بهينه سازي انرژي الكتريكي مصرفي براساس الگوهاي رفتاري ساكنان در خانه هوشمند با استفاده از الگوريتم داده كاوي با به كارگيري سيستم شبكه هوشمند و منابع انرژي تجديدپذير

Optimizing the electrical energy consumed based on the behavior patterns of residents at the smart home using the data mining algorithm using the intelligent grid and renewable energy sources for the formation of an automatic intelligent residential building

اين پژوهش به بهينه سازي مصرف انرژي الكتريكي با نظارت بر توان مصرفي ناشي از فعاليت هاي ساكنان در بازه هاي زماني مختلف در طول شبانه روز و ذخيره توان الكتريكي مصرفي آنها در يك پايگاه داده اي براي ايجاد مدل هاي پيش بيني شده براساس روش هاي يادگيري ماشين به مدل سازي مصرف انرژي ساختمان هاي هوشمند مي پردازد. سپس با ارايه يك الگوريتم براي يادگيري ماشين مبتني بر سيستم مديريت بهره وري انرژي براي عملكرد اتوماتيك تجهيزات خانگي براساس رفتار پيشين ساكنان به شكل گيري ساختمان هوشمند اتوماتيك بدون دخالت ساكنان منجر مي شود. مديريت و نظارت بر فرايند عرضه و تقاضا انرژي و ادغام پنل هاي خورشيدي خانگي در ساختمان براي تامين بخشي از انرژي مصرفي، مزيت اصلي اجراي فناوري شبكه هاي هوشمند در ساختمان مطالعه شده بود. اين تحقيق نشان داد روزانه 9 kwh انرژي الكتريكي از پنل هاي خورشيدي خانگي توليد مي شود. درنهايت، با مقايسه هر بخش ساختمان با يك ساختمان عادي مشابه در سناريوي حضور كه ساكنان بالاترين مصرف انرژي را دارند، نتايج بهينه سازي نمايش داده شد؛ به طوري كه در سيستم روشنايي 25%، سيستم پريز 15% و سيستم سرمايش و گرمايش حدود 40% انرژي مصرفي بدون كاهش سطح آسايش ساكنان صرفه جويي شد.

This study optimizes the consumption of electrical energy by monitoring the power consumption caused by the activities of residents at different time intervals during the day and night and stores their electricity consumption in a database to create predicted models based on machine learning methods. Modeling the energy consumption of smart buildings, and then by presenting an algorithm for machine learning based on energy efficiency management system for automatic operation of home appliances based on the previous behavior of residents, leads to the formation of automatic smart building without resident intervention. Managing and monitoring of energy supply and demand process and integration of home solar panels in the building to supply part of the energy consumption was the main advantage of implementing smart grid technology in the building under study. This study showed that 9 kWh of electricity is generated daily from home solar panels. Finally, by comparing each part of the building with a similar normal building in the presence scenario where residents have the highest energy consumption, optimization results were displayed. So that in the lighting system to 25%, the outlet system to 15%, and the cooling and heating system about 40% of energy consumption was saved without reducing the comfort level of residents