سیستم های خانه های هوشمند مبتنی بر هوش مصنوعی برای مصرف انرژی کارآمد و سازگاری با رفتار کاربران

در عصر حاضر، افزایش بهرهوری انرژی و کاهش مصرف غیرضروری آن به یک ضرورت اساسی تبدیل شده است. با توجه به رشد سریع فناوریهای هوشمند، سیستم های خانه هوشمند مبتنی بر هوش مصنوعی بهعنوان یکی از راهکارهای موثر در مدیریت بهینه انرژی مطرح شدهاند. این پژوهش با هدف بررسی تاثیر الگوریتمهای یادگیری عمیق بر پیشبینی بار انرژی و شناسایی ناهنجوریهای مصرف طراحی شده است. در این مطالعه، از شبکه های عصبی بازگشتی (RNN) و مدل حافظه بلندمدت کوتاهمدت (LSTM) بهمنظور پیشبینی دقیق بار انرژی و تشخیص رفتارهای غیرعادی مصرف استفاده شده است. دادههای مصرف انرژی از خانههای هوشمند جمعآوری شده و پس از پیشپردازش، برای آموزش و ارزیابی مدلها مورد استفاده قرار گرفتند. نتایج نشان میدهد که مدل ترکیبی RNN-LSTM دقت پیشبینی را بهطور قابل توجهی افزایش داده و توانایی تشخیص ناهنجوریهای مصرف را بهبود میبخشد. همچنین، کاهش خطاهای پیشبینی و بهینهسازی مصرف انرژی از دیگر دستاوردهای این پژوهش است. یافتههای بهدست آمده تاکید میکند که به کارگیری مدلهای پیشرفته هوش مصنوعی میتواند به بهبود کارایی انرژی، کاهش هزینهها و ارتقای کیفیت زندگی در خانههای هوشمند کمک شایانی نماید.

کلیدواژه ها:

خانههای هوشمند ، هوش مصنوعی ، یادگیری عمیق ، پیشبینی بار انرژی ، تشخیص ناهنجوری ، مدیریت انرژی