داده کاوی بر اساس متدولوژی CRISP-DM بهبودیافته و مدل شبکه ی عصبی در شبکه توزیع برق

باتوجه به تکنولوژی های مدرن محاسباتی که رو به رشداست سیل عظیمی از داده ها و اطلاعات ایجاد می شود. این حجم عظیم داده-ها امروزه در شبکه توزیع برق نیازمند یک سیستم هوشمند مدیریت دادهجهت تعیین مشترکانی است که نیاز به ارائه خدمات مدیریت مصرف دارند.امروزه با پیدایش سیستم اندازه گیری هوشمند یک مقدار عظیمی از داده هایسیستم قدرت به صورت روزانه در دیتابیس DSO ذخیره می شوند. داده های مربوط به مصارف برق شامل اطلاعات بسیار ارزشمندی است که برایهر دو DSO و مصرف کننده نهایی بسیار مفید خواهد بود. در این مقاله روشی برای شناسایی میزان مصرف با استفاده از روش داده کاوی مطرحخواهد شد. در این مقاله از متدولوژی بهبود یافته CRISP-DM استفادهشده است که می تواند از داده ها اطلاعات باارزشی را استخراج کند. در اینمتدولوژی از روش شبکه عصبی برای مدلسازی داده ها و پیدا کردن یکرابطه بین ورودی و خروجی ها استفاده شده است. سپس جهت بررسیعملکرد چند روش در مدلسازی، 4 روش دیگر نیز بر روی داده های شبکهتوزیع اعمال شده است و میزان عملکرد هر کدام و دقت و عدم خطای آنهابا روش شبکه عصبی مقایسه شده است که نشان از عملکرد بهتر شبکهعصبی و مفید بودن متدولوژی CRISP-DM بهبودیافته در سیستم توزیع برق دارد.