HOME Automation og Energy Prediction: 6 trinn (med bilder)

2024 Forfatter: John Day | [email protected]. Sist endret: 2024-01-30 11:25

Av _prateekjha_Følg Om: Hacker Mer om _prateekjha_ »

HAEP (Home Automation and Energy Prediction System) er et prosjekt om hjemmeautomatiseringssystem som er bygget rundt ideen om å måle og forutsi husets energiforbruk. Det har vært flere år siden hjemmeautomatisering har steget i våre liv og gjort oss bedre enn noen gang. Hvis du var fan av The Jetsons tegneserieserier som vokste opp, har du sannsynligvis drømt om flygende biler, et helautomatisk hjem og en verden der alt er tilgjengelig med et tastetrykk. Biler flyr absolutt ikke ennå, men automatisert kjøring er ikke så langt unna. Og det er heller ikke muligheten til å kontrollere mange aspekter av hjemmet ditt med noen få klikk. Til slutt, på et tidspunkt, kan våre forskjellige husholdningsapparater kobles til, slik at vi kan kontrollere dem alle fra telefonene våre eller en annen type enhet. Foreløpig kan noen apparater styres ved hjelp av en Wi-Fi-tilkobling, men du trenger separate smarttelefonapper eller enheter for å fortelle dem hva de skal gjøre.

Hovedmålet med dette prosjektet er å utføre analyse av de innsamlede dataene og forutsi energiforbruket for neste dag eller måned. Vi mennesker kaster bort mye energi i daglig bruk enten ved å ikke slukke lysene når de ikke er i bruk eller ved å bruke gamle og ineffektive apparater som bruker mye energi. Energi må spares ikke bare for å kutte kostnader, men også for å bevare ressursene for lengre bruk. R unna. Og det er heller ikke muligheten til å kontrollere mange aspekter av hjemmet ditt med noen få klikk.

Trinn 1: Gå gjennom systemet

1. Brukeren vil slå enheten på/av ved hjelp av Android -appen som er bygget for systemet.
2. Data fra Android går til Firebase -dokument på Cloud.
3. Arduino lytter kontinuerlig etter endring av data i Firebase -dokumentet.
4. Basert på feltverdien i Firebase Document endrer den enhetens tilstand.
5. Arduino fortsetter å samle gjeldende temperatur og fuktighet.
6. Disse verdiene sendes til Firebase -dokumentet for analyseformål.
7. Nå blir dataene samlet inn av Python -scriptet som kjører på serveren.
8. En lineær regresjonsmodell kjøres på de innsamlede dataene, og neste dag blir prediksjon utført.
9. Verdien sendes deretter til Android App via Firebase igjen.