شخصی سازی مصرف انرژی در خانه های هوشمند با استفاده از تکنیک های یادگیری ماشین
Publish place: 6th International Web Research Conference
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 724
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IRANWEB06_002
تاریخ نمایه سازی: 16 مرداد 1399
Abstract:
به دلیل مصرف انرژی بالا ساختمان ها، مدیریت انرژی در خانه های هوشمند یک چالش اساسی است. سیستم های توصیه گر شخصی سازی شده یک راه حل برای بهینه سازی مصرف انرژی از طریق تحلیل رفتارهای مصرف انرژی ساختمان است. تکنیک تجزیه انرژی NILM یک راه حل بهینه است. با این حال، ترکیب سیستم های پیشنهاد دهنده و NILM توجه کمتری را به خود جلب کرده است. این مقاله یک سیستم توصیه گر شخصی سازی مبتنی بر NILM پیشنهاد می کند که دارای سه فاز اصلی است: NILM مبتنی بر DAE، دسته بندی متون مبتنی بر TF-IDF و پیشنهاد شخصی سازی شده. به دلیل نویز در داده ها، NILM مبتنی بر DAE کمک می کند تا نویزها از سیگنال ها شناسایی شوند. نیازمندی ها و علاقه مندی های خانوارها در این مرحله شناسایی می شوند. در فاز دوم از تکنیک TF-IDF برای استخراج کلمات پر اهمیت از لوازم بهینه و اختصاص برچسب به آنها استفاده می شود. در نهایت در فاز سوم، از تکنیک شبیه سازی کسینوسی برای ارائه پیشنهاد استفاده می شود. در این گام برای هر وسیله که در لیست نیازمندی های کاربر وجود دارد یک پیشنهاد تولید می شود. رویکرد پیشنهادی با استفاده از مجموعه داده REDD مورد بررسی قرار گرفت. نتایج نشان داد که دقت سیستم توصیه گر حدود 60% بوده است.
Keywords:
Authors
فاطمه تقوائی
دانشجوی کارشناسی ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، موسسه آموزش عالی آیندگان، تنکابن، ایران
رامین صفا
گروه مهندسی کامپیوتر، موسسه آموزش عالی آیندگان، تنکابن، ایران
همایون بهشتی
گروه مهندسی کامپیوتر، موسسه آموزش عالی ایندگان، تنکابن، ایران