پیش بینی و بهینه سازی مصرف انرژی با استفاده از تحلیل کلان داده و یادگیری ماشین

افزایش مصرف انرژی الکتریکی در بخش ساختمان، همراه با رشد شهرنشینی و پیچیدگی رفتار مصرف کنندگان، پیش بینی دقیق مصرف انرژی را به یکی از چالش های اساسی سیستم های مدیریت انرژی تبدیل کرده است. توسعه کنتورهای هوشمند منجر به تولید حجم عظیمی از داده های زمانی با دقت بالا شده است که تحلیل آن ها نیازمند روش های پیشرفته تحلیل کلان داده می باشد. در این پژوهش، یک چارچوب داده محور مبتنی بر الگوریتم های یادگیری ماشین برای پیش بینی مصرف انرژی الکتریکی خانوارها ارائه شده است. داده های مورد استفاده شامل اطلاعات واقعی مصرف برق ثبت شده توسط کنتورهای هوشمند در بازه های زمانی نیم ساعته است. پس از انجام مراحل پیش پردازش داده ها شامل پاک سازی، نرمال سازی و استخراج ویژگی های زمانی و اجتماعی–اقتصادی، چندین مدل یادگیری ماشین مورد آموزش و ارزیابی قرار گرفتند. به منظور در نظر گرفتن تفاوت های رفتاری مصرف کنندگان، طبقه بندی اجتماعی–اقتصادی ACORN به عنوان یکی از ویژگی های ورودی مدل ها استفاده شد. نتایج حاصل از آزمایش ها نشان می دهد که مدل های غیرخطی عملکرد بهتری نسبت به مدل های خطی در پیش بینی مصرف انرژی دارند و قادر به مدل سازی الگوهای پیچیده مصرف هستند. چارچوب پیشنهادی می تواند به عنوان ابزاری موثر در سیستم های مدیریت هوشمند انرژی برای کاهش بار اوج و بهینه سازی مصرف انرژی مورد استفاده قرار گیرد.

Keywords:

پیش بینی مصرف انرژی , کلان داده , کنتور هوشمند , یادگیری ماشین , طبقه بندی اجتماعی–اقتصادی