مشخصات پژوهش

عنوان	خوشه بندی بار غیرنفوذی برای سیستم توزیع انرژی به وسیله یادگیری ماشین
نوع پژوهش	پایان نامه
کلیدواژه‌ها	نظارت بار غیرنفوذی، تفکیک بارخانگی ، یادگیری عمیق، شبکه کانولوشنی
چکیده	در سال های اخیر، مصرف انرژی الکتریکی مشترکین مسکونی به میزان قابل توجهی افزایش پیدا کرده است. بنابراین مدیریت بار خانگی و بیان اطلاعاتی پیرامون انرژی مصرفی هر یک از وسایل الکتریکی، به عنوان یک هدف، بیش از پیش مورد توجه قرارگرفته است. یکی از چالش های پیش روی این هدف، کمبود اطلاعات کافی از میزان مصرف هر یک از وسایل الکتریکی موجود در خانه ها می باشد. به منظور مدیریت بار خانگی و تفکیک توان مصرفی هر یک از وسایل الکتریکی از توان مصرفی کل، می توان از روش های خوشه بندی و طبقه بندی استفاده نمود. برای رسیدن به این هدف روشی با عنوان نظارت بار غیرنفوذی مطرح شده است. این ایده در سال های اخیر با استفاده از کنتورهای هوشمند و قابلیت ضبط سیگنال های الکتریکی در فرکانس های مختلف به تکامل رسیده است. روش های مختلف داده کاوی به منظور طبقه بندی و خوشه بندی داده ها استفاده می شود، به منظور تفکیک سیگنال ها و طبقه بندی آن ها نیازمند استخراج ویژگی ها از داده ها هستیم، که معمولاً استخراج ویژگی می تواند به صورت خودکار، توسط لایه های مختلف شبکه عصبی و یا توسط روش های ریاضی پیچیده انجام شود. درنهایت از روش های مختلف یادگیری ماشین برای طبقه بندی و تفکیک بار الکتریکی استفاده می شود. با توجه به نتایج پژوهش های انجام شده، دقت طبقه بندی داده هایی که ویژگی هایی آن به صورت خودکار استخراج شده اند، بیشتر می باشد. در نتیجه یادگیری عمیق با قابلیت استخراج خودکار ویژگی ها در لایه های مختلف خود، مورد توجه محققین قرار گرفته است. در این تحقیق به منظور تفکیک و تقریب بارخانگی از شبکه عمیق کانولوشنی استفاده شده است. شبکه های عصبی عمیق با دارا بودن تعداد لایه های بیشتر می توانند، پردازش بیشتری روی داده های ورودی انجام دهند و ویژگی های سطح بالاتری را استخراج کنند و بر مبنای آن ها طبقه بندی بار الکتریکی را با دقت بیشتری انجام دهند. شبکه عصبی کانولوشنی با داشتن لایه های ورودی یادگیرنده کانولوشن، فرآیند استخراج بردار ویژگی را برای تشخیص و طبقه بندی سیگنال های الکتریکی به طور خودکار و مناسب انجام می دهد. معماری شبکه کانولوشنی بر مبنای شبکه باقی مانده بوده و با تغییر در لایه های آن توانسته ایم ساختار جدیدی را ارائه دهیم. به منظور بررسی اثربخشی روش پیشنهادی در تفکیک و تقریب بار الکتریکی از بانک داده UK-DALEاستفاده شده است.
پژوهشگران	علیرضا حاتمی (استاد راهنما)، علی دانایی فرد (دانشجو)