Iranian Journal of Energy

fa طراحی مدل داده کاوی تلفیقی خوشه‌بندی-وابستگی جهت بررسی رفتار مصرف انرژی واحدهای صنعتی Design of integrated clustering-association data mining model to study the electricity consumption behavior of industrial units مديريت انرژي، بهینه سازی و اصلاح الگوی مصرف Energy Management, Conservation and Rational Use of Energy پژوهشي Research با توجه به سهم بالای مصرف برق در صنایع کشور، طی چند سال اخیر طرحهای مختلفی از جمله خاموشی های سراسری در اوقات پیک مصرف اجرا شده است. امروزه دادهکاوی به عنوان فرآیند کشف الگوهای مفید از پایگاه داده و یکی از روشهای مؤثر برای تجزیه و تحلیل، مدلسازی و پیشبینی مصرف انرژی کاربرد فراوانی پیدا کرده است. در این مطالعه، مدلی تلفیقی جهت بررسی رفتار مصرف برق با استفاده از تکنیکهای خوشهبندی کا میانگین و قوانین وابستگی جهت کشف و استخراج الگو از مجموعه دادههای مربوط به مصرف برق واحدهای صنعتی مستقر در یکی از شهرکهای صنعتی استان تهران طراحی شده است.  مشاهدات نشان میدهد که طی ماههای گرم سال، میانگین مصرف واحدهای خوشه پرمصرف که حدود 34 درصد واحدهای صنعتی مورد مطالعه را شامل میشود، حدود 4.2 برابر مصرف خوشه کممصرف و حدود 1.7 برابر مصرف خوشه متوسط است. با بکارگیری مدل پیشنهادی در این پژوهش ضمن شناسایی واحدهای پرمصرف و اعمال سیاستهای هوشمندانه و عادلانه در خاموشی اجباری، میتوان علاوه بر تشویق واحدهای صنعتی به بهینهسازی مصرف انرژی، از ایجاد خسارت ناشی از توقفهای اجباری تولید ممانعت کرد. رویکرد نوآورانه این مدل قادر به کنترل حجم زیادی از دادهها برای برنامهریزی مناطق مختلف با هدف بهینهسازی در مصرف انرژی آن میباشد. Due to the high share of electricity consumption in the country's industries, in recent years, various projects have been implemented, including reducing the amount of load by implementing nationwide blackouts during peak consumption times. Today, data mining is widely used as a process of discovering useful patterns from the database and one of the effective methods for analyzing, modeling and predicting energy consumption. In this study, an integrated clustering-association data mining model has been designed to investigate power consumption behavior to discover and extract the pattern from the power consumption data set of industrial units located in one of the industrial towns of Tehran province. Observations show that during the warm months of the year, the average consumption of high-consumption cluster units, which includes about 34% of the studied industrial units, is about 4.2 times the consumption of low-consumption clusters and about 1.7 times the consumption of medium clusters. By using the proposed model in this study, in addition to identifying high-consumption units and implementing smart and fair policies in forced shutdowns, it is possible to prevent damage caused by forced shutdowns and industrial units can be encouraged to optimize energy consumption. The innovative approach of this model is able to control large volumes of data for planning different areas with the aim of optimizing its energy consumption. داده کاوی, خوشه بندی, تجزیه و تحلیل سلسله مراتبی, الگوریتم کا میانگین, قوانین وابستگی, بهینه سازی مصرف انرژی Data mining, clustering, hierarchical analysis, K-means algorithm, Dependency laws, optimization of energy consumption. 65 78 http://necjournals.ir/browse.php?a_code=A-10-2557-1&slc_lang=fa&sid=1 Farzad Rahimi فرزاد رحیمی موگویی Rahimi.Farzad@semnan.ac.ir 10031947532846007016 10031947532846007016 No Semnan university دانشگاه سمنان Reza Kamranrad رضا کامران راد r.kamranrad@semnan.ac.ir 10031947532846007017 10031947532846007017 Yes Semnan university دانشگاه سمنان Azimolah Zarei عظیم اله زارعی A_Zarei@semnan.ac.ir 10031947532846007018 10031947532846007018 No Semnan university دانشگاه سمنان