محمدرضا محمدیان آسیابر - کارشناسی ارشد، دانشگاه آزاد اسلامی واحد کرج

در این مقاله نظارت بر بار مصرفی در خانه های هوشمند به دلیل مزایای قابل توجه آن در دستیابی به یک شبکه هوشمند با بهره وری انرژی ، از اهمیت زیادی برخوردار می باشد. روشهای مدیریت چنین فرایندهایی را می توان به روشهای مبتنی بر سخت افزار، شامل نظارت بر بار نفوذی و روشهای مبتنی بر نرم افزار با اشاره به نظارت بر بار غیر نفوذی طبقه بندی کرد.این مقاله یک رویکرد جدید را برای نظارت بر بار پیشنهاد می کند که هدف آن توسعه یک سیستم تشخیص فعالیت براساس معماری اینترنت اشیاء است . معماری اینترنت اشیاء پیشنهادی شامل لایه لوازم خانگی ، لایه درک، لایه شبکه ارتباطی ، لایه میان افزار، و لایه برنامه کاربردی است . وظیفه اصلی ماژول تشخیص دستگاه داده های سنسور و اجازه اجرای برنامه های خانگی مختلف است . سه مدل طبقه بندی مختلف با استفاده از داده های واقعی از مجموعه دادها مورد آزمایش قرارگرفته اند: شبکه عصبی پیش خور (FFNN) ، حافظه کوتاه مدت((LSTM ماشین بردار پشتیبان .(SVM) فعالیت های توسعه یافته به مانند زندگی روزمره، هر فعالیت های روزانه را به مجموعه ای از معیارها بسته به دستگاه مورد استفاده قرار میدهد. این ویژگی ها با توجه به مصرف ساعت - وات و زمانی که روشن میشوند، استخراج میشوند. در شبکه های شبکه عصبی پیش خور و حافظه کوتاه مدت ، دقت بالای ۹.۰ و در حدود ۸.۰ برای شبکه ماشین بردار پشتیبان است .

خانه هوشمند، نظارت بر بار نفوذی ، پلتفرم اینترنت اشیاء.