====== Proyecto Eficiencia Energética ====== Vamos a desarrollar un proyecto para mejorar la eficiencia energética de nuestro centro. Para ello hemos puesto una serie de sensores en el aula para comprobar si dejamos las puertas o ventas abiertas cuando está encendido la calefacción o el aire acondicionado. El montaje de todo ello es el siguiente: * [[https://www.home-assistant.io/|Home Assistant]]: Servidor domótico que recoge toda información. * [[https://www.timescale.com/|TimescaleDB]]: Base de datos Postgresql especializada en series de tiempo * [[https://mosquitto.org/|Mosquitto]]: Un broker de MQTT opensource * [[https://www.zigbee2mqtt.io/|Zigbee2MQTT]]: Un puente entre Zigbee y MQTT * [[https://smlight.tech/product/slzb-06/|SLZB-06]]: Antena Zigbee a Ethernet * Sensores * [[https://www.zigbee2mqtt.io/devices/MCCGQ11LM.html|Aqara MCCGQ11LM]]: Sensor de puertas y ventana * [[https://www.zigbee2mqtt.io/devices/WSDCGQ11LM.html|Aqara WSDCGQ11LM]]: Sensor de temperatura, humedad y presión * [[https://www.shelly.com/products/shelly-pro-em-50|Shelly Pro EM-50]]: Sensor de corriente para carril DIM * Calefacción del centro * Temperaturas del sensor de la calefacción * Aire Acondicionado del aula * [[https://www.home-assistant.io/integrations/met|Integración Home assistant: Meteorologisk institutt (Met.no)]]: Información meteorológica * [[https://www.home-assistant.io/integrations/sun|Integración Home assistant: Sun]]: Posición del sol ===== Servidores ===== * Máquina real IP: 172.16.204.240 Usuario: Contraseña: **** * Home assistant URL:http://172.16.204.240:8123/ Usuario:admin Contraseña: ***** * Mosquitto: IP:172.16.204.240 Puerto:1883 Usuario:admin Contraseña: ***** * Zigbee2mqtt: URL: http://172.16.204.240:8080/ * SLZB-06 (Antena Zigbee): URL: http://172.16.204.241 * Timescaledb (Postgress) IP: 172.16.204.240 Puerto: 5432 usuario: postgres contraseña: **** Base de datos:postgres ===== Tareas ===== ==== Tareas 1: Target ==== ¿Qué queremos hacer? ¿Cuál es el dato a predecir? ==== Tareas 2: Recopilar los datos ==== La primera tarea a realizar es la obtención de datos. Los datos los vamos a agrupar por horas. Para cada hora vamos a querer el valor de todos los sensores sin embargo hay que ver como resumirlos. * ¿Qué temperatura ponemos en cada sensor? * ¿Qué ponemos respecto a las ventanas y puertas abiertas? * ¿Qué consumo eléctrico ponemos? * Incluir las temperaturas de la calefacción Los alumnos deberán: * Elegir como resumir la temperatura de en cada sensor en cada hora y lo mismo con la presión, humedad, velocidad del aire, etc. * Elegir como resumir cuando los sensores de puertas y ventanas cuando están abiertos * Familiarizarse con todos los tipos de sensores que hay y los datos que proporciona cada uno de ellos. ==== Tarea 3: Temperatura del aula ==== Definir que es la temperatura del aula Los alumnos deberán decidir entre: * La temperatura del Aula es la media de todos los sensores * O por otro lado no pensar en la temperatura media del aula y dejar la temperatura de todos los sensores. ==== Tarea 4: Correlaciones entre sensores de temperatura ==== Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de temperatura. ==== Tarea 5: Correlaciones entre sensores de puertas y ventanas ==== Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de puertas y ventanas. ==== Tarea 6: Cálculo de calefacción encendida === Calcular para cada hora si la calefacción está encendida. Para ello es necesario ver la relación entre nuestros datos y la temperatura del sensor de temperatura de la calefacción. Hacer ese modelo usando: * Un modelo de ML lineal * Una red neuronal Hay que decidir que datos usamos para predecir la temperatura porque pueden ser: * Temperatura de cada sensor * La nubosidad * La posición del sol * La temperatura exterior * etc. * Si usamos el valor medio o el valor de cada sensor (ej , la temperatura) Ver cual es mejor y si se generará sobreajuste. ==== Tarea 7: Datos modelo de IA === Definir los datos que necesitamos para nuestro modelo de IA. * ¿Cuál es el target? * ¿Qué datos necesitamos? ==== Tarea 8: Crear un modelo de IA === Crear un modelo de IA basado en: * Machine Learning * Redes neuronales Ver cual es mejor y si se generará sobreajuste.