خوشه بندی لوازم خانگی با استفاده از مدل خوشه بندی سلسله مراتبی بر اساس ویژگی های لوازم خانگی

امروزه پاسخ تقاضا به عنوان عنصر مهم در قابلیت اطمینان شبکه هوشمند شناخته شده است. سیستم های مدیریت انرژی خانه های هوشمند که راه اندازی وسایل برقی را با توجه به ضرورت استفاده و کارایی در اولویت قرار میدهند، نقشی حیاتی در اثربخشی استراتژی های پاسخ تقاضا دارند. شفاف­سازی جزئیات مصرف برق در قبوض با وجود فناوری­های حسگر به نظارت بهینه استفاده از لوازم خانگی کمک می­کند. در این تحقیق، یک مدل یادگیری ماشین بدون نظارت، برای خوشه بندی لوازم خانگی به­منظور مدیریت قبوض برق بر اساس ویژگی های ذاتی آنها مطرح گردید، چرا که بر این اساس میتوان جزئیات مصرف به ازای هر خوشه از لوازم خانگی را در قبض مصرفی دوره لحاظ کرد و به دلیل وجود خوشه­های محدود برای لوازم خانگی امکان مدیریت و نظارت بر مصرف برق امکان پذیر میگردد. لوازم خانگی با روش خوشه­بندی سلسله مراتبی به سه خوشه طبقه بندی شدند. خوشه اول لوازمی است که به صلاحدید مشتری بلافاصله روشن شوند، خوشه دوم طبق برنامه زمانبندی روشن میشوند و استفاده از آنها میتواند به تعویق افتد و خوشه سوم لوازمی هستند که توسط تعداد محدودی از مشتریان ترجیح داده میشوند. ضریب silhouette بعنوان معیاری برای ارزیابی عملکرد مدل خوشه بندی سلسله مراتبی ایجاد شد، که مقدار ۰.۵۶رضایت بخشی مدل را نشان می دهد. بر اساس نتایج، مشخص شد که روش خوشه بندی پیشنهادی می تواند با انتخاب ویژگی های مناسب، انواع مختلف لوازم خانگی را بطور منطقی طبقه بندی کند، زیرا لوازم موجود در یک خوشه شبیه به یکدیگر هستند و می توانند به کاربران در درک عملکرد لوازم خانگی کمک کنند.

کلیدواژه ها:

شبکه هوشمند ، سیستم مدیریت انرژی خانگی ، پاسخ تقاضا ، خوشه بندی سلسه مراتبی