فهرست نشریات علمی دسترسی آزاد ایران

امروزه پاسخ تقاضا به عنوان عنصر مهم در قابلیت اطمینان شبکه هوشمند شناخته شده است. سیستم‌های مدیریت انرژی خانه‌های هوشمند که راه‌اندازی وسایل برقی را با توجه به ضرورت استفاده و کارایی در اولویت قرار میدهند، نقشی حیاتی در اثربخشی استراتژی‌های پاسخ تقاضا دارند. شفاف­سازی جزئیات مصرف برق در قبوض با وجود فناوری­های حسگر به نظارت بهینه استفاده از لوازم خانگی کمک می­کند. در این تحقیق، یک مدل یادگیری ماشین بدون نظارت، برای خوشه‌بندی لوازم خانگی به­منظور مدیریت قبوض برق بر اساس ویژگی‌های ذاتی آنها مطرح گردید، چرا که بر این اساس میتوان جزئیات مصرف به ازای هر خوشه از لوازم خانگی را در قبض مصرفی دوره لحاظ کرد و به دلیل وجود خوشه­های محدود برای لوازم خانگی امکان مدیریت و نظارت بر مصرف برق امکان پذیر میگردد. لوازم خانگی با روش خوشه­بندی سلسله مراتبی به سه خوشه طبقه‌بندی شدند. خوشه اول لوازمی است که به صلاحدید مشتری بلافاصله روشن شوند، خوشه دوم طبق برنامه زمانبندی روشن میشوند و استفاده از آنها میتواند به تعویق افتد و خوشه سوم لوازمی هستند که توسط تعداد محدودی از مشتریان ترجیح داده میشوند. ضریب silhouette بعنوان معیاری برای ارزیابی عملکرد مدل خوشه‌بندی سلسله مراتبی ایجاد شد، که مقدار 0.56رضایت‌بخشی مدل را نشان می‌دهد. بر اساس نتایج، مشخص شد که روش خوشه‌بندی پیشنهادی می‌تواند با انتخاب ویژگی‌های مناسب، انواع مختلف لوازم خانگی را بطور منطقی طبقه‌بندی کند، زیرا لوازم موجود در یک خوشه شبیه به یکدیگر هستند و می‌توانند به کاربران در درک عملکرد لوازم خانگی کمک کنند.