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 میتوان اقدام به پیش بینی مصرفانرژی نمود. این پژوهش نیز به صورت کلی با هدف پیش بینی مصرف انرژی انجام گردید. ابتدا تجزیه وتحلیل سری های زمانی بر روی داده های اینترنتاشیاء خانه های هوشمند مورد بررسی قرار گرفت و سپسبا تکنیک های سری زمانی و یادگیری ماشین، مدل های پیشنهادی برای پیش بینی مصرف انرژی معرفی شد و در نهایت مدل های ارائه شده برای پیش بینی، با معیارهای ارزیابی و MAPE ،RMSE ،MAE ،MSE ضریب تعیین از لحاظ عملکرد مقایسه گردیدند. با توجه به نتایج، مدل LSTM چند متغیره در تمام معیارهای ارزیابی، در حالت برداشت ساعتی از مجموعه داده به دلیل در نظر گرفتن توالی داده ها و بهره گیری از متغیرهای وابسته، بهترین مدل شناخته شد و سپس مدل های LSTM تک متغیره Persistence Moving Average و LightGBM ،Prophet با توجه به معیار ضریب تعیین، عملکرد مناسبی را در پیش بینی مصرف انرژی داشتند و مدل های VAR و ARIMA با توجه به معیار ارزیابی ضریب تعیین و همچنین مدل های Auto_Arima و Sarimax ،Arima_dynamic با توجه به محدودیت اجرا برای پیش بینی سری زمانی در حالت برداشت داده با فرکانس ساعتی از این مجموعه داده مناسب نبودند.

خانه هوشمند، سری زمانی، مصرف انرژی، پیش بینی مصرف انرژی، یادگیری ماشین