ناصر کرد - گروه مهندسی کامپیوتر، واحد کرمان - دانشگاه آزاد اسلامی – کرمان - ایران
فرشید کی نیا - گروه مدیریت و بهینهسازی انرژی، پژوهشگاه علوم و تکنولوژی پیشرفته و علوم محیطی - دانشگاه تحصیلات تکمیلی صنعتی و فناوریهای پیشرفته – کرمان - ایران

با توجه به افزایش میزان مصرف برق، این انرژییکی از مهم‌ترین منابع برای زندگی انسان است؛ بنابراین، همۀ کشورها به دنبال دسترسی به منابع انرژیمطمئن و برنامه‌ریزی‌شده هستند. نیز با توجه به تجدیدناپذیر بودن منابع سوخت‌های فسیلی به‌ویژه منابع نفت و گاز، چندین دهه است موضوع جایگزین‌سازی این نوع انرژی‌ها با انرژی‌های تجدیدپذیرشایان توجه قرار گرفته است. صرفه‌جویی و مصرف بهینۀ انرژی الکتریکی در مصارف مهم مانند ساختمان‌های مسکونی و تجاریاهمیت زیادی دارد. یکی از مهم‌ترین عوامل برای برنامه‌ریزی مصرف برق و بهینه‌سازی آن، پیش‌بینی دقیق برای مصرف برق ساختمان‌های مسکونی و تجاری در آینده است. در این مقاله،ابتدا با استفاده از مبدل‌های موازی موجک، مجموعه داده‌های چند ساختمان مسکونی تحلیل می‌شوند، سپس با استفاده از مدل بهینۀ تخمین‌گر شبکۀ عصبی کانولوشن برق مصرفی کوتاه‌مدت ساختمان‌پیش‌بینی می‌شوند. نتایج پژوهش نشان می‌دهند روش ارائه‌شده به‌طور متوسط خطای تخمین روش‌های ARIMA، شبکۀ عصبی LSTM و SVR را به‌ترتیب 70، 69 و 73 درصد بهبود بخشیده است.

پیش‌بینی مصرف برق, مدیریت مصرف انرژی, شبکه‌های عصبی کانولوشن, تبدیل موجک, آموزش عمیق