HOME Avtomatizacija in napoved porabe energije: 6 korakov (s slikami)

2024 Avtor: John Day | [email protected]. Nazadnje spremenjeno: 2024-01-30 12:07

Avtor _prateekjha_Follow About: Hacker Več o _prateekjha_ »

HAEP (sistem za avtomatizacijo doma in napovedovanje energije) je projekt o sistemu avtomatizacije doma, ki temelji na ideji merjenja in predvidevanja porabe energije v hiši. Minilo je že nekaj let, odkar je avtomatizacija doma vstopila v naše življenje in nas polepšala kot kdaj koli prej. Če ste odraščali med ljubitelji risane serije Jetsons, ste verjetno sanjali o letečih avtomobilih, popolnoma avtomatiziranem domu in svetu, kjer je s pritiskom na gumb vse na voljo. Avtomobili zagotovo še ne letijo, vendar avtomatizirana vožnja ni predaleč. In tudi možnost, da z nekaj kliki ne nadzirate številnih vidikov svojega doma. Konec koncev bi lahko na neki točki povezali različne gospodinjske aparate, kar bi nam omogočilo, da vse upravljamo s telefonov ali drugih naprav. Zaenkrat je mogoče nekatere naprave upravljati prek povezave Wi-Fi, vendar potrebujete ločene aplikacije ali naprave za pametne telefone, da jim poveste, kaj naj storijo.

Glavni cilj tega projekta je izvesti analizo zbranih podatkov in napovedati porabo energije za naslednji dan ali mesec. Ljudje pri vsakodnevni rabi zapravljamo veliko energije bodisi tako, da ne ugasnemo luči, ko jih ne uporabljamo, bodisi z uporabo starih in neučinkovitih naprav, ki porabijo veliko energije. Energijo je treba varčevati ne le za zmanjšanje stroškov, ampak tudi za ohranjanje virov za daljšo uporabo.r stran. In tudi možnost, da z nekaj kliki ne nadzirate številnih vidikov svojega doma.

1. korak: Prehod skozi sistem

1. Uporabnik bo vklopil/izklopil napravo z aplikacijo Android, izdelano za sistem.
2. Podatki iz Androida gredo v dokument Firebase v oblaku.
3. Arduino nenehno posluša spremembe podatkov v dokumentu Firebase.
4. Na podlagi vrednosti polja v dokumentu Firebase spremeni stanje naprave.
5. Arduino še naprej zbira trenutno temperaturo in vlažnost.
6. Te vrednosti se zaradi analitike pošljejo v dokument Firebase.
7. Zdaj podatke zbira Python Script, ki se izvaja na strežniku.
8. Na zbranih podatkih se zažene linearni regresijski model in naredi napoved za naslednji dan.
9. Vrednost se nato znova pošlje v aplikacijo Android prek Firebase.

Korak: Komponente