Predicting and analysis electrical energy consumption by using data mining algorithms

Bu çalışma, güç tüketimini etkinliğe göre sınıflandırmak amacıyla ilgili verileri çeşitli formatlarda toplar ve sunar. Her aşamanın grafiksel olarak nasıl tasvir edileceğini ve elektrik verilerinin herkesi tatmin edecek şekilde nasıl sınıflandırılacağını belirlemek büyüleyici oldu. Gereksinimler. Bu, sorunların ve anormalliklerin tespitini kolaylaştırır ve elektrik tüketimini karşılaştırma sürecini basitleştirir. Önümüzdeki yıllarda elektrik, birincil enerji kaynağı olarak ön plana çıkmaya devam edecek. Akıllı devreler ve akıllı sayaçlar hem hizmet sağlayıcıya hem de müşteriye çok sayıda fayda sunmaktadır. Bu çalışma, elektrik kullanımını elektriksel yük profillerinin benzerliklerine dayalı olarak sınıflandırmak için sınıflandırma (özellikle beş algoritma) ve kümeleme teorisini, ortak çerçeve işlevi gören saat başına enerji tüketimi (%) ile birleştirdi. Herkesi sınıflandırdıktan sonra, her alt kümeye para ve enerjiden nasıl tasarruf edileceğine dair tavsiyeler sunabileceğiz. Sonuç olarak bireyler elektrik tüketimleri konusunda daha bilinçli olacak ve bunu azaltmak için adımlar atmaya motive olacaklardır. Analiz ve sonuç üretimi için Weka'yı kullanan bir kümeleme sonrası ve sınıflandırma çalışması, aşağıdakilere dayalı yinelemeli bir teknik kullanır: Anormallikleri tanımlamak ve bunları daha kabul edilebilir sınıflara yeniden tahsis etmek için hesaplamalı sınıflandırma hesaplaması. Karşılaştırıldığında Karar Ağacı, Destek Vektör Makinesi, Naive Bayes, Rastgele Orman ve Hibrit aynı sonuçları veren beş sınıflandırma tekniğidir. Güç tüketimini kategorilere ayırmak, insan davranışı ile elektrik tüketimi arasındaki ilişkinin daha derinlemesine anlaşılmasına olanak tanır. Her bir tüketicinin benzersiz özelliklerine dayalı olarak zamanında ve ilgili tavsiyeler sunarak enerji tasarrufu danışmanlık hizmetinin kalitesini ve müşteri deneyimini artırır.