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:

• Home Assistant: Servidor domótico que recoge toda información.
• TimescaleDB: Base de datos Postgresql especializada en series de tiempo
• Mosquitto: Un broker de MQTT opensource
• Zigbee2MQTT: Un puente entre Zigbee y MQTT
• SLZB-06: Antena Zigbee a Ethernet
• Sensores
  • Aqara MCCGQ11LM: Sensor de puertas y ventana
  • Aqara WSDCGQ11LM: Sensor de temperatura, humedad y presión
  • Shelly Pro EM-50: Sensor de corriente para carril DIM
• Calefacción del centro
  • Temperaturas del sensor de la calefacción
• Aire Acondicionado del aula
• Integración Home assistant: Meteorologisk institutt (Met.no): Información meteorológica
• Integración Home assistant: Sun: Posición del sol

• 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

¿Qué queremos hacer?

¿Cuál es el dato a predecir?

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.

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.

Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de temperatura.

Para ahorrar dinero en sensores, ver si hay correlaciones entre los sensores de puertas y ventanas.

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.

Definir los datos que necesitamos para nuestro modelo de IA.

• ¿Cuál es el target?
• ¿Qué datos necesitamos?

Crear un modelo de IA basado en:

• Machine Learning
• Redes neuronales

Ver cual es mejor y si se generará sobreajuste.