کنفرانس مهندسی برق ایران

صفحه اصلی / سی و چهارمین کنفرانس بین المللی مهندسی برق

مقایسه روش‌های خوشه‌بندی مبتنی بر یادگیری ماشین در تحلیل الگوی مصرف برق مشترکین با استفاده از داده‌های ثبت شده بُعدبالا از کنتور هوشمند

نویسندگان :

فروزان جعفری مریکی¹ مطهر جعفری مریکی² محمدرضا شادمان³ محمد علی اکبری⁴

1- شرکت توزیع برق شهرستان اصفهان 2- شرکت مهندسی و ساخت تجهیزات سپاهان مپنا 3- شرکت توزیع برق شهرستان اصفهان 4- شرکت توزیع برق شهرستان اصفهان

کلمات کلیدی :

خوشه‌بندی مبتنی بر یادگیری ماشین،داده‌های بُعدبالا،تحلیل الگوی مصرف برق،تحلیل مؤلفه‌های اصلی،ویژگی‌های چندکی

چکیده :

با گسترش کنتورهای هوشمند، دسترسی به داده‌های دقیق و بُعدبالای مصرف برق امکان تحلیل رفتار مشترکین و بهبود مدیریت بار شبکه‌های توزیع را فراهم کرده است. تحلیل الگوی مصرف خانگی نقش مهمی در طراحی برنامه‌های پاسخگویی بار و افزایش بهره‌وری سیستم‌های انرژی ایفا می‌کند، اما شناسایی گروه‌های همگن از مشترکین بر اساس رفتار واقعی مصرف، همچنان چالش‌برانگیز است. در این پژوهش، چارچوبی مبتنی بر یادگیری ماشین برای تحلیل الگوی مصرف برق مشترکین خانگی ارائه شده است که در آن عملکرد چند الگوریتم خوشه‌بندی پرکاربرد با یکدیگر مقایسه می‌شوند. علاوه برآن، تأثیر نوع نمایش داده‌ها و ویژگی‌های ورودی نیز بررسی شده است. برای این منظور، مجموعه‌ای از متغیرها شامل مصرف روزانه و ویژگی‌های چندکی مصارف استخراج شده است. برای تحلیل داده‌های بُعدبالا و بهبود کیفیت خوشه‌بندی از تحلیل مؤلفه‌های اصلی (PCA) به‌عنوان روش کاهش بُعد استفاده شده است. همچنین تعداد بهینه خوشه‌ها با معیارهای داده‌محور تعیین شد. نتایج نشان می‌دهد که ویژگی‌های چندکی همراه با کاهش بُعد، انسجام خوشه‌ها را افزایش داده و الگوهای رفتاری معنادارتری نسبت به ویژگی‌های آماری کلاسیک ارائه می‌کنند. یافته‌های این پژوهش می‌تواند بینش‌های کاربردی ارزشمندی برای شرکت‌های برق و ذی‌نفعان صنعت انرژی در طراحی برنامه‌های پاسخگویی بار و مدیریت هوشمند مصرف فراهم آورد.