伴随着互联网技术的快速发展及智慧校园建设的逐步推广,高校已经迈入信息化、智能化管理时代,同时校园内弱电系统所承载的应用设备也更加多样化、复杂化。弱电系统安全稳定的运转是校园内教学科研开展、后勤管理工作及师生日常生活的基本保障。在当下信息化时代中,弱电系统的管理模式及方法需进行全面改进。在传统的弱电系统中,通常将网络交换机等重要设备直接接入普通的电源插座中,当异常事故发生时会对弱电系统各种设备造成不可逆的损伤,同时在弱电系统的管理方面,仅通过管理员人工巡查及维护的方式不能实现对弱电系统中的设备进行实时管控。本文首先针对弱电系统中的实际情况设计了合理的设备布局方案,将设备整体接入电源分配单元(Power Distribution Unit)进行供电管理,电源分配单元能够对设备进行实时智能化稳压恒流保护,提高了弱电系统整体稳定性及安全性。同时结合智能设备、大数据、深度学习、服务器端与客户端开发等技术实施建设一套集实时信息展示、电能统计分析、设备远程管控、设备异常预警及设备电能预测等功能为一体的管控平台,能够有效的提高弱电系统管理维护的效率。本文主要从以下几个方面进行研究:(1)平台需求及架构分析。通过对校园内弱电系统的实际规模及设备部署及当前管理情况进行实地考察,确定了平台的研发方向并设计规划了平台的具体功能模块,结合平台的实际需求选取合适的技术栈及开发方案,并对平台整体架构、网络架构、软件架构及功能架构进行分析。(2)平台详细设计。根据平台的需求及架构,将平台划分为设备通信模块、电能大数据模块、电能预测模块及应用平台模块这四个独立模块。设备通信模块实现了服务器与弱电系统中设备的通信交互。电能大数据处理模块使用Logstash进行弱电系统设备电能的采集,通过Kafka消息队列实现数据的稳定传输,使用Spark Streaming进行数据的实时分析处理,引入HBase进行设备实时电能数据的存储。电能预测模块设计了一种基于LSTM神经网络的电能预测模型,对弱电系统设备电能进行趋势的预测。应用平台模块采用B/S架构模式,使用Vue及Spring技术栈进行Web及小程序双平台开发。(3)平台的具体实现及测试。本文分别使用LSTM神经网络、BP神经网络、RNN神经网络搭建预测模型并依据度量指标进行三种模型预测结果的对比分析。同时对应用平台中账户管理、电能展示、电能预警、设备管控、日志查询五大业务模块进行具体功能的实现。当平台整体功能开发完成后,对平台进行完整的功能、性能、兼容性及安全性测试,并对测试结果进行分析。本文设计实现的校园弱电系统管控平台功能完善、服务稳定,平台各个功能模块均正常运行。本平台的投入使用有效改善了校园弱电系统的稳定性及安全性,降低了人力管理成本并提高了管控效率,同时推进了高校的信息化建设。