بهینه سازی انرژی الکتریکی مصرفی براساس الگوهای رفتاری ساکنان در خانه هوشمند با استفاده از الگوریتم داده کاوی با به کارگیری سیستم شبکه هوشمند و منابع انرژی تجدیدپذیر

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 461

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ISEE-12-2_001

تاریخ نمایه سازی: 20 مرداد 1400

چکیده مقاله:

این پژوهش به بهینه سازی مصرف انرژی الکتریکی با نظارت بر توان مصرفی ناشی از فعالیت های ساکنان در بازه های زمانی مختلف در طول شبانه روز و ذخیره توان الکتریکی مصرفی آنها در یک پایگاه داده ای برای ایجاد مدل های پیش بینی شده براساس روش های یادگیری ماشین به مدل سازی مصرف انرژی ساختمان های هوشمند می پردازد. سپس با ارائه یک الگوریتم برای یادگیری ماشین مبتنی بر سیستم مدیریت بهره وری انرژی برای عملکرد اتوماتیک تجهیزات خانگی براساس رفتار پیشین ساکنان به شکل گیری ساختمان هوشمند اتوماتیک بدون دخالت ساکنان منجر می شود. مدیریت و نظارت بر فرایند عرضه و تقاضا انرژی و ادغام پنل های خورشیدی خانگی در ساختمان برای تامین بخشی از انرژی مصرفی، مزیت اصلی اجرای فناوری شبکه های هوشمند در ساختمان مطالعه شده بود. این تحقیق نشان داد روزانه ۹ kwh انرژی الکتریکی از پنل های خورشیدی خانگی تولید می شود. درنهایت، با مقایسه هر بخش ساختمان با یک ساختمان عادی مشابه در سناریوی حضور که ساکنان بالاترین مصرف انرژی را دارند، نتایج بهینه سازی نمایش داده شد؛ به طوری که در سیستم روشنایی ۲۵%، سیستم پریز ۱۵% و سیستم سرمایش و گرمایش حدود ۴۰% انرژی مصرفی بدون کاهش سطح آسایش ساکنان صرفه جویی شد.

کلیدواژه ها:

نویسندگان

علیرضا رضائی

استادیار، گروه مهندسی مکاترونیک و ممز دانشکده علوم و فنون نوین دانشگاه تهران - تهران – ایران

بهنام مرادی

کارشناس ارشد برق_سیستم های قدرت-تهران-ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • V.Ricquebourg, d.Menga, D.Durand, b.Marhic, L. delahhe, C.loge, "The Smart home ...
  • Y.Duan, j.Edwards, T.Dwivedi, "Artificial intelligence for decision making in the ...
  • R.Nunes, J.Delgado, "An architecture for a home automation system", IEEE ...
  • M.ZekićSušac, R. Scitovski, A. Has, "Cluster analysis and artificial neural ...
  • H.Krstić, M. Teni, "Algorithm for constructional characteristics data cleansing of ...
  • M. Zekić-Sušac, M. Knežević, R. Scitovski, "Deep learning in modeling ...
  • V.Marinakis, H.Doukas,. "An advanced IoT-based system for intelligent energy management ...
  • D.GonzaloHuitrón, "Reducing home power Consumption with Wireless Controllers",Low power,Vol.۲ , ...
  • M. Mavhome, "Smart Environments: Technologies, Protocols and Applications", IEEE Pervasiv ...
  • M.Muratori, C.Matthew, R. Roberts, M.Sioshansi, "A highly resolved modeling technique ...
  • S. Ontario, "Smart Grid Forum, Enabling Tomorrow Electricity System",Report of ...
  • G.trabac, "Demand Side Management: Benefits and Challenges", Energy Policy, Vol. ...
  • S.Firth, K. Lomas, R. Measurements." Smart Building”, Energy and buildings", ...
  • Hawarah, S. Ploix, and M. Jacomino, "User behavior prediction in ...
  • G. Gao and K. Whitehouse, "The self- programmi thermostat: optimizing ...
  • نمایش کامل مراجع