HOME Automation och energiprognos: 6 steg (med bilder)

2024 Författare: John Day | [email protected]. Senast ändrad: 2024-01-30 12:46

Av _prateekjha_Följ om: Hacker Mer om _prateekjha_ »

HAEP (Home Automation and Energy Prediction System) är ett projekt om hemautomatiseringssystem som bygger på idén att mäta och förutsäga husets energiförbrukning. Det har gått flera år sedan Home Automation har tagit steg i våra liv och gjort oss bättre än någonsin tidigare. Om du var ett fan av The Jetsons tecknade serier som växte upp har du sannolikt drömt om flygande bilar, ett helautomatiserat hem och en värld där allt är tillgängligt med ett knapptryck. Bilar flyger verkligen inte ännu, men automatiserad körning är inte alltför långt borta. Och inte heller är möjligheten att styra många aspekter av ditt hem med några klick. I slutändan kan någon gång våra olika hushållsapparater anslutas, så att vi kan styra dem alla från våra telefoner eller någon annan typ av enhet. För närvarande kan vissa apparater styras med hjälp av en Wi-Fi-anslutning, men du behöver separata smartphone-appar eller enheter för att berätta vad de ska göra.

Huvudmålet med detta projekt är att utföra analys av de insamlade data och förutsäga energiförbrukningen för nästa dag eller månad. Vi människor slösar bort mycket energi i vår dagliga användning antingen genom att inte släcka lamporna när de inte används eller genom att använda gamla och ineffektiva apparater som förbrukar mycket energi. Energi måste bevaras inte bara för att minska kostnaderna utan också för att bevara resurserna för längre användning. R bort. Och inte heller möjligheten att styra många aspekter av ditt hem med några klick.

Steg 1: Gå igenom systemet

1. Användaren slår på/av enheten med Android -appen som är byggd för systemet.
2. Data från Android går till Firebase -dokument på molnet.
3. Arduino lyssnar kontinuerligt efter förändring av data i Firebase -dokumentet.
4. Baserat på fältvärdet i Firebase Document ändrar det enhetens tillstånd.
5. Arduino fortsätter att samla in aktuell temperatur och luftfuktighet.
6. Dessa värden skickas till Firebase -dokumentet för analysändamål.
7. Nu samlas data in av Python -skriptet som körs på servern.
8. En linjär regressionsmodell körs på de insamlade uppgifterna och nästa dag görs förutsägelser.
9. Värdet skickas sedan till Android App via Firebase igen.

Steg 2: Komponenter