مصطفی انبارداران - دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش نرم افزار دانشگاه شهاب دانش
رضا احسن - استادیار دانشگاه آزاد اسلامی واحد قم

امروزه در خانه های هوشمند با استفاده از سیستم های اینترنت اشیاء میتوان کنترل زیادی در مصرف انرژیداشت و با بررسی روند مصرف انرژی میتوان به این نتیجه رسید که روند خاصی در میزان مصرف انرژیهر وسیله خانگی وجود دارد و در صورت بررسی روندهای سریزمانی آن می توان اقدام به شناسایی مصارفغیرعادی انرژی نمود. این پژوهش نیز به صورت کلی با هدف شناسایی مصارف غیر عادی انرژی انجامگردید. ابتدا تجزیه و تحلیل سری های زمانی بر روی داده های اینترنت اشیاء خانه های هوشمند مورد بررسی قرار گرفت و سپس با تکنیک های سری زمانی و یادگیری ماشین، مدل های پیشنهادی Moving ،ARIMA ChangeFinder و LSTM ،Average برای شناسایی مصارف غیر عادی انرژی با معیار ارزیابی درصد پوشش شناسایی کل نقاط ناهنجاری شناسایی شده در دو مدل یا بیشتر مقایسه گردیدند، با توجه به نتایج، مدل های ، Moving Average و ARIMA با ۲۸ درصد پوشش از کل نقاط ناهنجاری، از مدل های دیگر در تشخیص مصارف غیرعادی انرژی عملکرد بهتری داشتند.

خانه هوشمند، سری زمانی، مصرف انرژی، تشخیص مصرف غیر عادی، یادگیری ماشین