ارائه یک روش مدیریت انرژی در اینترنت اشیاء: بهرهگیری از قدرت شبکه عصبی عمیق برای بهینه سازی مصرف انرژی در خانه های هوشمند

مصرف بهینه انرژی یک مسئله جهانی و یکی از مباحث پژوهشی برجسته در دهه اخیر است . با توجه به افزایش جمعیت ، بهبود سطح زندگی و تغییرات آب و هوایی ، تقاضا برای تکنولوژیها و راهکارهای پیوسته برای کاهش مصرف انرژی در بناهای مسکونی به طور مداوم در حال افزایش است . در دهه ی اخیر، برنامه های مبتنی بر اینترنت اشیاء در خانه های هوشمند، شهرهای هوشمند، بیمارستان های هوشمند و سایر محیط های هوشمند مورد توجه بودهاند. هدف از تکنولوژیهای پایدار در ساختمانهای مسکونی ، افزایش حداکثری راحتی و کاهش حداقلی مصرف انرژی است . می توان چالش ها و مشکلات ساختمانهای مسکونی را با استفاده از مدل های رفتاری و ادغام این استنتاج ها در راهکارهای مسکونی حل کرد. استفاده از هوش مصنوعی در خانه های هوشمند برای پیش بینی مصرف انرژی یکی از مباحث مورد علاقه پژوهشگران است و بهینه سازی در کاهش خطای پیش بینی مصرف انرژی، برنامه ریزی استفاده از وسایل مصرفی و استفاده از انرژیهای تجدید پذیر در حال ادامه است . این تحقیق یک روش مبتنی بر الگوریتم های یادگیری ماشین و تکنیک های داده کاوی برای پیش بینی مصرف انرژی خانه های هوشمند را پیشنهاد می کند. روش پیشنهادی با استفاده از فریم سازی زمانی ، استخراج ویژگی های ترکیبی از فریم ها و انتخاب ویژگی توسط الگوریتم بهینه سازی ژنتیک ترکیبی ، بردار ویژگی بهبود یافته را استخراج می کند. طبقه بندی شبکه عصبی پیشخور عمیق ۱۰ لایه بر روی بردار ویژگی بهبود یافته نشان می دهد که میزان مصرف انرژی خانه های هوشمند با خطای جذر میانگین مربعات ۲/۵۱ روی مجموعه دادگان انرژی مصرفی لوازم خانگی قابل پیش بینی است .

کلیدواژه ها:

پیش بینی مصرف انرژی ، خانه هوشمند ، اینترنت اشیاء ، یادگیری ماشین ، تحلیل رگرسیون