پیش بینی های مصرف انرژی خانگی به عنوان اصلی ترین منابع مصرفی در حوزه اقتصاد انرژی از طریق مدل یادگیری ماشین

مدیریت بهینه انرژی در بخش خانگی، به عنوان یکی از مهم ترین منابع مصرفی در اقتصاد انرژی، نقشی کلیدی در دستیابی به پایداری، کاهش انتشار کربن، حفظ منابع طبیعی و صرفه جویی اقتصادی ایفا می کند. با این حال، روش های سنتی پیش بینی مصرف انرژی اغلب از دقت کافی برخوردار نیستند، که این موضوع لزوم بهره گیری از رویکردهای پیشرفته را نمایان می سازد. در این راستا، هوش مصنوعی (AI) به عنوان ابزاری توانمند برای مدل سازی و پیش بینی مصرف انرژی مطرح شده است؛ اما مدل های مبتنی بر هوش مصنوعی معمولا به دلیل ساختار "جعبه سیاه"، فاقد شفافیت و تفسیرپذیری کافی هستند. به منظور رفع این چالش، چارچوب های هوش مصنوعی قابل توضیح (XAI) توسعه یافته اند تا امکان تحلیل و درک بهتر تصمیمات مدل های یادگیری ماشین را فراهم آورند.در این پژوهش، هدف دستیابی به پیش بینی دقیق مصرف انرژی خانگی با بهره گیری از مدل های یادگیری ماشین و مقایسه عملکرد آن ها بر اساس معیارهای ارزیابی مختلف از جمله ضریب تعیین (R۲)، ریشه میانگین مربعات خطا (RMSE)، میانگین مربعات خطا (MSE) و میانگین خطای مطلق (MAE) است. مدل برتر از طریق آزمون بر روی داده های دیده نشده شناسایی شده و سپس با استفاده از دو چارچوب XAI شامل روش توضیح مدل های محلی و مستقل از مدل (LIME) و مقادیر شاپلی افزایشی (SHAP) تحلیل می شود. این تحلیل ها، ویژگی های موثر در پیش بینی مصرف انرژی را آشکار ساخته و بینش هایی کاربردی در مورد اهمیت آن ها ارائه می دهند. نتایج به دست آمده بر اهمیت الگوهای مصرف گذشته و نقش مقادیر پایین مصرف در پیش بینی دقیق انرژی تاکید دارند. همچنین، این مطالعه نشان می دهد که استفاده از چارچوب های XAI می تواند به توسعه مدل های پیش بینی شفاف تر، سازگارتر و قابل اعتمادتر کمک شایانی کند.

کلیدواژه ها:

مصرف انرژی خانگی ، یادگیری ماشین ، هوش مصنوعی قابل توضیح (XAI) ، اقتصاد انرژی ، ارزیابی مدل