ارائه مدل جدید تخمین مصرف انرژیبرق براساس مبدل های موجک موازی و شبکه های عصبی کانولوشن با یادگیری عمیق برای ساختمان های مسکونی

با توجه به افزایش میزان مصرف برق، این انرژییکی از مهم ترین منابع برای زندگی انسان است؛ بنابراین، همه کشورها به دنبال دسترسی به منابع انرژیمطمین و برنامه ریزی شده هستند. نیز با توجه به تجدیدناپذیر بودن منابع سوخت های فسیلی به ویژه منابع نفت و گاز، چندین دهه است موضوع جایگزین سازی این نوع انرژی ها با انرژی های تجدیدپذیرشایان توجه قرار گرفته است. صرفه جویی و مصرف بهینه انرژی الکتریکی در مصارف مهم مانند ساختمان های مسکونی و تجاریاهمیت زیادی دارد. یکی از مهم ترین عوامل برای برنامه ریزی مصرف برق و بهینه سازی آن، پیش بینی دقیق برای مصرف برق ساختمان های مسکونی و تجاری در آینده است. در این مقاله،ابتدا با استفاده از مبدل های موازی موجک، مجموعه داده های چند ساختمان مسکونی تحلیل می شوند، سپس با استفاده از مدل بهینه تخمین گر شبکه عصبی کانولوشن برق مصرفی کوتاه مدت ساختمان پیش بینی می شوند. نتایج پژوهش نشان می دهند روش ارایه شده به طور متوسط خطای تخمین روش های ARIMA، شبکه عصبی LSTM و SVR را به ترتیب 70، 69 و 73 درصد بهبود بخشیده است.