| پیشبینی و بهینهسازی مصرف انرژی با استفاده از تحلیل کلانداده و یادگیری ماشین |
| کد مقاله : 1318-NAEC |
| نویسندگان |
|
علیرضا فلکی *1، حسین صابری2 1دانشجو کارشناسی ارشد هوش مصنوعی و رباتیکز دانشگاه جامع امام حسین (ع) 2استاد یار دانشگاه جامع امام حسین(ع) |
| چکیده مقاله |
| افزایش مصرف انرژی الکتریکی در بخش ساختمان، همراه با رشد شهرنشینی و پیچیدگی رفتار مصرفکنندگان، پیشبینی دقیق مصرف انرژی را به یکی از چالشهای اساسی سیستمهای مدیریت انرژی تبدیل کرده است. توسعه کنتورهای هوشمند منجر به تولید حجم عظیمی از دادههای زمانی با دقت بالا شده است که تحلیل آنها نیازمند روشهای پیشرفته تحلیل کلانداده میباشد. در این پژوهش، یک چارچوب دادهمحور مبتنی بر الگوریتمهای یادگیری ماشین برای پیشبینی مصرف انرژی الکتریکی خانوارها ارائه شده است. دادههای مورد استفاده شامل اطلاعات واقعی مصرف برق ثبتشده توسط کنتورهای هوشمند در بازههای زمانی نیمساعته است. پس از انجام مراحل پیشپردازش دادهها شامل پاکسازی، نرمالسازی و استخراج ویژگیهای زمانی و اجتماعی–اقتصادی، چندین مدل یادگیری ماشین مورد آموزش و ارزیابی قرار گرفتند. بهمنظور در نظر گرفتن تفاوتهای رفتاری مصرفکنندگان، طبقهبندی اجتماعی–اقتصادی ACORN بهعنوان یکی از ویژگیهای ورودی مدلها استفاده شد. نتایج حاصل از آزمایشها نشان میدهد که مدلهای غیرخطی عملکرد بهتری نسبت به مدلهای خطی در پیشبینی مصرف انرژی دارند و قادر به مدلسازی الگوهای پیچیده مصرف هستند. چارچوب پیشنهادی میتواند بهعنوان ابزاری مؤثر در سیستمهای مدیریت هوشمند انرژی برای کاهش بار اوج و بهینهسازی مصرف انرژی مورد استفاده قرار گیرد |
| کلیدواژه ها |
| پیشبینی مصرف انرژی، کلانداده، کنتور هوشمند، یادگیری ماشین، طبقهبندی اجتماعی–اقتصادی |
| وضعیت: پذیرفته شده |
