DUGi

Gestió energètica d’edificis a partir de xarxes de sensors sense fils

http://dugi.udg.edu/item/http:@@@@hdl.handle.net@@10256@@21094

El grup eXiT treballa des de fa uns anys en projectes de gestió energètica i ha implementat una xarxa de sensors sense fils al seu laboratori. Aquesta xarxa recull dades de consum elèctric i dades ambientals i ocupació. Es proposa realitzar l’explotació de les dades recollides durant un any. Una vegada fet el pre-processament de les dades (outliers, missing data...) es treballaran amb diferents objectius. El primer és construir diferents models predictius del consum del laboratori amb la millor precisió possible. Aquests models es construiran mitjançant programes com Rapidminer o R, consistint la tasca en l’obtenció de diferents tipus de models predictius (diferents metodologies, consums horaris, diaris mensuals..., consums individuals/agregats). Seguidament, utilitzant una eina desenvolupada al grup es construiran models per detectar anomalies o canvis de comportament en l’ús del laboratori, i amb els models predictius anteriors es podrà avaluar les desviacions de consum. Finalment, com les dades de consum es recullen amb diferents nivells d’agregació (lloc de treball individual, línia que alimenta dos o tres centres de treball i línia que alimenta tots els centres de treball) es crearà un model que analitzi la desagregació de consums per avaluar si amb un nombre inferior de sensors es podria obtenir la mateixa informació. En aquest punt, s’analitzarà la necessitat de realitzar campanyes de mesures per obtenir corbes de consum d’aparells individualitzades. També es farà l’anàlisi de quina seria la freqüència de mostreig òptima (ara es realitzen les mesures de totes les dades cada 10 minuts).

The eXiT group has been working on energy management projects for a few years and has implemented them a network of wireless sensors in your lab. This network collects consumption data electricity and environmental data and employment. It is proposed to exploit the data collected for a year. Once the data has been pre-processed (outliers, missing data ...) they will work with different goals. The first is to construct different predictive models of the consumption of the laboratory with the best possible accuracy. These models will be built through programs such as Rapidminer or R, consisting of the task of obtaining different types of predictive models (different methodologies, hourly consumptions, monthly diaries ..., consumptions individuals / aggregates). Then, using a tool developed in the group will be built models for detecting abnormalities or behavioral changes in laboratory use, and with the previous predictive models will be able to evaluate consumption deviations. Finally, as the consumption data are collected with different levels of aggregation (individual workplace, line which feeds two or three work centers and line which feeds all work centers) es will create a model that analyzes the breakdown of consumption to assess whether with a number lower sensor could get the same information. At this point, the need to conduct measurement campaigns to obtain device consumption curves individualized. An analysis will also be made of the optimal sampling frequency (now measurements of all data are performed every 10 minutes).