基于能效理论的能量管理系统管理软件的开发
|
摘要
随着大型建筑的不断涌现和中央空调的普遍应用，建筑能耗大大增加，世界性能源紧张日趋加重，因此，提高建筑中的能源利用效率，合理有效地利用能源，推进大型建筑节能就显得十分重要。目前，许多企业和科研院所纷纷采取各种措施和手段，从不同层次、不同角度对大型建筑实施智能化管理，力图实现节能。在大型公共建筑中采取的最广泛的节能手段之一就是安装楼宇自控系统(BAS)，虽然在提高大楼整体管理水平，实现节能降耗方面取得了一定的成就，但是由于只是针对于各耗能设备分别进行节能监控，缺乏一种立足于全局的能耗分析和管理调度措施，无论是从实际运行的效果还是从系统角度来看，节能效果都不够理想。
为此，本文在分析原有大型公共建筑能量管理系统方面不足的基础上，并借鉴其成功经验，从提高节能措施的可操作性入手，针对大型公共建筑内的机电设备特别是中央空调系统和照明系统的节能降耗给出一种以能量传输效率与能量利用效率为基础的能效检测和评价新观念。从理论和实践两个方面，系统地阐述了这种基于能效理论开发的能量管理系统的运行原理和可操作性。
首先，综合分析了现有大型公共建筑能量管理系统不足，同时应用了一种新的能效理论。新能效理论指出：建筑物能量评价体系不仅包括传统的能量传输效率，还包括能量利用效率。能量利用效率与建筑物中HVAC系统、照明系统的管理和运行模式有关，这部分效率的提高不仅仅要依靠技术进步，更重要的是要通过能量管理、能量调度才能实现。
其次，在立足新能效理论基础上，提出了能量管理系统的整体设计方案，将现代信息处理方法包括数据融合和数据挖掘理论，应用到大型建筑物能量管理系统的信息处理中。引入数据融合算法提高检测参数的准确性，分析了利用数据挖掘方法从大量监测参数中挖掘其间隐含联系的可行性。通过对采集到的大量数据信息进行处理，从理论和技术上为获取能量调度策略提供了一种新方法。
最后，为使该系统能在实验室和工程实际中得到应用，本文给出了能量管理系统管理软件的设计方案，并利用当前主流软件开发平台Microsoft.NET完成了该上位机应用软件包的编程和设计，为研究成果的应用打下基础。
本文开发的能量管理系统管理软件在实验室环境下进行了初步测试，本文将新的能效理论应用到智能建筑中，并利用开发能量管理系统软件进行了相关测试，测试结果表明：该理论是可行的和有效的。与传统的系统相比，不仅能够更加全面合理的计算能量传输效率，而且可以分区域分时段灵活计算能量的利用效率，从全局的角度对建筑物中能耗进行评价，指导能量的调度分配。
HVAC is widely used in intelligent buildings currently. With the serious consumption of energy resources in the world, the energy consumed in large building is focused on by more and more people. It is of importance to improve energy efficiency and reduce energy consumption in intelligent buildings. At present, building energy saving is studied by a great of corporations and academes. For example, building automation systems (BAS) are widely employed in public intelligent buildings to monitor and control the operation of HVAC, elevators, etc by energy saving strategies, which make progress in energy savings. However, because the building consists of HVAC, elevators, lights, water and so on, it is not perfect that BAS carry out energy saving strategy by detecting and controlling device respectively in whole buildings and lack of systemic concept. Therefore a new automatic system is required to provide the reasonable analysis of building energy consumption and distribute the energy based on monitoring majority of different devices.
Based on the efficiency of energy transmission and energy usage, a new method of measurement and evaluation of building energy efficiency is described in this paper. A lot of building energy management strategies are investigated in order to reduce the energy consumption in large public buildings. The probability and the principle of building energy efficiency management systems are systematically introduced based on the energy efficiency theory.
Firstly, A new concept of energy efficiency is proposed in detail by analyzing the existent energy management systems. The evaluation of energy efficiency is composed of energy transmission efficiency and energy usage efficiency. And building energy usage efficiency is connected with modes of operation and management. The energy conversation of usage energy is implemented not only by advanced technologies but also by energy distributions.
Secondly, An energy management system is designed and applied to intelligent public buildings by combining the data fusion algorithm with data mining technology. Data fusion algorithm which helps to improve the computational precision is used to analyze majority of collected and monitored data, evaluate and assess the objects, and make reasonable decisions. Data mining technology is employed to find the relationship among collected data from sensors. Then a new energy distributing and scheduling algorithm are provided.
Finally, The center management software of energy saving system is developed based on Microsoft.NET platform. The management system communicates with data collecting systems distributed in the buildings by Ethernet. And the collected data is moved into database and displayed by report forms and curves to direct the energy distribution.
In order to testify the feasibility of the concept and function of the designed system, the energy saving management system is applied to an official building. The tested results show that the energy consumption is obviously reduced by the designed system in the intelligent building. Compared with the existent energy systems, the designed systems not only calculate the energy transmission efficiency but also flexibly calculate the energy usage efficiency to assess the building energy consumption in terms of a whole system. And it proves that the new point on energy efficiency and energy saving is feasible.
为此，本文在分析原有大型公共建筑能量管理系统方面不足的基础上，并借鉴其成功经验，从提高节能措施的可操作性入手，针对大型公共建筑内的机电设备特别是中央空调系统和照明系统的节能降耗给出一种以能量传输效率与能量利用效率为基础的能效检测和评价新观念。从理论和实践两个方面，系统地阐述了这种基于能效理论开发的能量管理系统的运行原理和可操作性。
首先，综合分析了现有大型公共建筑能量管理系统不足，同时应用了一种新的能效理论。新能效理论指出：建筑物能量评价体系不仅包括传统的能量传输效率，还包括能量利用效率。能量利用效率与建筑物中HVAC系统、照明系统的管理和运行模式有关，这部分效率的提高不仅仅要依靠技术进步，更重要的是要通过能量管理、能量调度才能实现。
其次，在立足新能效理论基础上，提出了能量管理系统的整体设计方案，将现代信息处理方法包括数据融合和数据挖掘理论，应用到大型建筑物能量管理系统的信息处理中。引入数据融合算法提高检测参数的准确性，分析了利用数据挖掘方法从大量监测参数中挖掘其间隐含联系的可行性。通过对采集到的大量数据信息进行处理，从理论和技术上为获取能量调度策略提供了一种新方法。
最后，为使该系统能在实验室和工程实际中得到应用，本文给出了能量管理系统管理软件的设计方案，并利用当前主流软件开发平台Microsoft.NET完成了该上位机应用软件包的编程和设计，为研究成果的应用打下基础。
本文开发的能量管理系统管理软件在实验室环境下进行了初步测试，本文将新的能效理论应用到智能建筑中，并利用开发能量管理系统软件进行了相关测试，测试结果表明：该理论是可行的和有效的。与传统的系统相比，不仅能够更加全面合理的计算能量传输效率，而且可以分区域分时段灵活计算能量的利用效率，从全局的角度对建筑物中能耗进行评价，指导能量的调度分配。
HVAC is widely used in intelligent buildings currently. With the serious consumption of energy resources in the world, the energy consumed in large building is focused on by more and more people. It is of importance to improve energy efficiency and reduce energy consumption in intelligent buildings. At present, building energy saving is studied by a great of corporations and academes. For example, building automation systems (BAS) are widely employed in public intelligent buildings to monitor and control the operation of HVAC, elevators, etc by energy saving strategies, which make progress in energy savings. However, because the building consists of HVAC, elevators, lights, water and so on, it is not perfect that BAS carry out energy saving strategy by detecting and controlling device respectively in whole buildings and lack of systemic concept. Therefore a new automatic system is required to provide the reasonable analysis of building energy consumption and distribute the energy based on monitoring majority of different devices.
Based on the efficiency of energy transmission and energy usage, a new method of measurement and evaluation of building energy efficiency is described in this paper. A lot of building energy management strategies are investigated in order to reduce the energy consumption in large public buildings. The probability and the principle of building energy efficiency management systems are systematically introduced based on the energy efficiency theory.
Firstly, A new concept of energy efficiency is proposed in detail by analyzing the existent energy management systems. The evaluation of energy efficiency is composed of energy transmission efficiency and energy usage efficiency. And building energy usage efficiency is connected with modes of operation and management. The energy conversation of usage energy is implemented not only by advanced technologies but also by energy distributions.
Secondly, An energy management system is designed and applied to intelligent public buildings by combining the data fusion algorithm with data mining technology. Data fusion algorithm which helps to improve the computational precision is used to analyze majority of collected and monitored data, evaluate and assess the objects, and make reasonable decisions. Data mining technology is employed to find the relationship among collected data from sensors. Then a new energy distributing and scheduling algorithm are provided.
Finally, The center management software of energy saving system is developed based on Microsoft.NET platform. The management system communicates with data collecting systems distributed in the buildings by Ethernet. And the collected data is moved into database and displayed by report forms and curves to direct the energy distribution.
In order to testify the feasibility of the concept and function of the designed system, the energy saving management system is applied to an official building. The tested results show that the energy consumption is obviously reduced by the designed system in the intelligent building. Compared with the existent energy systems, the designed systems not only calculate the energy transmission efficiency but also flexibly calculate the energy usage efficiency to assess the building energy consumption in terms of a whole system. And it proves that the new point on energy efficiency and energy saving is feasible.
引文
[1] 黄绪镜．百货商场空调设计[M]．北京：中国建筑工业出版社，1991
[2] 王天富．空调工程[M]．北京：机械工业出版社，2006
[3] F．C．麦奎斯顿，J．D．帕克，J．D．斯皮特勒．供暖、通风及空气调节[M]．俞炳丰译．北京：化学工业出版社，2005
[4] 李先瑞．供热空调系统运行管理、节能、诊断[M]．北京：中国电力出版社，2003
[5] 吴晓燕．公共建筑空调系统的节能设计与优化管理[D]．长沙：湖南大学，2006
[6] 梁春生，智勇等．中央空调变流量控制节能技术[M]．北京：电子工业出版社，2005
[7] 李林．智能大厦系统工程[M]．北京：电子工业出版社，1998
[8] 杜晓通，王雷，李蕾．能量管理与节能[J]．智能建筑．2006．11(9)：21～22
[9] 刘同明，夏祖勋，解洪成．数据融合技术及其应用[M]．北京：国防工业出版社，1998
[10] Pang-Ning Tan，Michael Steinbach，Vipin Kumar．数据挖掘导论[M]．北京：人民邮电出版社，2006
[11] 杜晓通．基于能效的能量管理[A]．智能建筑与节能高峰论坛资料汇编[C]．中国建筑业协会智能建筑专业委员会秘书处编印．2006．51～55
[12] 杜晓通，孙毅，袁亚平．基于IP技术的能量管理系统的设计与实现[A]．智能建筑与绿色建筑文集3[C]．北京：中国建筑工业出版社，2007．618～620
[13] 蔡菲娜，刘勤贤，朱根兴．数据融合方法在单传感器系统中的应用[J]．数据采集与处理．2005，20(1)：88～90
[14] Luo R C, Lin M H, Scherp R S. Dynamic multi-sen-sot data fusion system for intelligent robots[J]. IEEE Journal of Robotics and Automation, 1988. 4(4): 386～396
[15] Luo R C, Michael G K. Mutilsensor integration andfusion in intelligent systems[J]. IEEE Trans System Man and Cybernetics. 1989, 19(5): 901～931
[16] 周福娜，周梅，文成林．多传感器数据融合效果分析[J]．河南大学学报(自然科学版)，2003，33(2)：33～36
[17] 何剑斌，郑启伦，彭宏．数据融合与数据挖掘的集成研究[J]．计算机工程与应用，2002，38(18)：204～206
[18] 王璿，高社生，赵霞．数据挖掘与数据融合集成系统模型[J]．计算机工程与应用， 2006，(18)：181～183
[19] Paolo Giudici．实用数据挖掘[M]．袁方，王煜，王丽娟等译．北京：电子工业出版社，2004
[20] Olivia Parr Rud．数据挖掘实践[M]．鲁德，朱扬勇，左子叶译．北京：机械工业出版社，2003
[21] 周军，王志胜，周风岐．基于线性均方估计的数据融合理论[J]．宇航学报，2003，24(4)：364～367
[22] 李启虎．独立观测资料的最佳线性数据融合[J]．声学学报．2000．25(5)：385～388
[23] 罗中良，张前进，方清城等．智能仪表中的一种数据融合方法[J]．仪表技术与传感器，2002，(3)：45～46
[24] 黎明，张化光．基于粗糙集的神经网络建模方法研究[J]．自动化学报．2002：28(1)：27～33
[25] 张国权．应用概率统计[M]．北京：科学出版社，2003．116～119
[26] 薛惠锋，张文宇，寇晓东．智能数据挖掘技术[M]．西安：西北工业大学出版社，2005
[27] David Hand，Heikki Mannila，Padhraic Smyth．数据挖掘原理[M]．张银奎，廖丽，宋俊译．北京：机械工业出版社：2003
[28] R Agrawal, T Imielinski, K A Swami. Mining Association Rules between sets of Items in Large Databases[C]. In Proc of the ACM-SIGMOD Conf. On the Management of Data. Canada, 1993, 207～216
[29] R Srikant, R Agrawal. Mining Quantitative Association Rules Relational Table in Proceedings of the ACM-SIGMOD Conference on Management of Data[C]. Montreal, Canada. 1996, 1～12
[30] R Srikant, Q Vu, R Agrawal. Mining Association Rules with Item Constraials[C]. In Proc. of the Third Int 7 Conf. on knowledge Discovery in Databases and Data Mining. American, 1992. 67～73
[31] R Agrawal, H Mannila. R Srikant etal. Fast Discovery of Association Rules. In Advances in Knowledge Discovery and Data Mining[M]. American: AAAI Press, 1996
[32] J S Park, M-s Chen, P S Yu. An Effective Hash Based Algorithm for Mining Association Rules[C]. In Proc of the ACM-SIGMOD Confon the Management of Data, London, 1995, 175～186
[33] A Savasere. E Omiecinski, S Navathe. An Efficient Algorithm for Mining Association Rules in Large Databases[C]. In Proc of the 21st Conf. On Very Large Data-Bases. London, 1995, 432～444
[34] 何明国，唐耀．Visual Basic.NET程序设计[M]．北京：中国水利水电出版社，2004
[35] Steven Holzner．21天学通Visual Basic.NET 2003中文版[M]．袁鹏飞译．北京：人民邮电出版社，2004
[36] Thearon Willis，Jonathan Crossland，Richard Blair．VB.NET入门经典[M]．北京：清华大学出版社，2005
[37] 刘炳文．精通Visual Basic.NET中文版[M]．北京：机械工业出版社，2004
[38] Billy S．Hollis，Rockford Lhotka．高效掌握Visual Basic.NET[M]．北京：清华大学出版社，2002
[39] Evjen B，Beres J．Visual Basic.NET宝典[M]．徐小青，王建成等译．北京：电子工业出版社，2002
[40] HoffmanK，Gabriel J．.NET Framework高级编程[M]．汪钟鸣等译．北京：清华大学出版社，2002
[41] David C．Hay．需求分析[M]．孙海涛，赵凯，朱卫东译．北京：清华大学出版社，2004
[42] Ralph R．Young．有效需求实践[M]．韩柯，耿民译．北京：机械工业出版社，2002
[43] John W．Satzinger，Robert B．Jackson,Stephen D．Burd．系统分析与设计[M]．朱群雄，汪晓男译．北京：机械工业出版社，2002
[44] 王开军，王成明，王雷，蔡文剑．中央空调系统能量审计和节能控制研究[J]．智能建筑．2006．11(9)：26～28
[45] Alistair Cockbum．编写有效用例[M]．王雷，张莉译．北京：机械工业出版社，2002
[46] 萨师煊，王珊．数据库系统概论[M]．北京：高等教育出版社，2000
[47] 徐国智，汪孝宜．SQL Server数据库开发实例精粹[M]．北京：电子工业出版社，2006
[48] 陈文军，陈晓铭．Visual Basic.NET数据库编程[M]．北京：清华大学出版社，2005
[49] 程晓琳，宋苗云，黄志超等．Visual Basic.NET数据库高级教程[M]．北京：清华大学出版社，2004
[50] F.Scott Barker.VB.NET与ADO.NET数据库编程[M]．北京：机械工业出版社，2003
[51] 袁小玲．ADO.NET及在Visual Basic.NET窗体中的应用研究[J]．交通与计算机．2002，20(4)：55～57
[52] 王晟．Visual Basic.NET数据库开发经典案例解析[M]．北京：清华大学出版社，2005
[53] 刘宝顺．Visual Basic.NET数据库开发专业教程[M]．北京：清华大学出版社，2004
[54] 邵谦谦，银华强．精通Visual Basic.NET 2003数据库开发[M]．北京：清华大学出版社，2003
[55] 黄嘉辉．Visual Basic.NET网络程序设计[M]．北京：清华大学出版社，2003
[56] 崔彦峰，银华强．精通Visual Basic.NET网络编程[M]．北京：清华大学出版社，2004
[57] Kourosh Ardestani，Fabio Claudio Ferracchiati．Visual Basic.NET线程参考手册[M]．北京：清华大学出版社：2002
[58] 欧广宇，邓桂英．多线程技术基于VB.NET的实现．微机发展[J]．2004，14(11)：101～103
[59] 毛平平，朱秋萍．VB中多线程应用的设计与实现[J]．计算机工程，2001，27(8)：157～159
[60] 王金保，李伟．用VB.NET创建多线程和同步的几个问题[J]．抚顺石油学院学报，2003，23(9)：65～68
[61] Chris Sells，Justin Gehtland．Visual Basic.NET Windows Forms编程[M]．北京：中国电力出版社，2005
[62] 汪厚祥，李卉．基于角色的访问控制研究[J]．计算机应用研究，2005，(4)：125～127
[63] 董大伟．Visual Basic.NET程序设计[M]．北京：清华大学出版社，2004
[64] 沈瑞珠．智能照明系统在智能建筑中的应用[J]．低压电器，2002，(5)：20～22
[2] 王天富．空调工程[M]．北京：机械工业出版社，2006
[3] F．C．麦奎斯顿，J．D．帕克，J．D．斯皮特勒．供暖、通风及空气调节[M]．俞炳丰译．北京：化学工业出版社，2005
[4] 李先瑞．供热空调系统运行管理、节能、诊断[M]．北京：中国电力出版社，2003
[5] 吴晓燕．公共建筑空调系统的节能设计与优化管理[D]．长沙：湖南大学，2006
[6] 梁春生，智勇等．中央空调变流量控制节能技术[M]．北京：电子工业出版社，2005
[7] 李林．智能大厦系统工程[M]．北京：电子工业出版社，1998
[8] 杜晓通，王雷，李蕾．能量管理与节能[J]．智能建筑．2006．11(9)：21～22
[9] 刘同明，夏祖勋，解洪成．数据融合技术及其应用[M]．北京：国防工业出版社，1998
[10] Pang-Ning Tan，Michael Steinbach，Vipin Kumar．数据挖掘导论[M]．北京：人民邮电出版社，2006
[11] 杜晓通．基于能效的能量管理[A]．智能建筑与节能高峰论坛资料汇编[C]．中国建筑业协会智能建筑专业委员会秘书处编印．2006．51～55
[12] 杜晓通，孙毅，袁亚平．基于IP技术的能量管理系统的设计与实现[A]．智能建筑与绿色建筑文集3[C]．北京：中国建筑工业出版社，2007．618～620
[13] 蔡菲娜，刘勤贤，朱根兴．数据融合方法在单传感器系统中的应用[J]．数据采集与处理．2005，20(1)：88～90
[14] Luo R C, Lin M H, Scherp R S. Dynamic multi-sen-sot data fusion system for intelligent robots[J]. IEEE Journal of Robotics and Automation, 1988. 4(4): 386～396
[15] Luo R C, Michael G K. Mutilsensor integration andfusion in intelligent systems[J]. IEEE Trans System Man and Cybernetics. 1989, 19(5): 901～931
[16] 周福娜，周梅，文成林．多传感器数据融合效果分析[J]．河南大学学报(自然科学版)，2003，33(2)：33～36
[17] 何剑斌，郑启伦，彭宏．数据融合与数据挖掘的集成研究[J]．计算机工程与应用，2002，38(18)：204～206
[18] 王璿，高社生，赵霞．数据挖掘与数据融合集成系统模型[J]．计算机工程与应用， 2006，(18)：181～183
[19] Paolo Giudici．实用数据挖掘[M]．袁方，王煜，王丽娟等译．北京：电子工业出版社，2004
[20] Olivia Parr Rud．数据挖掘实践[M]．鲁德，朱扬勇，左子叶译．北京：机械工业出版社，2003
[21] 周军，王志胜，周风岐．基于线性均方估计的数据融合理论[J]．宇航学报，2003，24(4)：364～367
[22] 李启虎．独立观测资料的最佳线性数据融合[J]．声学学报．2000．25(5)：385～388
[23] 罗中良，张前进，方清城等．智能仪表中的一种数据融合方法[J]．仪表技术与传感器，2002，(3)：45～46
[24] 黎明，张化光．基于粗糙集的神经网络建模方法研究[J]．自动化学报．2002：28(1)：27～33
[25] 张国权．应用概率统计[M]．北京：科学出版社，2003．116～119
[26] 薛惠锋，张文宇，寇晓东．智能数据挖掘技术[M]．西安：西北工业大学出版社，2005
[27] David Hand，Heikki Mannila，Padhraic Smyth．数据挖掘原理[M]．张银奎，廖丽，宋俊译．北京：机械工业出版社：2003
[28] R Agrawal, T Imielinski, K A Swami. Mining Association Rules between sets of Items in Large Databases[C]. In Proc of the ACM-SIGMOD Conf. On the Management of Data. Canada, 1993, 207～216
[29] R Srikant, R Agrawal. Mining Quantitative Association Rules Relational Table in Proceedings of the ACM-SIGMOD Conference on Management of Data[C]. Montreal, Canada. 1996, 1～12
[30] R Srikant, Q Vu, R Agrawal. Mining Association Rules with Item Constraials[C]. In Proc. of the Third Int 7 Conf. on knowledge Discovery in Databases and Data Mining. American, 1992. 67～73
[31] R Agrawal, H Mannila. R Srikant etal. Fast Discovery of Association Rules. In Advances in Knowledge Discovery and Data Mining[M]. American: AAAI Press, 1996
[32] J S Park, M-s Chen, P S Yu. An Effective Hash Based Algorithm for Mining Association Rules[C]. In Proc of the ACM-SIGMOD Confon the Management of Data, London, 1995, 175～186
[33] A Savasere. E Omiecinski, S Navathe. An Efficient Algorithm for Mining Association Rules in Large Databases[C]. In Proc of the 21st Conf. On Very Large Data-Bases. London, 1995, 432～444
[34] 何明国，唐耀．Visual Basic.NET程序设计[M]．北京：中国水利水电出版社，2004
[35] Steven Holzner．21天学通Visual Basic.NET 2003中文版[M]．袁鹏飞译．北京：人民邮电出版社，2004
[36] Thearon Willis，Jonathan Crossland，Richard Blair．VB.NET入门经典[M]．北京：清华大学出版社，2005
[37] 刘炳文．精通Visual Basic.NET中文版[M]．北京：机械工业出版社，2004
[38] Billy S．Hollis，Rockford Lhotka．高效掌握Visual Basic.NET[M]．北京：清华大学出版社，2002
[39] Evjen B，Beres J．Visual Basic.NET宝典[M]．徐小青，王建成等译．北京：电子工业出版社，2002
[40] HoffmanK，Gabriel J．.NET Framework高级编程[M]．汪钟鸣等译．北京：清华大学出版社，2002
[41] David C．Hay．需求分析[M]．孙海涛，赵凯，朱卫东译．北京：清华大学出版社，2004
[42] Ralph R．Young．有效需求实践[M]．韩柯，耿民译．北京：机械工业出版社，2002
[43] John W．Satzinger，Robert B．Jackson,Stephen D．Burd．系统分析与设计[M]．朱群雄，汪晓男译．北京：机械工业出版社，2002
[44] 王开军，王成明，王雷，蔡文剑．中央空调系统能量审计和节能控制研究[J]．智能建筑．2006．11(9)：26～28
[45] Alistair Cockbum．编写有效用例[M]．王雷，张莉译．北京：机械工业出版社，2002
[46] 萨师煊，王珊．数据库系统概论[M]．北京：高等教育出版社，2000
[47] 徐国智，汪孝宜．SQL Server数据库开发实例精粹[M]．北京：电子工业出版社，2006
[48] 陈文军，陈晓铭．Visual Basic.NET数据库编程[M]．北京：清华大学出版社，2005
[49] 程晓琳，宋苗云，黄志超等．Visual Basic.NET数据库高级教程[M]．北京：清华大学出版社，2004
[50] F.Scott Barker.VB.NET与ADO.NET数据库编程[M]．北京：机械工业出版社，2003
[51] 袁小玲．ADO.NET及在Visual Basic.NET窗体中的应用研究[J]．交通与计算机．2002，20(4)：55～57
[52] 王晟．Visual Basic.NET数据库开发经典案例解析[M]．北京：清华大学出版社，2005
[53] 刘宝顺．Visual Basic.NET数据库开发专业教程[M]．北京：清华大学出版社，2004
[54] 邵谦谦，银华强．精通Visual Basic.NET 2003数据库开发[M]．北京：清华大学出版社，2003
[55] 黄嘉辉．Visual Basic.NET网络程序设计[M]．北京：清华大学出版社，2003
[56] 崔彦峰，银华强．精通Visual Basic.NET网络编程[M]．北京：清华大学出版社，2004
[57] Kourosh Ardestani，Fabio Claudio Ferracchiati．Visual Basic.NET线程参考手册[M]．北京：清华大学出版社：2002
[58] 欧广宇，邓桂英．多线程技术基于VB.NET的实现．微机发展[J]．2004，14(11)：101～103
[59] 毛平平，朱秋萍．VB中多线程应用的设计与实现[J]．计算机工程，2001，27(8)：157～159
[60] 王金保，李伟．用VB.NET创建多线程和同步的几个问题[J]．抚顺石油学院学报，2003，23(9)：65～68
[61] Chris Sells，Justin Gehtland．Visual Basic.NET Windows Forms编程[M]．北京：中国电力出版社，2005
[62] 汪厚祥，李卉．基于角色的访问控制研究[J]．计算机应用研究，2005，(4)：125～127
[63] 董大伟．Visual Basic.NET程序设计[M]．北京：清华大学出版社，2004
[64] 沈瑞珠．智能照明系统在智能建筑中的应用[J]．低压电器，2002，(5)：20～22