دوره و شماره : آماده انتشار

نویسندگان : آزاده منصوری* ¹ ، رضا روشنی ²

چکیده :
امروزه با توجه به افزایش تقاضای انرژی، مدیریت بهینه مصرف انرژی به یکی از چالش‌های اصلی در شهرهای هوشمند تبدیل شده است. این تحقیق گامی مهم در جهت هوشمندسازی مدیریت انرژی در شهرهای هوشمند است. در این تحقیق برای پیش‌بینی دقیق مصرف انرژی یک مدل ترکیبی مبتنی بر یادگیری عمیق، شبکه‌های عصبی کانولوشنی (CNN)و شبکه عصبی حافظه‌های طولانی کوتاه مدت (LSTM) پیشنهاد می‌شود. با ترکیب این دو مدل، می‌توان پیش‌بینی دقیق‌تری از مصرف انرژی آینده داشت و با شناسایی الگوهای پیچیده مصرف انرژی وارائه راهکارهای بهینه‌سازی مصرف انرژی تصمیمات بهتری برای مدیریت انرژی اتخاذ کرد. ابتدا داده‌های مصرف انرژی از منابع مختلف مانند حسگرها و کنتورهای هوشمند جمع‌آوری می‌شود سپس پیش‌پردازش داده‌ها برای آماده‌سازی آن‌ها برای آموزش مدل انجام می‌شود و از CNN برای استخراج ویژگی‌های مکانی از داده‌های مصرف انرژی وLSTM برای درک الگوهای زمانی این داده‌ها و پیش‌بینی مصرف انرژی استفاده می‌شود. روش پیشنهادی دارای مزایایی نظیر دقت بالای پیش‌بینی مصرف انرژی، شناسایی الگوهای پیچیده در مصرف انرژی، امکان اتخاذ تصمیمات بهتر برای مدیریت انرژی، کمک به کاهش مصرف انرژی و بهبود پایداری محیط زیست است.

کلمات کلیدی :
شهر هوشمند، یادگیری عمیق، شبکه‌های عصبی کانولوشنی، شبکه عصبی حافظه‌های طولانی کوتاه مدت، پیش‌بینی مصرف انرژی، بهینه‌سازی انرژی