آرمین ربیعی فرد
مرضیه فریدی ماسوله - عضو هیات علمی، موسسه آموزش عالی احرار رشت
مریم عابدینی - دکتری، مدرس مدعو دانشگاه گیلان

امروزه مصرف انرژی نقش مهمی در محاسبه ی بارهای گرمایشی و سرمایشی واحدهای مسکونی، صنعتی و غیره را دارد. جهت محاسبه، طراحی و انتخاب سیستم گرمایش-سرمایش نیاز به یک روش مناسب تجزیه و تحلیل مصرف و هزینه ی است تا بتوان داده های مورد نیاز موتورهای تهویه ی مطبوع را تهیه و سیستمی هوشمند را طراحی نمود. در این پژوهش روشی جهت تعادل دمای ساختمان هوشمند در بستر اینترنت اشیا مبتنی بر ترکیب تکنیک های برش شبکه و خوشه بندی ارائه می شود. جهت رسیدن به بهینگی الگوریتم در این روش لازم است داده های ناهمگن به داده های همگن تبدیل شوند که این امر با معرفی یک شبکه پیچیده و تکنیک های خوشه بندی مناسب انجام شد. در این روش اطلاعات توسط IoT جمع آوری و ماتریس گراف این داده ها ساخته شد، سپس توسط یک روش هوش مصنوعی و ترکیب سه روش خوشه بندی سلسله مراتبی، آمیخته گوسی و K-means برای مقایسه به نتایج اولیه ثبت گردید. در نهایت با توجه به قابل اعتماد بودن روش K-means و استفاده از رایگیری اکثریت به وزن ها روش K-means به مقدار ۰.۴ رسید و به عنوان روش خوشه بندی انتخاب شد. در بخش اصلی، روش پیشنهادی مبتنی بر طبقه بندها مختلف در معیارهای مناسب مورد ارزیابی قرار گرفت و نتایج قابل قبولی به ثبت رساند، به طوری که با کمترین مقدار ۸۸ درصد و بالاترین مقدار حدود ۱۰۰ می توان نتایج روش پیشنهادی را تایید و همه فرضیه های روش را امکان پذیر و قابل قبول اعلام کرد.

تعادل دمای ساختمان هوشمند، اینترنت اشیا،گراف، تکنیک های برش شبکه، خوشه بندی K-means سلسله مراتبی و آمیخته گوسی.