چکیده مقاله
در سال های اخیر، هوشمندسازی زیرساخت ها با هدف کاهش مصرف انرژی و افزایش بهره وری، به یکی از اولویت های اصلی در حوزه فناوری های نوین تبدیل شده است یکی از چالش های مهم در این حوزه، پیش بینی دقیق و قابل اعتماد مصرف انرژی در شرایط متغیر محیطی و عملیاتی است در این پژوهش، یک مدل ترکیبی نوآورانه مبتنی بر یادگیری عمیق و معادلات فیزیکی پایه ارائه شده است که با استفاده از شبکه های عصبی آگاه از فیزیک Physics Informed Neural Networks – PINN رفتار حرارتی و الگوی مصرف انرژی در ساختمان های هوشمند را مدل سازی و پیش بینی می کند برخلاف روش های صرفا داده محور مانند LSTM یا MLP، مدل پیشنهادی از معادلات دیفرانسیل جزئی PDE برای نمایش دقیق فرآیند انتقال حرارت بهره می گیرد و بدین ترتیب قابلیت تعمیم بالا و پایداری مناسبی در مواجهه با داده های نویزی یا ناقص ارائه می دهد نتایج آزمایش ها بر روی داده های معتبر، نشان می دهند که مدل PINN در مقایسه با روش های سنتی، عملکرد دقیق تری در پیش بینی مصرف انرژی از خود نشان می دهد این چارچوب می تواند به عنوان زیرساخت محاسباتی در سامانه های مدیریت انرژی هوشمند به کار گرفته شود و نقشی کلیدی در بهینه سازی مصرف انرژی در آینده ایفا کند
کلیدواژهها
نویسندگان
انیس ملک زاده
۱ استاد دانشگاه فنی حرفه ای الزهرا ، دکتری تخصصی برق کنترل
زینب رمضانی
۲ محصل رشته نرم افزار کامپیوتر مقطع کاردانی
شیوه ارجاع
ملک زاده، انیس و رمضانی، زینب،1404،پیش بینی مصرف انرژی در ساختمان های هوشمند با استفاده از شبکه های عصبی اگاه از فیزیک (PINN)،بیست و ششمین کنفرانس ملی مهندسی برق،کامپیوتر و مکانیک،شیروان
ارائهشده در
مجموعه مقالات بیست و هفتمین کنفرانس ملی مهندسی برق ،کامپیوتر و مکانیک24 شهریور 1404 · شیروان