。為A醫院的節能管理工作與能源管理分析提供了科學的依據與合理的分析方法，助力其向精細化與智能化發展，這對推動我國現代化醫院節能管理標準化與能源管控智能化具有非常明顯的借鑒與推廣意義。