احسان توکلی گارماسه - دانشجوی کارشناسی ارشد، گروه مهندسی برق و کامپیوتر، واحد مبارکه، دانشگاه آزاد اسلامی، مبارکه، اصفهان، ایران
مهران عمادی - استادیار، گروه مهندسی برق و کامپیوتر، واحد مبارکه، دانشگاه آزاد اسلامی، مبارکه، اصفهان، ایران

با پیشرفت در اقتصاد و افزایش جمعیت، صنایع مختلف نیز گسترش قابل ملاحظه ای داشته اند. یکی از الزاماتبسیار مهم در صنعت، انرژی الکتریکی است. صنعت پتروشیمی از جمله صنایع بسیار مهم در جهان است که بسیار موردتوجه قرار گرفته است. پیشرفت در صنعت پتروشیمی نیز مرهون انرژی الکتریکی است. بااین حال افزایشجمعیت و صنایع مخصوصا صنایع پتروشیمی به موازات یکدیگر سبب افزایش تقاضا برای انرژی الکتریکی شده است. تولید انرژی الکتریکی به کمک منابع فسیلی یا تجدیدپذیر باعث بروز مسائل مثل آلودگی هوا، گرم شدن کره زمین و آلودگی های زیست محیطی شده است. از طرف دیگر شرکت های تولیدکننده انرژی الکتریکی باید اطلاع دقیقی از نوع و مقدار مصرف مشتریان خود داشته باشند تا بتوانند بر اساس نیاز آن ها به تولید انرژی الکتریکی بپردازند. داده های تولید انرژی الکتریکی بر اساس نیاز کاربران در طول زمان، ایجاد سری های زمانی می کند. این سری های زمانی برای پیشبینی تولید و مصرف انرژی الکتریکی می تواند به کار گرفته شود. روش های مختلفی برای پیشبینی استفاده شده است. از جمله این روش ها میتوان به روش های یادگیری ماشین و یادگیری عمیق اشاره کرد. هدف این مقاله مروری بر این روش ها، بررسی چالش ها و مقایسه آن ها در پیشبینی مصرف انرژی الکتریکی است

انرژی الکتریکی، پیش بینی، یادگیری عمیق، یادگیری ماشین، مصرف صنعتی، پتروشیمی