1. Trang chủ
  2. » Luận Văn - Báo Cáo

Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu

89 0 0
Tài liệu đã được kiểm tra trùng lặp

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Tiêu đề Thiết kế chiến lược và tối ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu từ IoT và học sâu
Tác giả Phạm Tiến Thành
Người hướng dẫn TS. Mai Hoàng Bảo Ân
Trường học Trường Đại học Thủ Dầu Một
Chuyên ngành Hệ Thống Thông Tin
Thể loại Luận Văn Thạc Sĩ
Năm xuất bản 2024
Thành phố Bình Dương
Định dạng
Số trang 89
Dung lượng 6,81 MB

Nội dung

5 Chương 2: Giới Thiệu Hệ Thống Thông Minh Chương này tập trung giới thiệu về các loại cảm biến như cảm biến nhiệt độ, áp suất, độ ẩm, ánh sáng, CO/CO2 và cảm biến phát hiện con người đư

Trang 1

ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG

TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT

PHẠM TIẾN THÀNH

THIẾT KẾ CHIẾN LƯỢC VÀ TỐI ƯU HÓA HIỆU SUẤT CỦA TÒA NHÀ KHÔNG SỬ DỤNG NĂNG LƯỢNG

SỬ DỤNG DỮ LIỆU TỪ IOT VÀ HỌC SÂU

CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN

MÃ SỐ: 8 48 01 04

LUẬN VĂN THẠC SĨ

BÌNH DƯƠNG – 2024

Trang 2

ỦY BAN NHÂN DÂN TỈNH BÌNH DƯƠNG

TRƯỜNG ĐẠI HỌC THỦ DẦU MỘT

PHẠM TIẾN THÀNH

THIẾT KẾ CHIẾN LƯỢC VÀ TỐI ƯU HÓA HIỆU SUẤT CỦA TÒA NHÀ KHÔNG SỬ DỤNG NĂNG LƯỢNG

SỬ DỤNG DỮ LIỆU TỪ IOT VÀ HỌC SÂU

CHUYÊN NGÀNH: HỆ THỐNG THÔNG TIN

MÃ SỐ: 8 48 01 04

LUẬN VĂN THẠC SĨ NGƯỜI HƯỚNG DẪN KHOA HỌC:

TS MAI HOÀNG BẢO ÂN

BÌNH DƯƠNG – 2024

Trang 3

i

Lời Cam Đoan

Tên tôi là: Phạm Tiến Thành

Sinh ngày: 25/09/1995

Học viên lớp cao học CH20HT01 – Trường Đại học Thủ Dầu Một

Xin cam đoan: Đề tài “Thiết kế chiến lược và tối ưu hóa hiệu suất của

tòa nhà không sử dụng năng lượng sử dụng dữ liệu từ IoT và học sâu” do Thầy

TS Mai Hoàng Bảo Ân hướng dẫn là công trình nghiên cứu của riêng tôi Tất cả tài liệu tham khảo đều có nguồn gốc, trích dẫn rõ ràng

Tác giả xin cam đoan tất cả những nội dung trong luận văn đúng như trong

đề cương và yêu cầu của Giảng viên hướng dẫn Nếu sai tôi hoàn toàn chịu trách nhiệm trước hội đồng khoa học

Bình Dương, ngày tháng năm 2024

Tác giả luận văn

Phạm Tiến Thành

Trang 4

ii

Lời Cảm Ơn

Sau một thời gian nghiên cứu và làm việc nghiêm túc, được sự động viên, giúp đỡ và hướng dẫn tận tình của Giảng viên Hướng dẫn TS Mai Hoàng Bảo Ân, Luận văn Cao học “Thiết kế chiến lược và tối ưu hóa hiệu suất của tòa nhà không

sử dụng năng lượng sử dụng dữ liệu từ IoT và học sâu” đã hoàn thành

Tôi xin bày tỏ lòng biết ơn sâu sắc đến:

Giảng viên Hướng dẫn TS Mai Hoàng Bảo Ân đã tận tình chỉ dẫn, giúp đỡ tôi hoàn thành luận văn này Đồng thời tôi gửi lời cảm ơn đến các thầy, cô đã giảng dạy truyền đạt kiến thức, kinh nghiệm cho tôi trong suốt thời gian học tập và nghiên cứu

Tôi chân thành cảm ơn bạn bè, đồng nghiệp và gia đình đã động viên, khích

lệ, tạo điều kiện giúp đỡ tôi trong suốt quá trình học tập, thực hiện và hoàn thành luận văn này

Trang 5

iii

MỤC LỤC

Lời Cam Đoan i

Lời Cảm Ơn ii

MỤC LỤC iii

Danh mục chữ viết tắt vi

Danh mục bảng biểu vii

Danh mục hình viii

MỞ ĐẦU 1

1 Lý do chọn đề tài 1

2 Mục tiêu nghiên cứu 2

3 Tổng quan nghiên cứu của đề tài 3

4 Đối tượng, phạm vi nghiên cứu 4

5 Phương pháp nghiên cứu 4

6 Đóng góp của đề tài 4

7 Cấu trúc của đề tài 4

Chương 1 CƠ SỞ LÝ THUYẾT 6

Chươn g 1: 1.1 Giới thiệu về Internet kết nối vạn vật? 6

Chươn g 2: 1.2 Một số ứng dụng phổ biến của IoT 7

Chươn g 3: 1.3 Chuỗi dữ liệu theo thời gian 7

Chươn g 4: 1.4 Mạng Nơ-Ron 10

1.4.1 Mạng Nơ-Ron sinh học 10

1.4.2 Mạng Nơ-Ron nhân tạo 11

1.4.3 Mạng Nơ-ron hồi quy - Recurrent Neural Networks 11

1.4.4 Mạng trí nhớ ngắn hạn định hướng dài hạn (LSTM - Long short term memory) 12

Trang 6

iv

Chươn g 5: 1.5 Random Forest (Rừng cây ngẫu nhiên) 15

Chươn g 6: 1.6 Tiểu kết chương 16

Chương 2 GIỚI THIỆU HỆ THỐNG THÔNG MINH 17

Chươn g 7: 2.1 Các loại cảm biến 17

2.1.1 Cảm biến nhiệt độ 17

2.1.2 Cảm biến áp suất 18

2.1.3 Cảm biến độ ẩm 19

2.1.4 Cảm biến ánh sáng 20

2.1.5 Cảm biến khí CO, CO2 21

2.1.6 Phát hiện con người 22

Chươn g 8: 2.2 Phân loại thiết bị thông minh 22

Chươn g 9: 2.3 Hệ thống điều khiển thông minh 24

Chươn g 10: 2.4 Tiểu kết chương 29

Chương 3 LẮP ĐẶT VÀ TRIỂN KHAI HỆ THỐNG THÔNG MINH 31

Chươn g 11: 3.1 Giới thiệu về Đại Học Thủ Dầu Một 31

Chươn g 12: 3.2 Khảo sát công trình 31

Chươn g 13: 3.3 Thu thập dữ liệu 33

Chươn g 14: 3.4 Lắp đặt các trang thiết bị 33

Chươn g 15: 3.5 Phương thức lấy dữ liệu 36

Chươn g 16: 3.6 Phần cứng 37

3.6.1 Vi điều khiển ESP8266 37

3.6.2 BH1750 cảm biến ánh sáng 38

3.6.3 DHT11 cảm biến độ ẩm không khí 39

3.6.4 HLK-LD2410 cảm biến radar phát hiện con người 40

Trang 7

v

3.6.5 SCT-013 10A cảm biến dòng điện xoay chiều 220V 41

Chươn g 17: 3.7 Giới thiệu mạch nguyên lý module thu thập dữ liệu cảm biến 42

Chươn g 18: 3.8 Phần mềm 48

3.8.1 Giao thức kết nối giữa module cảm biến và trung tâm điều khiển 48

3.8.2 Xử lý tại trung tâm điều khiển 50

Chươn g 19: 3.9 Tiểu kết chương 53

Chương 4 ỨNG DỤNG DỮ LIỆU CẢM BIẾN ĐỂ VẬN HÀNH ĐIỀU KHIỂN CÔNG TRÌNH THÔNG MINH 54

Chươn g 20: 4.1 Sơ đồ chức năng 54

Chươn g 21: 4.2 Dự đoán biến thiên nhiệt độ môi trường bằng học máy 56

Chươn g 22: 4.3 Tiểu kết chương 60

KẾT LUẬN VÀ KIẾN NGHỊ 62

TÀI LIỆU THAM KHẢO 64

PHỤ LỤC 67

Trang 8

vi

Danh mục chữ viết tắt

1-Wire 1-Wire Protocol

ANN Artificial Neural Networks

BiLSTM Thuật toán dự báo chuỗi thời gian các lớp LSTM tiến

và lùi BMS Building Management System

CSDL Cơ Sở Dữ Liệu

GPIO General Purpose Input Output

I2C Inter-Integrated Circuit

IoT Internet of Things

LSTM Long short term memory

MAC Media Access Control

NZEB Net Zero Energy Building

RNN Mạng nơ-ron hồi quy

SPI Serial Peripheral Interface

PCB Printed Circuit Board

Trang 9

vii

Danh mục bảng biểu

Bảng 3.1: Bảng khảo sát số tầng và thiết bị máy lạnh mỗi tầng 31Bảng 3.2: Mô tả ký hiệu và ý nghĩa gói tin gửi đi từ module thu thập dữ liệu tới trung tâm điều khiển 49Bảng 4.1: Kết quả huấn luyện của các mô hình học máy cho tập dữ liệu nhiệt độ 57Bảng 4.2: Cấu hình các lớp cho mô hình LTSM 57

Trang 10

viii

Danh mục hình

Hình 1.1: Thiết bị Internet of Things (IoT) ở ba địa điểm: nhà riêng, cơ quan và

cộng đồng - Ảnh https://aws.amazon.com/en/what-is/iot/ 6

Hình 1.2: Một bản tin dự báo thời tiết dự báo về nhiệt độ của TP.Hồ Chí Minh ngày 11/05/2024 - Dữ liệu được cung cấp bởi OpenWeatherMap 9

Hình 1.3: Hồ sơ tiêu thụ điện trong tuần trung bình tại nhà máy [7] 9

Hình 1.4: Chỉ số nhịp tim trên phút được đo đạc bằng thiết bị y tế 10

Hình 1.5: Cấu tạo tế bào Nơ-ron thần kinh - Ảnh https://www.vinmec.com/vi/tin- tuc/thong-tin-suc-khoe/suc-khoe-tong-quat/neuron-kinh-la-gi-chuc-nang-phan-loai-cau-truc/ 10

Hình 1.6: Mạng nơ-ron nhân tạo là một nhóm các nút được kết nối với nhau, lấy cảm hứng từ sự đơn giản hóa các nơ-ron trong não Ở đây, mỗi nút tròn đại diện cho một nơ-ron nhân tạo và một mũi tên biểu thị kết nối từ đầu ra của một nơ-ron nhân tạo này đến đầu vào của một nơ-ron nhân tạo khác 11

Hình 1.7 Cấu trúc tế bào LSTM [8] 12

Hình 1.8: Tầng cổng quên trong LSTM cell [8] 13

Hình 1.9: Cập nhật giá trị cho ô trạng thái bằng cách kết hợp 2 kết quả từ tầng cổng vào và tầng ẩn hàm tanh [8] 14

Hình 1.10: Ô trạng thái mới [8] 14

Hình 1.11: Điều chỉnh thông tin ở đầu ra thông qua hàm tanh [8] 14

Hình 1.12: Cây quyết định và rừng cây ngẫu nhiên 15

Hình 2.1: Công trình thông minh [6] 24

Hình 2.2: Bóng đèn thông minh 25

Hình 2.3: Hệ thống điều hòa thông minh của hãng Daikin - Ảnh https://daikinvietnam.co/ 25

Hình 2.4: Giám sát phát hiện người và chuyển động trên hệ thống camera - Ảnh https://frigate.video/ 26

Hình 2.5: Loa thông minh google có trợ lý ảo Google - Ảnh https://www.lifewire.com/connect-google-home-to-tv-4160592 27

Trang 11

ix

Hình 2.6: Sơ đồ kết nối Thread điều khiển giao thức kết nối -

https://smarthomekit.vn 28

Hình 2.7: Hệ thống quản lý năng lượng theo dạng khối công nghiệp - https://atpro.com.vn/ 28

Hình 2.8: Sử dụng ứng dụng trên điện thoại điều khiển nhà thông minh - Ảnh https://smarttech247.vn/ 29

Hình 3.1: Sơ đồ các khối văn phòng, phòng học trường Đại học Thủ Dầu Một trên bản đồ 32

Hình 3.2: Module cảm biến gắn kèm máy lạnh âm trần 34

Hình 3.3: Cảm biến máy lạnh gắn bên dưới do nhiệt độ phòng 35

Hình 3.4: Kiến trúc tổng quan của hệ thống thu thập dữ liệu cảm biến 36

Hình 3.5: Sơ đồ chân vi điều khiển ESP8266 Ảnh https://randomnerdtutorials.com/esp8266-pinout-reference-gpios/ 37

Hình 3.6: Module cảm biến BH1750 dành cho nghiên cứu và thử nghiệm 38

Hình 3.8: Module HLK-LD2410 ra chân sẵn dùng cho học tập và nghiên cứu 40

Hình 3.9: Phần mềm điều chỉnh độ nhạy cảm biến HLK-LD2410 do chính hãng cung cấp 41

Hình 3.10: Cảm biến SCT-013 thành phẩm, mẫu 10A 41

Hình 3.11: Cách lắp đặt cảm biến SCT-013 để đo công suất tiêu thụ điện các thiết bị điện tử - Ảnh https://diyprojectslab.com/measure-ac-current-using-arduino-and-sct-013/ 42

Hình 3.12: Module nguồn xung WX-DC12003 220V sang 5V 0.7A 3W 43

Hình 3.13: Sơ đồ nguyên lý module cảm biến, khối điều khiển 44

Hình 3.14: Sơ đồ nguyên lý module cảm biến, sơ đồ chân cảm biến 45

Hình 3.15: Mô phỏng module cảm biến, hướng từ trên xuống 45

Hình 3.16: Mô phỏng module cảm biến, hướng từ xiên 46

Hình 3.17: Sơ đồ chân PCB mặt trên 47

Hình 3.18: Sơ đồ chân PCB mặt dưới 47

Hình 3.19: Các biến trao đổi dữ liệu với nhau qua giao thức Mesh để tăng phạm vi phủ sóng 49

Trang 12

x

Hình 3.20: Các bước xử lý dữ liệu 51

Hình 3.22: Dữ liệu cảm biến độ ẩm được hiển thị trực quan của nhiều module cảm biến đo được cùng lúc 52

Hình 3.23: Bảng dữ liệu chứa thông tin nhiệt độ được ghi nhận của các module cảm biến 53

Hình 4.1: Dữ liệu nhiệt độ cảm biến nhiệt độ đo được trong thời gian 14/4 đến 16/04 56

Hình 4.2: Kết quả tỷ lệ mất mát trải qua 60 thế hệ huấn luyện mô hình 57

Hình 4.3: Kết quả áp dụng LTSM 58

Hình 4.4: Kết quả với Random Forest 58

Hình 4.5: Kết quả với mô hình cây quyết định 59

Hình 4.6: Kết quả với mô hình MLP 59

Hình 4.7: Kết quả với mô hình SVM 60

Trang 13

Hàng năm, các công trình lớn như tòa nhà tiêu tốn một lượng lớn năng lượng điện và nhiệt, chủ yếu được cung cấp từ nguồn năng lượng hóa thạch như xăng, dầu và khí đốt, cùng với một phần nhỏ từ năng lượng thủy điện Mức tiêu thụ khổng lồ này đặt ra nhiều thách thức trong việc quản lý và phát triển bền vững

Net Zero Energy Building (NZEB) - tòa nhà không tiêu thụ năng lượng là một tòa nhà được thiết kế và vận hành để không tiêu thụ năng lượng ròng trong suốt một năm Điều này có nghĩa là lượng năng lượng mà tòa nhà này tiêu thụ hàng năm sẽ được bù đắp hoàn toàn bởi lượng năng lượng tái tạo mà tòa nhà tự sản xuất

ra, chẳng hạn như năng lượng mặt trời, gió hoặc nhiệt [1] Những đặc điểm chính của tòa nhà không sử dụng năng lượng bao gồm [2]:

- Hiệu quả năng lượng cao: Tòa nhà được thiết kế để tối ưu hóa việc sử dụng năng lượng, thông qua các biện pháp như cách nhiệt tốt, tận dụng ánh sáng

tự nhiên, lắp đặt các thiết bị tiết kiệm năng lượng và hệ thống HVAC (Heating, Ventilation, and Air Conditioning) hiện đại

- Sử dụng năng lượng tái tạo: Tòa nhà được trang bị các hệ thống năng lượng tái tạo như pin mặt trời hoặc tuabin gió để tự sản xuất năng lượng

- Quản lý năng lượng thông minh: Tích hợp các hệ thống tự động và công nghệ thông minh để quản lý và tối ưu hóa việc sử dụng năng lượng

Trang 14

2

Tòa nhà không tiêu thụ năng lượng không chỉ là một giải pháp thông minh

và tiết kiệm mà còn mang lại tính bền vững, giúp giảm thiểu tác động tiêu cực đến môi trường và nâng cao chất lượng cuộc sống Ứng dụng dữ liệu từ Internet of Things (IoT) và thuật toán học sâu trong quá trình thiết kế và tối ưu hóa hiệu suất của tòa nhà đóng vai trò quan trọng trong việc đạt được những mục tiêu này, giúp tăng cường hiệu quả sử dụng năng lượng, giảm chi phí và hạn chế ảnh hưởng đến môi trường

Vì lý do đó, tôi đã lựa chọn đề tài "Thiết kế chiến lược và tối ưu hiệu suất

của tòa nhà không sử dụng năng lượng sử dụng dữ liệu từ IoT và học sâu" cho

luận văn tốt nghiệp cao học của mình, với hy vọng đóng góp vào việc thúc đẩy phát triển bền vững và xây dựng một tương lai tốt đẹp hơn cho con người và môi trường sống

2 Mục tiêu nghiên cứu

Mục tiêu của đề tài là Ứng dụng học sâu để tối ưu các thông số đầu vào của

hệ thống điều khiển thông minh nhằm đưa ra các quyết định điều khiển tối ưu hóa năng lượng tiêu thụ cho tòa nhà Để đạt được mục tiêu trên, đề tài cần thực hiện các mục tiêu sau:

- Xử lý dữ liệu từ các cảm biến: Thu thập và xử lý dữ liệu từ các cảm biến đo nhiệt độ, độ ẩm, ánh sáng và áp suất trong tòa nhà

- Đo lường và xác định các khu vực cần cải thiện: Phân tích và xác định các khu vực trong tòa nhà có thể được cải thiện hiệu suất năng lượng, đồng thời phát triển các chiến lược tối ưu phù hợp

- Áp dụng học sâu để phân tích dữ liệu: Sử dụng các phương pháp học sâu

để phân tích dữ liệu về ánh sáng, nhiệt độ và độ ẩm, từ đó dự đoán và ước tính nhu cầu sử dụng năng lượng trong tòa nhà

- Tự động hóa quy trình và tích hợp vào hệ thống điều khiển tự động: Phát triển và triển khai các giải pháp tự động hóa để điều khiển các quy trình trong tòa nhà, tích hợp chúng vào hệ thống điều khiển tự động sẵn có

Trang 15

3

3 Tổng quan nghiên cứu của đề tài

Trong bối cảnh xã hội ngày càng chú ý đến việc bảo vệ môi trường và tối

ưu hóa việc sử dụng năng lượng tài nguyên, công việc thiết kế chiến lược và nâng cao hiệu suất cho các nhà xây dựng không tiêu thụ năng lượng đã trở thành mục tiêu hàng đầu Điều này không chỉ góp phần giảm chi phí vận hành mà còn giúp hạn chế các tác động tiêu cực đến môi trường Từ đó, đề tài nghiên cứu “Thiết kế chiến lược và tối ưu hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu từ IoT và học sâu” được phát triển cho mục tiêu tìm kiếm giải pháp hiệu quả kết quả trong quản lý và sử dụng năng lượng tối ưu cho tòa nhà

Trong nhiều nghiên cứu gần đây, trong hội nghị quốc tế International Conference on Sustainable Computing and Data Communication Systems (ICSCDS), Sowmya Jagadeesan [3] và các cộng sự sử dụng các kỹ thuật tối ưu hóa như thuật toán di truyền trong các tòa nhà thông minh cũng đóng vai trò quan trọng trong việc giảm lượng năng lượng tiêu thụ không cần thiết Qua việc áp dụng thuật toán học máy và các thuật toán tối ưu, việc lập kế hoạch cho các thiết bị được thực hiện một cách hợp lý, giúp tăng cường hiệu suất tổng thể của hệ thống Ngoài ra, trên tạp chí MDPI về các vấn đề phát triển bền vững, Yuvaraj Natarajan và các cộng sự [4] cũng đã giới thiệu mô hình học sâu kết hợp có tên CNN_BiLSTM, kết hợp bộ nhớ ngắn hạn dài hai chiều (BiLSTM) và mạng thần kinh tích chập (CNN), trong nghiên cứu này để dự đoán mức sử dụng năng lượng trong các lĩnh vực này

Mô hình CNN_BiLSTM tận dụng lớp CNN để nắm bắt các đặc điểm không gian trong dữ liệu chuỗi thời gian và lớp BiLSTM để nắm bắt cả các mẫu thời gian dài hạn và ngắn hạn Sử dụng dự đoán đệ quy với mô hình CNN_BiLSTM để nâng cao khả năng dự báo mức tiêu thụ năng lượng ở cả khu vực dân cư và thương mại

Trong luận văn này, tôi trình bày phương pháp xử lý dữ liệu thô từ các cảm biến, lưu trữ từ các cảm biến IoT Đồng thời tạo ra bộ dữ liệu nhỏ ban đầu có được

để huấn luyện tạo ra hệ thống sử dụng để điều khiển tòa nhà để đưa ra thông số và giải pháp tiết kiệm năng lượng tốt nhất cho tòa nhà thực nghiệm

Trang 16

4

4 Đối tượng, phạm vi nghiên cứu

Dữ liệu cảm biến được lắp đặt trong tòa nhà thông minh tại Trường Đại Học Thủ Dầu Một

5 Phương pháp nghiên cứu

Để thực hiện đề tài này, tác giả sử dụng các phương pháp nghiên cứu sau:

- Phương pháp phân tích và tổng hợp lý thuyết: nghiên cứu, tổng hợp các tài liệu lý thuyết liên quan đến chủ đề và công nghệ sử dụng

- Phương pháp xử lý tín hiệu: xử lý nhiều nguồn dữ liệu vào vào, lọc và lưu trữ dữ liệu…

- Phương pháp thực nghiệm: sau khi nghiên cứu lý thuyết, xác định các vấn

đề của bài toán từ đó đề xuất mô hình, sau đó tiến hành thử nghiệm và cải tiến mô hình kết hợp với các phương pháp xử lý dữ liệu để đưa ra thuật toán tốt nhất Phương pháp so sánh và đánh giá: để phân tích đánh giá mô hình

đề xuất với các mô hình nghiên cứu trước

6 Đóng góp của đề tài

- Dữ liệu đã được xử lý từ việc thu thập dữ liệu của cảm biến

- Hệ thống điều khiển dùng để tối ưu năng lượng của tòa nhà thông minh

- Đề xuất các mô hình học máy và học sâu để dự đoán dữ liệu cảm biến nhiệt

độ

7 Cấu trúc của đề tài

Nội dung luận văn gồm 4 chương như sau:

Chương 1: Tổng Quan Lý Thuyết và Nghiên Cứu Liên Quan

Chương này giới thiệu về Internet kết nối vạn vật (IoT), các ứng dụng phổ biến, chuỗi dữ liệu thời gian, mạng nơ ron và thuật toán rừng cây ngẫu nhiên

Trang 17

5

Chương 2: Giới Thiệu Hệ Thống Thông Minh

Chương này tập trung giới thiệu về các loại cảm biến như cảm biến nhiệt độ, áp suất, độ ẩm, ánh sáng, CO/CO2 và cảm biến phát hiện con người được sử dụng cho các công trình thông minh, hệ thống điều khiển thông minh

Chương 3: Lắp Đặt và Triển Khai Hệ Thống Thông Minh

Chương này trình bày về việc triển khai lắp đặt hệ thống thông minh tại Đại học Thủ Dầu Một, bao gồm khảo sát công trình, xác định loại

dữ liệu cần thu thập, lắp đặt trang thiết bị, phương thức lấy dữ liệu, giới thiệu phần cứng và phần mềm của hệ thống

Chương 4: Ứng Dụng Dữ Liệu Cảm Biến Trong Điều Khiển Công Trình Thông Minh

Chương này giới thiệu chi tiết sơ đồ chức năng của hệ thống và ứng dụng dữ liệu cảm biến để dự đoán biến thiên nhiệt độ môi trường bằng các mô hình học máy như rừng cây ngẫu nhiên, cây quyết định, máy vectơ hỗ trợ, mạng nơ ron đa lớp (MLP) và mạng trí nhớ ngắn hạn định hướng dài hạn (LSTM)

Trang 18

6

Chương 1 CƠ SỞ LÝ THUYẾT

Internet kết nối vạn vật (Internet of Thingshay IoT) được mô tả là mạng lưới các thiết bị “things” như các cảm biến, phần mềm và các công nghệ để kết nối các thiết bị và các hệ thống khác nhau nhằm mục đích điều khiển và cung cấp các thông tin theo nhu cầu [5]

Trong những năm gần đây, IoT đã trở thành một trong những công nghệ quan trọng nhất của thế kỷ 21 Nó đã mở ra khả năng kết nối các thiết bị hằng ngày như thiết bị nhà bếp, ô tô, máy điều hòa và thiết bị giám sát trẻ em với Internet thông qua các thiết bị nhúng, tạo điều kiện cho giao tiếp mượt mà giữa con người

và môi trường xung quanh

Hình 1.1: Thiết bị Internet of Things (IoT) ở ba địa điểm: nhà riêng, cơ quan và

cộng đồng - Ảnh https://aws.amazon.com/en/what-is/iot/

Sự tiến bộ trong các lĩnh vực như công nghệ cảm biến tiết kiệm năng lượng

và chi phí, kết nối mạng, nền tảng đám mây, học máy và trí tuệ nhân tạo đã đóng vai trò quan trọng trong việc biến ý tưởng về IoT thành hiện thực

Trang 19

7

Các cảm biến giá rẻ và đáng tin cậy cùng với giao thức mạng tiện lợi đã làm cho việc kết nối các thiết bị với đám mây trở nên dễ dàng và hiệu quả Nền tảng đám mây cung cấp sự linh hoạt cho doanh nghiệp và người dùng cuối để mở rộng quy mô mà không cần lo lắng về quản lý cơ sở hạ tầng Đồng thời, sự phát triển của học máy và phân tích dữ liệu cho phép thu thập thông tin chi tiết một cách nhanh chóng và dễ dàng hơn

IoT cho phép các thiết bị liên lạc, trao đổi thông tin với nhau, điều khiển và vận hành các hệ thống khác nhau từ các hệ thống điện, chiếu sáng, điều hòa nhiệt độ… hỗ trợ con người điều khiển một cách tự động hoặc thủ công Ứng dụng IoT không chỉ cung cấp thông tin từ cảm biến mà còn cho phép giao tiếp tiếp theo giữa các thiết bị, cung cấp một loạt ứng dụng trong nhiều lĩnh vực Dưới đây là một số ứng dụng phổ biến và chức năng

Phạm vi gia đình:

- Tự động tắt các thiết bị khi không sử dụng

- Hẹn giờ bật tắt các thiết bị điện gia dụng như đèn quạt, máy lạnh

- Tự động hóa các công việc hằng ngày như lau nhà, hút bụi, pha cà phê, giặt đồ…

Trong công nghiệp và đời sống xã hội

- Báo cáo vị trí tàu, xe trực tuyến

- Điều khiển chiếu sáng, tín hiệu giao thông

- Quản lý kho, hàng tồn kho, định vị kiện hàng trong kho

Chuỗi dữ liệu theo thời gian là một tập hợp các điểm dữ liệu được thu thập theo thứ tự thời gian Một chuỗi thời gian có thể được biểu diễn dưới dạng một chuỗi, được ký hiệu là (t1, x1), (t2, x2), , (tn, xn) Mỗi điểm dữ liệu trong chuỗi được gọi là một quan sát, và nó bao gồm hai thành phần:

Trang 20

8

- Giá trị xn: Giá trị của biến được đo lường tại thời điểm cụ thể

- Dấu thời gian tn: Thời điểm mà giá trị được đo lường

Dấu thời gian có thể là bất kỳ đơn vị thời gian nào, chẳng hạn như giây, phút, giờ, ngày, tháng hoặc năm Tần suất thu thập dữ liệu cũng có thể khác nhau,

từ vài lần mỗi giây đến một lần mỗi năm Chuỗi dữ liệu theo thời gian có những đặc điểm chính như sau:

- Thứ tự: Các quan sát trong chuỗi dữ liệu theo thời gian được sắp xếp theo thứ tự thời gian

- Phụ thuộc: Giá trị của một quan sát có thể phụ thuộc vào giá trị của các quan sát trước đó

- Tính xu hướng: Giá trị của các quan sát có thể thay đổi theo thời gian

- Tính chu kỳ: Giá trị của các quan sát có thể dao động theo thời gian với một chu kỳ nhất định

Ứng dụng của chuỗi thời gian rất đa dạng từ ghi nhận chỉ số chứng khoán, quan trắc khí tượng, doanh số bán hàng… Các chỉ số được đo đạc theo thời gian bằng nhiều khoảng đo khác nhau hàng phút hàng giờ, ngày tháng năm…

Chuỗi dữ liệu theo thời gian đóng vai trò quan trọng trong IoT vì nó cho phép thu thập, lưu trữ và phân tích dữ liệu từ các thiết bị IoT theo thời gian thực

Dữ liệu này có thể được sử dụng để theo dõi hiệu suất của thiết bị, phát hiện sự cố tiềm ẩn và đưa ra quyết định dựa trên dữ liệu Một số ứng dụng được kể đến như:

- Giám sát môi trường: Các cảm biến IoT có thể được sử dụng để thu thập

dữ liệu về nhiệt độ, độ ẩm, áp suất và các yếu tố môi trường khác theo thời gian Dữ liệu này có thể được sử dụng để theo dõi chất lượng không khí, theo dõi điều kiện thời tiết hoặc giám sát các điều kiện trong một tòa nhà

Trang 21

9

Hình 1.2: Một bản tin dự báo thời tiết dự báo về nhiệt độ của TP.Hồ Chí Minh

ngày 11/05/2024 - Dữ liệu được cung cấp bởi OpenWeatherMap

- Năng lượng thông minh: Các thiết bị IoT có thể được sử dụng để thu thập

dữ liệu về mức tiêu thụ năng lượng theo thời gian Dữ liệu này có thể được

sử dụng để xác định các cơ hội tiết kiệm năng lượng, tối ưu hóa việc sử dụng năng lượng và giảm chi phí năng lượng

Hình 1.3: Hồ sơ tiêu thụ điện trong tuần trung bình tại nhà máy [7]

- Y tế: Các thiết bị IoT có thể được sử dụng để thu thập dữ liệu về các dấu

hiệu sinh tồn của bệnh nhân, chẳng hạn như nhịp tim, huyết áp và nhiệt độ

Trang 22

10

cơ thể Dữ liệu này có thể được sử dụng để theo dõi tình trạng của bệnh nhân, phát hiện các sự kiện bất lợi và cung cấp dịch vụ chăm sóc cá nhân hóa

Hình 1.4: Chỉ số nhịp tim trên phút được đo đạc bằng thiết bị y tế

1.4.1 Mạng Nơ-Ron sinh học

Mạng nơ-ron sinh học là hệ thống gồm hàng tỷ tế bào thần kinh (nơ-ron) được kết nối với nhau bởi các khớp thần kinh Những kết nối này cho phép các nơ-ron truyền tín hiệu cho nhau, tạo ra một mạng lưới phức tạp có khả năng học tập,

xử lý thông tin và đưa ra quyết định

Hình 1.5: Cấu tạo tế bào Nơ-ron thần kinh - Ảnh tuc/thong-tin-suc-khoe/suc-khoe-tong-quat/neuron-kinh-la-gi-chuc-nang-phan-

https://www.vinmec.com/vi/tin-loai-cau-truc/

Trang 23

11

1.4.2 Mạng Nơ-Ron nhân tạo

Mạng nơ-ron nhân tạo (Artificial Neural Network - ANN) là mô hình tính toán được lấy cảm hứng từ cấu trúc và chức năng của mạng nơ-ron sinh học trong não người Nó bao gồm nhiều đơn vị xử lý thông tin được gọi là nơ-ron nhân tạo, được kết nối với nhau bởi các đường truyền có trọng số

Hình 1.6: Mạng nơ-ron nhân tạo là một nhóm các nút được kết nối với nhau, lấy cảm hứng từ sự đơn giản hóa các nơ-ron trong não Ở đây, mỗi nút tròn đại diện cho một nơ-ron nhân tạo và một mũi tên biểu thị kết nối từ đầu ra của một nơ-ron

nhân tạo này đến đầu vào của một nơ-ron nhân tạo khác

1.4.3 Mạng Nơ-ron hồi quy - Recurrent Neural Networks

Mạng Nơ-ron hồi quy - Recurrent Neural Networks (RNN) là một lớp của mạng neural cho phép đầu ra được sử dụng như đầu vào trong khi có các trạng thái

ẩn Điểm khác biệt chính giữa RNN và mạng nơ-ron nhân tạo thông thường là RNN có các kết nối giữa các lớp theo chu kỳ, cho phép mạng lưu trữ thông tin từ các đầu vào trước đó và sử dụng thông tin để xử lý các đầu vào tiếp theo

Trang 24

12

Mạng nơ-ron hồi quy khác với mạng nơ-ron thông thường ở chỗ nó ghi nhớ thông tin trước đó và áp dụng nó vào việc tính toán đầu ra hiện tại, nghĩa là các nút giữa các lớp ẩn không còn được kết nối nữa Và đầu vào của lớp ẩn không chỉ bao gồm đầu ra của lớp đầu vào mà còn cả đầu ra của lớp ẩn ở lần trước Về lý thuyết,

nó có thể xử lý dữ liệu chuỗi có độ dài bất kỳ Tuy nhiên, trong thực tế, để giảm

độ phức tạp của mô hình, người ta thường giả định rằng trạng thái hiện tại chỉ liên quan đến một vài trạng thái trước đó [8]

Mạng Nơ Ron hồi quy là một công cụ mạnh để xử lý dữ liệu tuần tự Nhờ khả năng lưu trữ thông tin theo thời gian RNN có thể mô hình hóa các mối quan

hệ phụ thuộc theo thời gian hiệu quả hơn so với các mạng nơ-ron truyền thống RNN có nhiều ứng dụng trong các lĩnh vực khác nhau như xử lý ngôn ngữ tự nhiên, phân tích chuỗi thời gian, nhận dạng nhạc, robot, v.v

1.4.4 Mạng trí nhớ ngắn hạn định hướng dài hạn (LSTM - Long short term memory)

Mạng trí nhớ ngắn hạn định hướng dài hạn (LSTM) là một kiến trúc mạng nơ-ron nhân tạo đặc biệt thuộc họ mạng nơ-ron hồi quy (RNN) có khả năng học được sự phụ thuộc trong dài hạn (long-term dependencies) được giới thiệu bởi Hochreiter & Schmidhuber vào năm 1997 nhằm khắc phục những hạn chế của các kiến trúc RNN truyền thống trong việc học sự phụ thuộc dài hạn (long-term dependencies) trong dữ liệu [9] Kiến trúc này đã được phổ biến và sử dụng rộng rãi cho tới ngày nay LSTM đã tỏ ra khắc phục được rất nhiều những hạn chế của RNN trước đây về triệt tiêu đạo hàm Tuy nhiên cấu trúc của chúng có phần phức tạp hơn mặc dù vẫn giữ được tư tưởng chính của RNN là sự sao chép các kiến trúc theo dạng chuỗi [8]

Hình 1.7 Cấu trúc tế bào LSTM [8]

Trang 25

- Đầu tiên nó nhận đầu vào là 2 giá trị ht-1 và xt và trả về một giá trị nằm

trong khoảng 0 và 1 cho mỗi giá trị của ô trạng thái Ct-1

- Nếu giá trị bằng 1 thể hiện “giữ toàn bộ thông tin” và bằng 0 thể hiện “bỏ qua toàn bộ chúng”

Hình 1.8: Tầng cổng quên trong LSTM cell [8]

Bước tiếp theo chúng ta sẽ quyết định loại thông tin nào sẽ được lưu trữ trong ô trạng thái Bước này gồm 2 phần, lớp sigmoid gọi là cổng đầu vào nó sẽ quyết định giá trị nào sẽ được cập nhật, lớp tanh tạo ra véc-tơ của giá trị mới 𝐶̃𝑡, giá trị kết hợp này có thể cập nhật lại trạng thái cho tầng này

Trang 27

15

LSTM là một mô hình mạng nơ-ron nhân tạo tiên tiến, khắc phục nhiều hạn chế của mạng nơ-ron tuần hoàn truyền thống (RNN) [8] Nhờ những ưu điểm nổi trội, LSTM được ứng dụng rộng rãi trong các lĩnh vực như trích lọc thông tin, xử

lý ngôn ngữ tự nhiên, đặc biệt là trong xử lý dữ liệu cảm biến và dự báo nhiệt độ

So với RNN, LSTM mang lại hiệu quả cao hơn, đặc biệt trong các nhiệm vụ liên quan đến dự đoán chuỗi dữ liệu theo thời gian

Random Forest (Rừng ngẫu nhiên) là một thuật toán học máy được sử dụng

để giải quyết các bài toán phân loại và dự đoán Nó hoạt động bằng cách kết hợp nhiều “cây quyết định” (decision tree) đơn giản thành một “khu rừng” mô hình dự đoán mạnh mẽ hơn

Hình 1.12: Cây quyết định và rừng cây ngẫu nhiên

Ưu điểm:

- Xử lý dữ liệu phức tạp: Dữ liệu cảm biến IoT thường có nhiều chiều

(nhiều thuộc tính) và có thể có cả dữ liệu liên tục và rời rạc Random Forest có khả năng xử lý tốt các loại dữ liệu phức tạp này

Trang 28

16

- Khả năng chống nhiễu: Dữ liệu cảm biến IoT có thể bị nhiễu do

nhiều yếu tố Random Forest có khả năng chống nhiễu tốt, giúp đưa

ra dự đoán chính xác hơn

- Phát hiện các mối quan hệ ẩn: Random Forest có khả năng phát

hiện các mối quan hệ ẩn giữa các thuộc tính của dữ liệu, điều này rất hữu ích trong việc phân tích dữ liệu cảm biến IoT để tìm ra các mẫu

và hiểu hành vi của hệ thống

IoT là một công nghệ đang phát triển mạnh mẽ từng ngày, mang lại nhiều lợi ích cho cuộc sống con người Có nhiều ứng dụng IoT khác nhau trong các lĩnh vực khác nhau Tìm hiểu định nghĩa về hệ thống thông minh, nhà thông minh và các thiết bị thông minh phục vụ cho việc tìm hiểu nghiên cứu và thiết kế tối ưu hóa

sử dụng năng lượng

Bên cạnh đó việc sử dụng các thuật toán thích hợp giúp ta khai thác các dữ liệu cảm biến IoT đo được và ứng dụng trong quá trình điều khiển và vận hành các

hệ thống thông minh

Trang 29

Có nhiều loại cảm biến nhiệt độ khác nhau, mỗi loại có ưu và nhược điểm riêng:

- Cảm biến nhiệt điện trở (Resistance Temperature Detectors - RTD):

Loại cảm biến này hoạt động dựa trên nguyên lý thay đổi điện trở của kim loại khi nhiệt độ thay đổi RTD có độ chính xác cao và độ ổn định tốt, nhưng giá thành tương đối cao

- Cảm biến nhiệt điện (Thermocouple): Loại cảm biến này hoạt động dựa

trên nguyên lý hiệu ứng Seebeck, tạo ra một điện áp nhỏ khi có sự chênh lệch nhiệt độ giữa hai đầu của cặp kim loại khác nhau Thermocouple có thể đo lường nhiệt độ cao và có giá thành rẻ, nhưng độ chính xác không cao bằng RTD

- Cảm biến nhiệt độ bán dẫn (Semiconductor temperature sensor): Loại

cảm biến này hoạt động dựa trên nguyên lý thay đổi điện áp hoặc dòng điện của một transistor khi nhiệt độ thay đổi Cảm biến nhiệt độ bán dẫn có kích thước nhỏ gọn, giá thành rẻ và tiêu thụ điện năng thấp, nhưng độ chính xác không cao bằng RTD và Thermocouple

- Cảm biến hồng ngoại (Infrared temperature sensor): Loại cảm biến này

hoạt động dựa trên nguyên lý đo bức xạ nhiệt phát ra từ một vật thể Cảm biến hồng ngoại có thể đo lường nhiệt độ từ xa và không cần tiếp xúc trực tiếp với vật thể, nhưng giá thành tương đối cao

Cảm biến nhiệt độ được sử dụng trong nhiều ứng dụng khác nhau:

Trang 30

18

- Điều hòa không khí: Cảm biến nhiệt độ được sử dụng để đo lường nhiệt

độ trong phòng và điều khiển hệ thống điều hòa để duy trì nhiệt độ mong muốn

- Tủ lạnh: Cảm biến nhiệt độ được sử dụng để đo lường nhiệt độ trong tủ

lạnh và điều khiển hệ thống làm lạnh để bảo quản thực phẩm

- Máy sấy: Cảm biến nhiệt độ được sử dụng để đo lường nhiệt độ của quần

áo trong máy sấy và điều khiển hệ thống sấy để đảm bảo quần áo được sấy khô đúng cách

- Thiết bị y tế: Cảm biến nhiệt độ được sử dụng để đo lường nhiệt độ cơ thể

của bệnh nhân trong các thiết bị y tế như máy đo thân nhiệt

2.1.2 Cảm biến áp suất

Cảm biến áp suất là một thiết bị được sử dụng để đo lường áp suất của chất lỏng hoặc khí Nó chuyển đổi áp suất thành tín hiệu điện có thể đọc được, hiển thị trên màn hình, ghi lại hoặc sử dụng để điều khiển các thiết bị khác

Có nhiều loại cảm biến áp suất khác nhau, mỗi loại có ưu và nhược điểm riêng:

- Cảm biến áp suất cơ học: Loại cảm biến này sử dụng các bộ phận cơ học

như màng, lò xo hoặc piston để cảm nhận sự thay đổi áp suất Cảm biến áp suất cơ học có độ bền cao và giá thành rẻ, nhưng độ chính xác không cao bằng các loại cảm biến khác

- Cảm biến áp suất điện tử: Loại cảm biến này sử dụng các linh kiện điện

tử như điện trở, tụ điện hoặc bán dẫn để cảm nhận sự thay đổi áp suất Cảm biến áp suất điện tử có độ chính xác cao và kích thước nhỏ gọn, nhưng giá thành tương đối cao

- Cảm biến áp suất piezoresistive: Loại cảm biến này sử dụng các vật liệu

piezoresistive để cảm nhận sự thay đổi áp suất Cảm biến áp suất piezoresistive có độ nhạy cao và thời gian đáp ứng nhanh, nhưng giá thành cao hơn so với các loại cảm biến áp suất cơ học

Trang 31

19

- Cảm biến áp suất điện dung: Loại cảm biến này sử dụng các điện dung để

cảm nhận sự thay đổi áp suất Cảm biến áp suất điện dung có độ chính xác cao và độ ổn định tốt, nhưng giá thành tương đối cao

Cảm biến áp suất được sử dụng trong nhiều ứng dụng khác nhau:

- Công nghiệp: Cảm biến áp suất được sử dụng để đo lường áp suất trong

các hệ thống đường ống, máy móc và thiết bị công nghiệp

- Y tế: Cảm biến áp suất được sử dụng để đo lường huyết áp, nhịp tim và các

thông số sinh học khác

- Ô tô: Cảm biến áp suất được sử dụng để đo lường áp suất trong động cơ,

lốp xe và hệ thống phanh

- Dự báo thời tiết: Cảm biến áp suất được sử dụng để đo lường áp suất khí

quyển, mực nước và tốc độ gió

2.1.3 Cảm biến độ ẩm

Cảm biến độ ẩm là một thiết bị được sử dụng để đo lường độ ẩm trong môi trường xung quanh Nó chuyển đổi độ ẩm thành tín hiệu điện có thể đọc được, hiển thị trên màn hình, ghi lại hoặc sử dụng để điều khiển các thiết bị khác

Có nhiều loại cảm biến độ ẩm khác nhau, mỗi loại có ưu và nhược điểm riêng:

- Cảm biến độ ẩm điện trở: Loại cảm biến này sử dụng các vật liệu polymer

hoặc muối hút ẩm để thay đổi điện trở của nó khi độ ẩm thay đổi

Ưu điểm: Giá rẻ, dễ sử dụng

Nhược điểm: Độ chính xác không cao, dễ bị ảnh hưởng bởi nhiệt độ môi trường

- Cảm biến độ ẩm điện dung:

Loại cảm biến này sử dụng một lớp vật liệu điện dung có khả năng hấp thụ hơi nước để thay đổi điện dung của nó khi độ ẩm thay đổi

Trang 32

20

Ưu điểm: Độ chính xác cao, ít bị ảnh hưởng bởi nhiệt độ

Nhược điểm: Giá thành cao hơn so với cảm biến độ ẩm điện trở

- Cảm biến độ ẩm quang học: Loại cảm biến này sử dụng tia sáng để đo

lường lượng hơi nước trong không khí

Ưu điểm: Độ chính xác cao, không cần tiếp xúc trực tiếp với môi trường Nhược điểm: Giá thành cao, phức tạp hơn so với các loại cảm biến khác Cảm biến độ ẩm được sử dụng trong nhiều ứng dụng khác nhau:

- Điều hòa không khí: Cảm biến độ ẩm được sử dụng để đo lường độ ẩm

trong phòng và điều khiển hệ thống điều hòa để duy trì độ ẩm mong muốn

- Tủ lạnh: Cảm biến độ ẩm được sử dụng để đo lường độ ẩm trong tủ lạnh

và điều khiển hệ thống làm lạnh để bảo quản thực phẩm

- Máy sấy: Cảm biến độ ẩm được sử dụng để đo lường độ ẩm của quần áo

trong máy sấy và điều khiển hệ thống sấy để đảm bảo quần áo được sấy khô đúng cách

- Thiết bị y tế: Cảm biến độ ẩm được sử dụng để đo lường độ ẩm trong môi

trường để kiểm soát sự phát triển của vi khuẩn và nấm mốc

2.1.4 Cảm biến ánh sáng

Cảm biến ánh sáng là thiết bị quang điện có khả năng chuyển đổi năng lượng ánh sáng (photon) thành tín hiệu điện Nó có thể nhận biết được các biến đổi của môi trường thông qua mắt cảm biến, từ đó điều chỉnh ánh sáng sao cho phù hợp

Có hai loại cảm biến ánh sáng phổ biến:

- Cảm biến ánh sáng xung quanh: Loại này đo lường cường độ ánh sáng

môi trường xung quanh và thường được sử dụng để điều chỉnh độ sáng màn hình điện thoại, TV, hay bật/tắt đèn tự động

- Cảm biến ánh sáng hồng ngoại: Loại này đo lường nhiệt độ của vật thể

bằng cách phát ra tia hồng ngoại và nhận biết sự phản xạ của tia này Cảm

Trang 33

21

biến hồng ngoại thường được sử dụng trong các thiết bị như camera an ninh,

hệ thống báo động, hay cảm biến nhiệt độ

Cảm biến ánh sáng được ứng dụng rộng rãi trong nhiều lĩnh vực:

- Điện tử tiêu dùng: Cảm biến ánh sáng được sử dụng trong điện thoại thông

minh, TV, máy tính bảng, máy ảnh, v.v để điều chỉnh độ sáng màn hình, tự động tắt màn hình khi không sử dụng, hay kích hoạt camera trong điều kiện thiếu sáng

- Hệ thống tự động hóa: Cảm biến ánh sáng được sử dụng trong hệ thống

nhà thông minh để điều chỉnh ánh sáng tự động theo thời gian, bật/tắt đèn theo nhu cầu, hay điều khiển rèm cửa sổ

- Công nghiệp: Cảm biến ánh sáng được sử dụng trong các dây chuyền sản

xuất để kiểm tra chất lượng sản phẩm, đo lường độ sáng trong nhà máy, hay kiểm soát an ninh

- Y tế: Cảm biến ánh sáng được sử dụng trong các thiết bị y tế như máy đo

nhịp tim, máy đo huyết áp, hay máy chụp X-quang

2.1.5 Cảm biến khí CO, CO2

2.1.5.1 Cảm biến khí CO (Carbon Monoxide)

Khí CO không màu, không mùi, rất độc hại, có thể gây tử vong nếu hít phải với nồng độ cao

Nguyên lý hoạt động:

- Cảm biến điện hóa: Dòng điện tỉ lệ thuận với nồng độ CO

- Cảm biến bán dẫn: Điện trở thay đổi theo nồng độ CO

2.1.5.2 Cảm biến khí CO2 (Carbon Dioxide)

Khí CO2 không màu, không mùi, nồng độ cao có thể gây khó thở, nhức đầu, chóng mặt

Nguyên lý hoạt động:

Trang 34

22

- Cảm biến quang học: Hấp thụ ánh sáng hồng ngoại, tỷ lệ thuận với nồng độ CO2

- Cảm biến hóa học: Dựa trên phản ứng hóa học với CO2

2.1.6 Phát hiện con người

Cảm biến phát hiện con người là thiết bị có khả năng nhận biết sự hiện diện của con người trong một khu vực nhất định Loại cảm biến này sử dụng các công nghệ khác nhau để phát hiện chuyển động, nhiệt độ, hoặc các đặc điểm sinh học của con người

Có nhiều loại cảm biến phát hiện con người phổ biến:

- Cảm biến hồng ngoại (PIR): Phát hiện sự thay đổi nhiệt độ do cơ thể con người tạo ra

- Cảm biến siêu âm: Phát hiện sóng âm thanh phản xạ từ cơ thể con người

- Cảm biến vi sóng: Phát hiện chuyển động của con người bằng sóng radar

- Camera giám sát: Phát hiện con người bằng hình ảnh

- Cảm biến LiDAR: Phát hiện con người bằng tia laser

Cảm biến phát hiện con người được ứng dụng rộng rãi trong nhiều lĩnh vực:

- An ninh: Hệ thống báo động, camera giám sát, kiểm soát ra vào

- Hệ thống tự động hóa: Bật/tắt đèn tự động, cửa tự động, điều hòa tự động

- Ngành công nghiệp: Đếm người, kiểm soát an toàn, tự động hóa quy trình

- Y tế: Theo dõi bệnh nhân, hỗ trợ người cao tuổi và người khuyết tật

Phân loại thiết bị thông minh có thể được thực hiện theo nhiều tiêu chí khác nhau, nhưng dưới đây là một số phân loại phổ biến:

a) Theo chức năng

- Thiết bị điều khiển: Bao gồm các thiết bị như bóng đèn thông minh, ổ cắm thông minh, công tắc thông minh, và bộ điều khiển các thiết bị gia đình khác

Trang 35

- Thiết bị y tế: Thiết bị theo dõi sức khỏe, máy đo huyết áp thông minh

- Thiết bị an ninh: Camera an ninh thông minh, hệ thống báo động, khóa cửa thông minh…

b) Theo kết nối

- Kết nối Wi-Fi: Các thiết bị kết nối trực tiếp với mạng Wi-Fi

- Kết nối Bluetooth: Các thiết bị kết nối qua Bluetooth, thường có phạm vi hoạt động ngắn hơn so với Wi-Fi

- Kết nối Zigbee/Z-Wave: Sử dụng các giao thức mạng không dây khác để kết nối với các thiết bị trong mạng lưới thông minh

d) Theo năng lực tính toán

- Thiết bị đơn giản: Các thiết bị có tính năng giới hạn và không yêu cầu quá nhiều xử lý tính toán

- Thiết bị thông minh cao cấp: Các thiết bị có khả năng xử lý tính toán mạnh

mẽ hơn, thường đi kèm với trí tuệ nhân tạo (AI) và học máy (machine learning)

e) Theo hệ điều hành và nền tảng

- Thiết bị iOS: Thiết bị tương thích với hệ điều hành iOS của Apple

- Thiết bị Android: Thiết bị tương thích với hệ điều hành Android của Google

- Thiết bị đa nền tảng: Có thể hoạt động trên cả iOS và Android

Trang 36

24

Mỗi phân loại đều có những ưu và nhược điểm riêng và có thể phù hợp với nhu cầu và điều kiện sử dụng cụ thể

Hệ thống điều khiển thông minh trong một công trình thông minh là trung tâm điều khiển các thiết bị và hệ thống khác nhau trong công trình đó Nó cho phép người dùng quản lý và điều khiển các thiết bị này từ xa hoặc tự động thông qua các giao diện đơn giản như ứng dụng điện thoại hoặc bảng điều khiển Ví dụ thành phố thông minh sử dụng công nghệ IoT để thu thập dữ liệu về giao thông, môi trường, năng lượng, v.v., nhằm cải thiện chất lượng cuộc sống cho người dân

Hình 2.1: Công trình thông minh [6]

Trang 37

25

Hình 2.2: Bóng đèn thông minh b) Hệ thống điều khiển nhiệt độ

Hệ thống điều khiển nhiệt độ cho phép người dùng điều chỉnh và lập trình nhiệt độ trong nhà từ xa thông qua ứng dụng điện thoại hoặc bảng điều khiển Nó

có thể tự động điều chỉnh nhiệt độ dựa trên lịch trình hoặc thông qua cảm biến nhiệt độ để tiết kiệm năng lượng và tạo ra môi trường thoải mái

Hình 2.3: Hệ thống điều hòa thông minh của hãng Daikin - Ảnh

https://daikinvietnam.co/

Trang 38

26

c) Hệ thống an ninh thông minh

Hệ thống điều khiển an ninh bao gồm các thiết bị như camera an ninh, cảm biến chuyển động, cửa ra vào thông minh và hệ thống báo động Người dùng có thể giám sát và kiểm soát an ninh của công trình từ xa qua ứng dụng hoặc nhận cảnh báo khi phát hiện hoạt động đáng ngờ Đối với các tòa nhà làm việc các hệ thống an ninh như camera, cảm biến chuyển động và cửa ra vào thông minh có thể được tích hợp để bảo vệ tòa nhà và nhân viên

Hình 2.4: Giám sát phát hiện người và chuyển động trên hệ thống camera - Ảnh

https://frigate.video/

d) Hệ thống điều khiển thiết bị gia đình

Hệ thống này cho phép người dùng điều khiển và quản lý các thiết bị gia đình thông minh như máy giặt, máy sấy, tủ lạnh, và máy lọc không khí từ xa Các thiết bị có thể được kích hoạt hoặc tắt tự động dựa trên lịch trình hoặc điều kiện môi trường Đối với các văn phòng của tòa nhà làm việc sẽ có thêm các thiết bị phục vụ công việc như máy in, máy scan, máy chiếu, và các thiết bị khác có thể được tích hợp để cải thiện hiệu suất làm việc

Trang 39

27

e) Hệ thống điều khiển giải trí

Hệ thống này cho phép người dùng điều khiển các thiết bị giải trí như TV thông minh, loa thông minh, hệ thống âm thanh, và các thiết bị phát nhạc từ xa hoặc tự động Các tính năng bao gồm phát, tạm dừng, tua nhanh, điều chỉnh âm lượng và chuyển đổi nguồn

Hình 2.5: Loa thông minh google có trợ lý ảo Google - Ảnh

https://www.lifewire.com/connect-google-home-to-tv-4160592

f) Kết nối mạng và giao thức kết nối

Kết nối Internet và mạng nội bộ đảm bảo rằng các thiết bị có thể giao tiếp với nhau và với bộ điều khiển trung tâm Giao thức kết nối như Wi-Fi, Bluetooth, Zigbee hoặc Z-Wave có thể được sử dụng tùy thuộc vào yêu cầu cụ thể của tòa nhà

và thiết bị

Trang 40

28

Hình 2.6: Sơ đồ kết nối Thread điều khiển giao thức kết nối -

https://smarthomekit.vn g) Quản lý năng lượng và dữ liệu

Hệ thống điều khiển thông minh trong tòa nhà văn phòng có thể tự động kiểm soát năng lượng tiêu thụ và thu thập dữ liệu để phân tích và cải thiện hiệu suất hoạt động của tòa nhà

Hình 2.7: Hệ thống quản lý năng lượng theo dạng khối công nghiệp -

https://atpro.com.vn/

Ngày đăng: 19/10/2024, 13:14

HÌNH ẢNH LIÊN QUAN

Hình 1.1: Thiết bị Internet of Things (IoT) ở ba địa điểm: nhà riêng, cơ quan và - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 1.1 Thiết bị Internet of Things (IoT) ở ba địa điểm: nhà riêng, cơ quan và (Trang 18)
Hình 1.2: Một bản tin dự báo thời tiết dự báo về nhiệt độ của TP.Hồ Chí Minh - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 1.2 Một bản tin dự báo thời tiết dự báo về nhiệt độ của TP.Hồ Chí Minh (Trang 21)
Hình 1.4: Chỉ số nhịp tim trên phút được đo đạc bằng thiết bị y tế - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 1.4 Chỉ số nhịp tim trên phút được đo đạc bằng thiết bị y tế (Trang 22)
Hình 1.12: Cây quyết định và rừng cây ngẫu nhiên - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 1.12 Cây quyết định và rừng cây ngẫu nhiên (Trang 27)
Hình 2.1: Công trình thông minh [6] - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.1 Công trình thông minh [6] (Trang 36)
Hình 2.3: Hệ thống điều hòa thông minh của hãng Daikin - Ảnh - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.3 Hệ thống điều hòa thông minh của hãng Daikin - Ảnh (Trang 37)
Hình 2.2: Bóng đèn thông minh  b)  Hệ thống điều khiển nhiệt độ - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.2 Bóng đèn thông minh b) Hệ thống điều khiển nhiệt độ (Trang 37)
Hình 2.4: Giám sát phát hiện người và chuyển động trên hệ thống camera - Ảnh - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.4 Giám sát phát hiện người và chuyển động trên hệ thống camera - Ảnh (Trang 38)
Hình 2.5: Loa thông minh google có trợ lý ảo Google - Ảnh - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.5 Loa thông minh google có trợ lý ảo Google - Ảnh (Trang 39)
Hình 2.7: Hệ thống quản lý năng lượng theo dạng khối công nghiệp - - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.7 Hệ thống quản lý năng lượng theo dạng khối công nghiệp - (Trang 40)
Hình 2.6: Sơ đồ kết nối Thread điều khiển giao thức kết nối - - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.6 Sơ đồ kết nối Thread điều khiển giao thức kết nối - (Trang 40)
Hình 2.8: Sử dụng ứng dụng trên điện thoại điều khiển nhà thông minh - - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 2.8 Sử dụng ứng dụng trên điện thoại điều khiển nhà thông minh - (Trang 41)
Hình 3.3: Cảm biến máy lạnh gắn bên dưới do nhiệt độ phòng - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.3 Cảm biến máy lạnh gắn bên dưới do nhiệt độ phòng (Trang 47)
Hình 3.4: Kiến trúc tổng quan của hệ thống thu thập dữ liệu cảm biến - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.4 Kiến trúc tổng quan của hệ thống thu thập dữ liệu cảm biến (Trang 48)
Hình 3.5: Sơ đồ chân vi điều khiển ESP8266. Ảnh  https://randomnerdtutorials.com/esp8266-pinout-reference-gpios/ - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.5 Sơ đồ chân vi điều khiển ESP8266. Ảnh https://randomnerdtutorials.com/esp8266-pinout-reference-gpios/ (Trang 49)
Hình 3.6: Module cảm biến BH1750 dành cho nghiên cứu và thử nghiệm - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.6 Module cảm biến BH1750 dành cho nghiên cứu và thử nghiệm (Trang 50)
Hình 3.7: Module DHT11 đã ra chân sẵn dùng cho nghiên cứu và học tập - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.7 Module DHT11 đã ra chân sẵn dùng cho nghiên cứu và học tập (Trang 51)
Hình 3.10: Cảm biến SCT-013 thành phẩm, mẫu 10A - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.10 Cảm biến SCT-013 thành phẩm, mẫu 10A (Trang 53)
Hình 3.9: Phần mềm điều chỉnh độ nhạy cảm biến HLK-LD2410 do chính hãng - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.9 Phần mềm điều chỉnh độ nhạy cảm biến HLK-LD2410 do chính hãng (Trang 53)
Hình 3.11: Cách lắp đặt cảm biến SCT-013 để đo công suất tiêu thụ điện các thiết - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.11 Cách lắp đặt cảm biến SCT-013 để đo công suất tiêu thụ điện các thiết (Trang 54)
Hình 3.12: Module nguồn xung WX-DC12003 220V sang 5V 0.7A 3W - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.12 Module nguồn xung WX-DC12003 220V sang 5V 0.7A 3W (Trang 55)
Hình 3.13: Sơ đồ nguyên lý module cảm biến, khối điều khiển - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.13 Sơ đồ nguyên lý module cảm biến, khối điều khiển (Trang 56)
Hình 3.15: Mô phỏng module cảm biến, hướng từ trên xuống - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.15 Mô phỏng module cảm biến, hướng từ trên xuống (Trang 57)
Hình 3.18: Sơ đồ chân PCB mặt dưới - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.18 Sơ đồ chân PCB mặt dưới (Trang 59)
Hình 3.19: Các biến trao đổi dữ liệu với nhau qua giao thức Mesh để tăng phạm - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.19 Các biến trao đổi dữ liệu với nhau qua giao thức Mesh để tăng phạm (Trang 61)
Hình 3.20: Các bước xử lý dữ liệu - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.20 Các bước xử lý dữ liệu (Trang 63)
Hình 3.22: Dữ liệu cảm biến độ ẩm được hiển thị trực quan của nhiều module - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 3.22 Dữ liệu cảm biến độ ẩm được hiển thị trực quan của nhiều module (Trang 64)
4.1  Sơ đồ chức năng - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
4.1 Sơ đồ chức năng (Trang 66)
Hình 4.1: Dữ liệu nhiệt độ cảm biến nhiệt độ đo được trong thời gian 14/4 đến - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 4.1 Dữ liệu nhiệt độ cảm biến nhiệt độ đo được trong thời gian 14/4 đến (Trang 68)
Hình 4.2: Kết quả tỷ lệ mất mát trải qua 60 thế hệ huấn luyện mô hình - Thiết kế chiến lược và tối Ưu hóa hiệu suất của tòa nhà không sử dụng năng lượng sử dụng dữ liệu
Hình 4.2 Kết quả tỷ lệ mất mát trải qua 60 thế hệ huấn luyện mô hình (Trang 69)
w