随着人们对供热需求的增加,全国各地的热源厂数量也越来越多。热源厂在运行过程中排放出大量的有害气体,造成严重的空气污染,对人们的身体健康造成了严重影响。在保障人们对供热的需求的前提下,如何做到有效减少热源厂污染气体排放的问题亟待解决。本文设计一套基于云平台的能耗监测系统,实现对热源厂能耗数据的实时监测,并结合电力负荷预测模型对热源厂的电力负荷进行短期预测,从而提高热源厂的能源利用率达到节能减排的目的。本文主要从系统架构的设计、电力负荷预测方法研究、数据采集器的设计和系统软件的开发四方面展开研究。针对系统的架构设计,通过对热源厂的实际功能需求和性能需求进行分析,把系统分为现场设备层、网络通信层、服务器层和应用层。对于各层之间的数据传输采用有线与无线相结合的数据传输方式;对于服务器层选择阿里云作为系统的云服务器;对于数据的存储采用数据管理系统对采集的信息进行分类保存;对于应用层的软件架构采用浏览器/服务器的结构。电力负荷预测是热源厂能耗监测系统中极其重要的功能,针对该功能进行电力负荷预测方法的研究。结合热源厂实际情况确定影响热源厂电力负荷的关键因素,选用可以处理双向信息流的双向长短期记忆神经网络算法作为基础,并采用注意力机制对其改进,得到基于注意力机制的双向长短期记忆神经网络。最后使用热源厂的历史负荷数据验证该方法的负荷预测性能。为热源厂能耗监测系统设计专用的数据采集器,对热源厂内众多设备进行集中采集。结合热源厂的真实情况分析数据采集器的功能和性能需求,确定数据采集器由主电路模块、电源模块、存储模块和通信模块组成,其中通信模块包括RS-485模块、Lo Ra模块、4G模块和以太网模块。针对各个模块的需求选择合适的器件并进行原理图设计。针对热源厂能耗监测系统的软件模块,对数据采集器的采集功能和远程通信功能进行设计并通过主程序实现对各功能的调用。通过在云平台中搭建数据管理系统,实现对上传的数据的分类存储。在云平台中使用相关软件开发前端界面和后端服务程序,结合数据库实现热源厂能耗数据的实时监测。并通过开发软件调用负荷预测模型,实现电力负荷的预测功能。