تخمین میزان برق مصرفی خانوار شهر بغداد با استفاده از رویکرد ترکیبی ملخ و شبکه عصبی

پیشبینی مصرف برق برای مدیریت کارآمد انرژی بسیار مهم است و به تعادل عرضه و تقاضا کاهش هزینه ها و افزایش قابلیت اطمینان کمک می کند. در این مقاله از مدل تلفیقی بهینه سازی ملخ و شبکه عصبی برای پیشبینی میزان مصرف برق در آینده با استفاده از داده های واقعی گذشته استفاده شده است. شبکه های عصبی کانولوشنال، شبکه عصبی MLP و شبکه عصبی RBF به منظور پیش بینی برق مصرفی خانوار شهر بغداد پیشنهاد شده اند. داده های ساعتی جمع آوری شده مربوط به سال های ۲۰۲۲ و ۲۰۲۳ بودند. بر این اساس در گام نخست با پیاده سازی الگوریتم بهینه سازی ملخ در راستای انتخاب ویژگی ها، موثر از بین ۹ ویژگی اولیه تنها ۶ ویژگی مهم و تاثیرگذار انتخاب شدند. در گام بعدی به پیاده سازی معماری شبکه های عصبی مورد نظر در راستای تخمین مصرف برق پرداخته شده و نتایج با مدل های سنتی یادگیری ماشین مقایسه شده است. نتایج حاصل نشان داد رویکرد تلفیقی ملخ و یادگیری عمیق با دقت ۹۶.۸۷ درصد دارای بهترین عملکرد و پس از آن مدل تلفیقی ملخ و شبکه RBF با دقت ۹۵.۰۸ درصد و در آخر مدل ترکیبی ملخ و شبکه عصبی MLP با دقت ۹۳.۴۹ درصد قرار دارند.

کلیدواژه ها:

شبکه برق هوشمند ، شبکه برق ، بغداد ، تخمین برق مصرفی ، یادگیری ماشین ، شبکه عصبی