تقاضا برای انرژی در سطح جهانی به طور مداوم در حال افزایش است و بنابراین یافتن راه حل های جدید که باعث صرفه جویی در انرژی، ایجاد آسایش و راحتی ساکنان و حفاظت از محیط زیست شود، ضروری است. از طرفی، دانشمندان پیش بینی می کنند که تا سال ۲۰۵۰ ، حدود ۷۰ درصد جمعیت جهان در شهرها زندگی می کنند و بنابراین نیاز به انرژی بیشتر از قبل خواهد بود. مدیریت انرژی در شهر هوشمند از این رو ، شهرها جهت توسعه انرژی و بهینه سازی استفاده از آن و مسائل مرتبط به فناوری های هوشمند نیاز دارند. این امر منجر به مفهوم شهرهای هوشمند شده است که در آن ارتباطات و فناوری اطلاعات (ICT) و اشیا هوشمند با زیرساخت های سنتی موجود در یک شهر ادغام می شود و سپس با استفاده از فناوری دیجیتال هماهنگ و مدیریت می شود. ادغام اینترنت اشیا (IoT) در زندگی شهروندان امکان ایجاد نوآوری در سرویس ها و برنامه های هوشمند جدیدی را فراهم می کند که به بخشهای مختلف شهر از جمله مراقبت های بهداشتی ، نظارت ، کشاورزی و غیره خدمات می کنند(Sayah و همکاران، ۲۰۲۰)

دستگاهها و حسگرهای اینترنت اشیا مقدار زیادی داده تولید می کنند که این داده ها باید تجزیه و تحلیل شوند تا اطلاعات و بینش های ارزشمند جهت ارتقا کیفیت زندگی شهروندان از آنها استخراج شود. تحلیل داده های بزرگ یکی از جدیدترین فناوری هایی است که پتانسیل زیادی برای بهبود امکانات شهر هوشمند دارد. داده های بزرگ ، حجم عظیمی از داده ها است که از حسگرهای مختلف ، اشیا یا دستگاه های هوشمند متصل به اینترنت اشیا جمع آوری می شود.

هدف از این تحقق ارائه سیستمی مبتنی بر داده های بزگ جهت مدیریت انرژی در شهر هوشمند است. از طریق تجزیه و تحلیل داده های ارائه شده توسط ابزارهای داده کاوی، این سیستم می تواند رفتار ساکنان، وسایل برقی و زمانهای اوج مصرف را تشخیص دهد. این سیستم می تواند میزان مصرف انرژی را در دراز مدت پیش بینی کند و با یک دید کلی واقعی تصمیم گیری می کند تا یک سیاست جهانی برای کاهش مصرف انرژی در شهرهای هوشمند ایجاد کند(Alam و همکارلن، ۲۰۲۱). معماری سیستم پیشنهادی به شرح زیر است:

.

• Sayah, Z., Kazar, O., Lejdel, B., Laouid, A., & Ghenabzia, A. (2020). An intelligent system for energy management in smart cities based on big data and ontology. Smart and Sustainable Built Environment.
• Singh, A. K., Agrawal, S., Agarwal, S., & Goyal, D. (2020). Low-Cost and Energy-Efficient Smart Home Security and Automation.
• In Computational Network Application Tools for Performance Management (pp. 95-108). Springer, Singapore.
• Alam, T., Khan, M. A., Gharaibeh, N. K., & Gharaibeh, M. K. (2021). Big Data for Smart Cities: A Case Study of NEOM City, Saudi Arabia. In Smart Cities: A Data Analytics Perspective (pp. 215-230). Springer, Cham.

•