بهینه‌سازی انرژی الکتریکی مصرفی براساس الگوهای رفتاری ساکنان در خانه هوشمند با استفاده از الگوریتم داده‌کاوی با به‌کارگیری سیستم شبکه هوشمند و منابع انرژی تجدیدپذیر

این پژوهش به بهینه‌سازی مصرف انرژی الکتریکی با نظارت بر توان مصرفی ناشی از فعالیت‌های ساکنان در بازه‌های زمانی مختلف در طول شبانه‌روز و ذخیرة توان الکتریکی مصرفی آنها در یک پایگاه داده‌ای برای ایجاد مدل‌های پیش‌بینی‌شده براساس روش‌های یادگیری ماشین به مدل‌سازی مصرف انرژی ساختمان‌های هوشمند می‌پردازد. سپس با ارائه یک الگوریتم برای یادگیری ماشین مبتنی بر سیستم مدیریت بهره‌وری انرژی برای عملکرد اتوماتیک تجهیزات خانگی براساس رفتار پیشین ساکنان به شکل‌گیری ساختمان هوشمند اتوماتیک بدون دخالت ساکنان منجر می‌شود. مدیریت و نظارت بر ‌فرایند عرضه و تقاضا انرژی و ادغام پنل‌های خورشیدی خانگی در ساختمان برای ‌تامین بخشی از انرژی مصرفی، مزیت اصلی اجرای فناوری شبکه‌های هوشمند در ساختمان مطالعه‌شده بود. این تحقیق نشان داد روزانه 9 kwh انرژی الکتریکی از پنل‌های خورشیدی خانگی تولید می‌شود. درنهایت، با مقایسة هر بخش ساختمان با یک ساختمان عادی مشابه در سناریوی حضور که ساکنان بالاترین مصرف انرژی را دارند، نتایج بهینه‌سازی نمایش داده شد؛ به‌طوری‌که در سیستم روشنایی 25%، سیستم پریز 15% و سیستم سرمایش و گرمایش حدود 40% انرژی مصرفی بدون کاهش سطح آسایش ساکنان صرفه‌جویی شد.

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

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.