بررسی قابلیت اطمینان در هاب های انرژی با روش ماشین لرنینگ

در این مقاله به بررسی قابلیت اطمینان هابهای انرژی با استفاده از روشهای ماشین لرنینگ پرداخته می شود. هابهای انرژی به عنوان بخشهای حیاتی در سیستمهای انرژی مدرن، نقش مهمی در توزیع و ذخیره سازی انرژی دارند. ارزیابی قابلیت اطمینان این هابها می تواند به بهبود عملکرد سیستمهای انرژی و کاهش هزینههای مرتبط با خرابی ها و قطعیهای انرژی کمک کند. برای این منظور، داده های عملکردی و خرابی های مختلف هاب ها جمع آوری و به روشهای مختلف ماشین لرنینگ مانند الگوریتم های رگرسیون، شبکه های عصبی و درخت تصمیم تحلیل شده اند. نتایج به دست آمده نشان می دهد که مدل های مبتنی بر ماشین لرنینگ می توانند با دقت باالایی پیش بینی هایی در خصوص قابلیت اطمینان هاب ها ارائه دهند. به طور خاص، استفاده از مدل شبکه عصبی عمیق (DNN) بیشترین دقت را در پیش بینی قابلیت اطمینان هاب ها به خود اختصاص داده است. دقت پیش بینی ها در مدل DNN برابر با ۹۴.۵ درصد بوده و توانسته است پیش بینی هایی با خطای کم در مقایسه با روشهای سنتی ارائه دهد. این تحقیق نشان می دهد که به کارگیری ماشین لرنینگ می تواند به عنوان ابزاری کارآمد و موثر در ارزیابی و بهبود قابلیت اطمینان هاب های انرژی در سیستمهای پیچیده انرژی مدرن مورد استفاده قرار گیرد.

کلیدواژه ها:

قابلیت اطمینان ، هابهای انرژی ، ماشین لرنینگ ، شبکه عصبی ، رگرسیون ، درخت تصمیم