پیش بینی هوشمند میزان مصرف گاز در بازه های سه ساعته، با استفاده از داده های ثبت شده در دوره های زمانی مشخص

مصرف گاز به عنوان یکی از پرمصرف ترین حامل های انرژی در کشور، اهمیت بسزایی در مدیریت بحران، مدیریت تولید، تخصیص و مصرف، جلوگیری از هدر رفت و کاهش آلودگی های زیست محیطی دارد؛ اما به دلیل قدیمی بودن تجهیزات اندازه گیری، ثبت داده ها به صورت پیوسته امکان پذیر نیست و اطلاعات موجود درباره مصرف گاز، معمولا محدود به گزارش های مصرف دوره ای گاز مشترکین است؛ بنابراین، پیش بینی لحظه ای مصرف گاز با عدم قطعیت بالایی همراه است و بررسی صحت پیش بینی نیز به دلیل فقدان داده های واقعی لحظه ای امکان پذیر نیست. هدف این پژوهش، پیش بینی هوشمند مصرف گاز در فواصل زمانی سه ساعته بر اساس اطلاعات مصرف دوره ای آن است. روش ارائه شده در این پژوهش شامل سه گام است. در گام اول، با استفاده از الگوریتم خوشه بندی فازی، داده های مصرف گاز مشترکین خانگی به سه دسته کم مصرف، متعادل و پرمصرف تقسیم می شوند. در گام دوم، با استفاده از یک شبکه عصبی عمیق، دما به صورت بازه ای سه ساعته پیش بینی می شود. در گام سوم، با استفاده از یک سیستم مبتنی بر منطق فازی، مصرف سه ساعته گاز مشترکین خانگی بر اساس دمای پیش بینی شده، روز سال و ساعت شبانه روزی تخمین زده می شود. پیاده سازی روش پیشنهادی بر داده های شهر بیرجند نشان می دهد که مجموع مصرف لحظه ای پیش بینی شده برای هر سه خوشه کم مصرف، متعادل و پرمصرف، میانگین مصرف دوره ای مشترکین آن خوشه ها را با خطای قابل قبولی دنبال می کند. همچنین، وجود همبستگی منفی قوی بین دما و مصرف گاز، به ویژه برای مشترکین متعادل در فصول سرد، تاثیرپذیری مصرف گاز از دما را تایید می کند.

کلیدواژه ها:

مصرف دورهای گاز ، پیش بینی هوشمند مصرف گاز ، الگوریتم خوشه بندی ، شبکه عصبی عمیق ، منطق فازی