 جلسه دفاع پایان نامه: حمید مهدوی راد، گروه مکاترونیک
ارائهکننده: حمید مهدوی راد چکیده: سامانههای اتوماسیون ساختمان، توجه زیادی را به دلیل توسعه فناوریهای بی سیم در دهه اخیر به خود معطوف کردهاند. برای عملی کردن اتوماسیون ساختمان، تعدادی از چالشهای پیش رو بایستی شناسایی و سپس مرتفع گردند. از جمله این چالشها برنامهریزی برای مصرف انرژی الکتریکی بهینه است. برای کاهش انرژی اتلافی به وجود آمده به دلیل روش زندگی سکنه، در این پژوهش با استفاده از تکنیکهای یادگیری ماشین در شبکه خانههای هوشمند و با استفاده از پیشبینی بار کوتاه مدت در سامانه مدیریت انرژی ساختمان به کنترل مصرف انرژی پرداخته خواهد شد. سامانه پیشبینی بار مورد نظر در دو فاز عملکردی کار میکند: 1- استخراج ویژگیها و طبقهبندی الگوهای مهم انرژی که از اطلاعات گذشته انرژی استخراج میشود 2- سامانه پیشبینی بار مصرفی که بار مصرفی را با توجه به ویژگیهای استخراج شده در مرحله قبل پیش بینی میکند. افزایش دقت و هوشمندی سامانه پیشبینی بار کوتاه مدت میتواند مدیریت سیستمهای قدرت مدرن و تولید برق اقتصادی را بهبود بخشد. در دهه اخیر، روشهای بهینهسازی یادگیری ماشین به دلیل قابلیت پیشبینی با دقت و استحکام بالاتر، به طور گسترده در مسائل پیشبینی بار الکتریکی مورد استفاده قرار گرفتهاند. در این پژوهش مقایسه بین روشهای مرسوم یادگیری ژرف که روش مبتنی بر شبکه عصبی پیچشی و حافظه طولانی کوتاه مدت هستند در حوزه پیش بینی بار کوتاه مدت برای یک خانه مشخص انجام شده و بین دقت عمل آنها مقایسه صورت گرفته است که میتوان از مدل بهینه آنها در سامانه مدیریت انرژی خانه استفاده کرد. |
