Please use this identifier to cite or link to this item:
http://localhost:8080/xmlui/handle/20.500.12421/4155
Title: | Sistema domótico para la gestión de demanda de una vivienda autosostenible |
Authors: | Castillo Garcia, Javier Ferney Suaza Cano, Kevin Andrés Angulo Gamboa, Angel Stiven |
Keywords: | Domótica Cargas Eléctricas Redes Neuronales Máquinas de Aprendizaje Sistema Embebido |
Issue Date: | 2019 |
Publisher: | Universidad Santiago de Cali |
Citation: | Suaza Cano, Kevin Andrés; Angulo Gamboa, A. S. (2019). Sistema domótico para la gestión de demanda de una vivienda autosostenible. Universidad Santiago de Cali. |
Abstract: | A load characterization system was developed in an embedded platform, in order to identify electrical devices used in the home. For the characterization process, the most representative electrical parameters of the different loads were defined, which were used in the training of an artificial neural network implemented in an embedded platform with a network topology with the best performance in terms of computational resources, time of execution and percentage of error. The structure of the network used two hidden layers each with 10 neurons, obtaining an average error of 2.051% with a standard deviation of 1.23%. With the characterization of electrical charges, an intelligent home automation system could be created which can generate savings of up to 23% compared to traditional home automation systems or 69% savings compared to a home without any automation or system control. The proposed demand management system can actively manage the loads due to the knowledge of the elements connected to the network, identifying periods of low consumption which can be related to charging processes completed in mobile phones, laptops or standby mode for televisions. The identification of charges facilitates the implementation of management schemes and control of electric charges |
Description: | Se desarrolló un sistema de caracterización de cargas en una plataforma embebida, con la finalidad de identificar dispositivos eléctricos usados en el hogar. Para el proceso de caracterización se definieron los parámetros eléctricos más representativos de las distintas cargas, los cuales fueron utilizados en el entrenamiento de una red neuronal artificial implementada en una plataforma embebida con una topología de red con el mejor desempeño en términos de recurso computacional, tiempo de ejecución y porcentaje de error. La estructura de la red utilizó dos capas ocultas cada una con 10 neuronas, obteniendo un error promedio de 2.051% con una desviación estándar de 1.23%. Con la caracterización de cargas eléctricas se logró plantear un sistema domótico inteligente el cual puede generar un ahorro de hasta el 23% con respecto a los sistemas domóticos tradicionales o un 69% de ahorro en comparación a una vivienda sin ningún tipo de automatización o sistema de control. El sistema de gestión de demanda propuesto puede gestionar de forma activa las cargas debido al conocimiento de los elementos conectados a la red, identificando los períodos de bajo consumo lo cual puede relacionarse a procesos de carga finalizada en celulares, computadores portátiles o modo de espera en televisores. La identificación de cargas facilita la implementación de esquemas de gestión y control de cargas eléctricas. |
URI: | https://repository.usc.edu.co/handle/20.500.12421/4155 |
Appears in Collections: | Ingeniería Electrónica |
Files in This Item:
File | Description | Size | Format | |
---|---|---|---|---|
SISTEMA DOMÓTICO | 976.65 kB | Adobe PDF | View/Open |
This item is licensed under a Creative Commons License