الملخص:

انت تقنيات الشبكة الذكية مع وعود كثيرة بإدارة وترشيد أفضل للطاقة الكهربائية وأنظمتها ، وهو ما يعد خطوة أساسية نحو تحقيق الطاقة المستدامة. توفر أجهزة الشبكة الذكية مثل العدادات الذكية بيانات هائلة تمكن من اتخاذ تدابير مستدامة إضافية في قطاع إدارة الطاقة. ويُنظر إلى تحليلات العدادات الذكية على أنها اللبنة الأساسية للحصول على طاقة مستدامة لأنها تحسن من الكفاءة التشغيلية ، وتعزز الثقة بشبكة الطاقة، وتتيح إدارة أفضل لمواردها. علماً بأن هذا مجال بحثي متعدد التخصصات ويجذب خبراء من تقنية الكمبيوتر وعلوم البيانات والهندسة الكهربائية ومجالات أخرى، وقد نما مؤخراً الاهتمام به بسبب ثروة البيانات المتولدة من العدادات الذكية.

تهدف هذه الأطروحة إلم تصنيف موحد للمجالات المختلفة لتحليل بيانات العدادات الذكية ووظائفها وتقنياتها الأساسية. والهدف من ذلك هو فهم أشمل لاتجاهات البحث العلمي الحالية وأساليبها والفرص التي تتيحها بشكل أفضل. ويعتبر تنميط الأحمال الكهربائية - وهي مهمة ضمن نطاق اكتشاف المعرفة . خطوة أساسية في العديد من مهام تحليل بيانات العدادات الذكية ، مثل التنبؤ والتخطيط، والتي تؤثر بشكل مباشر على إدارة الطاقة المستدامة. ونظرًا لأن معظم بيانات العدادات الذكية في العالم الحقيقي غير معنونة أو مصنفة مسبقاً ، فإن نهج تنميط الأحمال يعد من التعلم الغير مشرف عليه ويتم عبر خوارزميات التكتل clustering حيث يهدف إلى تجميع العملاء المرتبطين بناءً على أنماط الاستخدام. ومع ذلك ، ويسبب ما يسمى بلعنة تعدد الأبعاد ، فإن خوارزميات التكتل التقليدية تعمل بشكل سيئ وغالبا ما تؤدي إلى منحنيات أحمال غير مناسبة أو غير مجدية. وعلاوة على ذلك ، يلزم إجراء معالجة مسبقة شاملة للبيانات ، بما في ذلك تقليل عدد معالم البيانات وتحويلها. من ناحية أخرى ، تنخفض موثوقية نتائج أنماط الأحمال بسبب التعقيد الكبير للبيانات الناتجة عن طرق تقليل عدد المعالم feature reduction تبحث هذه الدراسة في البنى المختلفة للتعلم العميق المستخدمة لكل مجال ، ثم تقترح إطارًا جديدًا مضمنا التكتل

العميق deep clustering لمهمة تنميط الأحمال الكهربائية.

ويتفرد إطار العمل الذي تقترحه الدراسة لتحديد أنماط الحمل الكهربائي من خلال شقين. أولاً ، باستخدام أداة التشفير التلقائي ، يمثل إطار العمل البيانات كتسلسل هرمي داخل طبقات الشبكة العميقة ، مما يسمح بتقليل الأبعاد وفصل القرار اللاخطي بشكل فعال بين المجموعات على مستوى عنق الزجاجة للمشفر التلقائي autoencoder . يتم تحقيق ذلك من خلال تنفيذ التجميع المستند إلى وحدة التشفير التلقائي والذي يقوم تلقائيا بتحويل بيانات العداد الذكي إلى معالم أكثر ملاءمة للتجميع والتي تحتفظ بخصائص البيانات الأصلية. ثانيا ، يدمج إطار العمل تقليل الأبعاد والتكتل في إطار عمل تعليمي واحد غير خاضع للإشراف في جميع مراحل العمل. بالإضافة إلى ذلك ، تم التحقق من النموذج القائم على السلاسل الزمنية للتنبؤ بالحمل.

ويتم بعد ذلك تقييم واختبار كل من إطار عمل التكتل العميق وطرق التنبؤ باستخدام مجموعات بيانات حقيقية للعدادات الذكية ، وتظهر النتائج التجريبية أن الإطار المقترح ينتج أنماط أفضل للأحمال وبشكل ملحوظ ، خصوصا عند مقارنته بخوارزميات التكتل الكلاسيكية وكذلك الأطر المختلطة السابقة المقترحة في أبحاث تحليل البيانات.