روشی نوین جهت بهبود مصرف انرژی در شهر هوشمند با استفاده یادگیری عمیق

امروزه با توجه به افزایش تقاضای انرژی، مدیریت بهینه مصرف انرژی به یکی از چالش های اصلی در شهرهای هوشمند تبدیل شده است. این تحقیق گامی مهم در جهت هوشمندسازی مدیریت انرژی در شهرهای هوشمند است. در این تحقیق برای پیش بینی دقیق مصرف انرژی یک مدل ترکیبی مبتنی بر یادگیری عمیق، شبکه های عصبی کانولوشنی (CNN)و شبکه عصبی حافظه های طولانی کوتاه مدت (LSTM) پیشنهاد می شود. با ترکیب این دو مدل، می توان پیش بینی دقیق تری از مصرف انرژی آینده داشت و با شناسایی الگوهای پیچیده مصرف انرژی وارائه راهکارهای بهینه سازی مصرف انرژی تصمیمات بهتری برای مدیریت انرژی اتخاذ کرد. ابتدا داده های مصرف انرژی از منابع مختلف مانند حسگرها و کنتورهای هوشمند جمع آوری می شود سپس پیش پردازش داده ها برای آماده سازی آن ها برای آموزش مدل انجام می شود و از CNN برای استخراج ویژگی های مکانی از داده های مصرف انرژی وLSTM برای درک الگوهای زمانی این داده ها و پیش بینی مصرف انرژی استفاده می شود. روش پیشنهادی دارای مزایایی نظیر دقت بالای پیش بینی مصرف انرژی، شناسایی الگوهای پیچیده در مصرف انرژی، امکان اتخاذ تصمیمات بهتر برای مدیریت انرژی، کمک به کاهش مصرف انرژی و بهبود پایداری محیط زیست است.

روشی نوین جهت بهبود مصرف انرژی در شهر هوشمند با استفاده یادگیری عمیق Keywords:

شهر هوشمند , یادگیری عمیق , شبکه های عصبی کانولوشنی , شبکه عصبی حافظه های طولانی کوتاه مدت , پیش بینی مصرف انرژی , بهینه سازی انرژی