การพัฒนาระบบบริหารจัดการพลังงานภายในบ้านโดยใช้การเรียนรู้แบบถ่ายโอน

Abstract

ปัจจุบันเทคโนโลยีด้านการเรียนรู้ด้วยเครื่องถูกพัฒนาอย่างรวดเร็ว และมีประสิทธิภาพสูงขึ้นมาก เทคโนโลยีเหล่านี้เข้ามามีส่วนร่วมกับการใช้ชีวิตประจำวัน และถูกนำมาประยุกต์ใช้กับบ้าน หรือที่อยู่อาศัย เพื่อเพิ่มความปลอดภัย และอำนวยความสะดวกแก่ผู้อยู่อาศัย โดยเฉพาะอย่างยิ่ง การนำโครงข่ายประสาทเทียม (Neural Network) มาพยากรณ์พฤติกรรมการเข้าออกห้องของผู้อยู่อาศัย และควบคุมเครื่องใช้ไฟฟ้าภายในบ้าน อย่างไรก็ตาม โครงข่ายประสาทเทียมสามารถเรียนรู้ และทำนายพฤติกรรมของผู้อยู่อาศัยได้เพียงพฤติกรรมเดียวเท่านั้น เมื่อโครงข่ายประสาทเทียมถูกนำไปพยากรณ์ผู้อยู่อาศัยใหม่ ซึ่งมีพฤติกรรมแตกต่างจากผู้อยู่อาศัยเดิม จะส่งผลต่อความถูกต้อง และความแม่นยำของค่าพยากรณ์ แม้ว่าปัญหาที่กล่าวมาข้างต้นสามารถแก้ปัญหาด้วยการเก็บข้อมูลผู้อยู่อาศัยใหม่ แต่การเก็บข้อมูลให้มากพอสำหรับสอนโครงข่ายประสาทเทียมอาจต้องใช้ระยะเวลานาน ดังนั้น วิทยานิพนธ์ฉบับนี้จึงนำเสนอระบบบริหารจัดการพลังงานภายในบ้าน (Home Energy Management System: HEMS) ที่มีราคาไม่สูงด้วยการนำโครงข่ายประสาทเทียมมาใช้ นอกจากนี้ยังนำการเรียนรู้แบบถ่ายโอน (Transfer Learning) ซึ่งเป็นเทคนิคที่สำคัญมาปรับปรุงเพื่อเพิ่มประสิทธิภาพแก่โครงข่ายประสาทเทียม ที่สามารถลดปริมาณข้อมูล และระยะเวลาสำหรับการสอนโครงข่ายประสาทเทียม ผลลัพธ์จากการทดลองพบว่า เมื่อโครงข่ายประสาทเทียมถูกปรับปรุงด้วยการเรียนรู้แบบถ่ายโอน ทำให้การทำนายพฤติกรรมการเข้าออกห้องของผู้อยู่อาศัยใหม่มีความแม่นยำ และถูกต้องมากยิ่งขึ้น ตามปริมาณข้อมูลที่สอนแก่โครงข่ายประสาทเทียม ค่าความถูกต้องมีค่าสูงสุดประมาณ 95% ด้วยการใช้ตารางความสัมพันธ์ระหว่างค่าพยากรณ์ และค่าจริง (Confusion Matrix) เป็นตัวชี้วัดประสิทธิภาพ ยิ่งกว่านั้น การควบคุมเครื่องใช้ไฟฟ้าด้วยค่าพยากรณ์จากโครงข่ายประสาทเทียมยังสามารถช่วยจำกัดการใช้พลังงานไฟฟ้าที่ไม่จำเป็น และลดค่าใช้จ่ายภายในบ้านแก่ผู้อยู่อาศัยได้อีกด้วย