logongas

Esta página es de solo lectura. Puedes ver la fuente pero no puedes cambiarla. Pregunta a tu administrador si crees que esto es incorrecto.
====== 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.