Έξυπνο σύστημα ενεργειακής διαχείρισης σε οικιακό περιβάλλον

Simple item page
dc.contributor.advisorΖαχαράκης, Ιωάννης
dc.contributor.authorΔάφκας, Ιωάννης
dc.contributor.committeeΑλεφραγκής, Παναγιώτης
dc.contributor.committeeΖέρβας, Παναγιώτης
dc.contributor.departmentΤμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστώνel
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.masterΗλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (Integrated master)el
dc.date.accessioned2025-05-05T05:56:38Z
dc.date.available2025-05-05T05:56:38Z
dc.date.issued2025
dc.description.abstractΗ ενεργειακή κατανάλωση στα νοικοκυριά αποτελεί έναν κρίσιμο παράγοντα τόσο για την οικονομική επιβάρυνση των καταναλωτών όσο και για την συνολική ενεργειακή ζήτηση. Οι ανάγκες θέρμανσης, ψύξης και χρήσης ηλεκτρικών συσκευών οδηγούν σε σημαντική κατανάλωση ηλεκτρικού ρεύματος, η οποία επηρεάζεται από διάφορους παράγοντες, όπως οι καιρικές συνθήκες, οι συνήθειες των χρηστών και η απόδοση των ηλεκτρικών συσκευών. Παράλληλα, η τιμολόγηση της ηλεκτρικής ενέργειας, τόσο στην Ελλάδα όσο και στην Ευρώπη, παρουσιάζει μία αύξηση τα τελευταία χρόνια, καθιστώντας την μείωση της κατανάλωσης αναγκαία. Ωστόσο, η τυχαία μείωση ενεργειακής κατανάλωσης μπορεί να έχει συνέπειες στην άνεση των καταναλωτών. Για αυτό τον λόγο, η εγκατάσταση ενός έξυπνου συστήματος ενεργειακής διαχείρισης για την αποφυγή της ενεργειακής σπατάλης μπορεί να αποδειχθεί σωτήρια. Πρόκειται για έναν συνδυασμό υλικού και λογισμικού που παρακολουθεί, συλλέγει και αναλύει ενεργειακά δεδομένα και σε μερικές περιπτώσεις, προσαρμόζει τη χρήση ενέργειας στην κατοικία ανάλογα με τις ανάγκες των χρηστών. Με χρήση αισθητήρων, αλγορίθμων μηχανικής μάθησης, ενεργοποιητών και προσωπικών συσκευών, όπως smartphone, τέτοια συστήματα μπορούν να προβλέψουν την κατανάλωση, να προτείνουν αποδοτικότερες ρυθμίσεις, να ενεργοποιήσουν και να απενεργοποιήσουν ηλεκτρικές συσκευές. Η διπλωματική εργασία με τίτλο «Έξυπνο σύστημα ενεργειακής διαχείρισης σε οικιακό περιβάλλον» έχει ως στόχο την ανάδειξη συστημάτων διαχείρισης ενέργειας, μέσω αλγορίθμων μηχανικής μάθησης, και τη σύγκριση αυτών με βάση την συνολική απόδοσή τους. Συγκεκριμένα, προτείνεται ένα σύστημα, το οποίο χρησιμοποιεί ιστορικά δεδομένα κατανάλωσης, περιβαλλοντικά δεδομένα και δεδομένα παρουσίας χρηστών για να προβλέψει είτε βραχυπρόθεσμα είτε μακροπρόθεσμα δεδομένα κατανάλωσης. Για την ανάπτυξη του προτεινόμενου συστήματος χρησιμοποιείται ένα προσομοιωμένο μοντέλο κατοικίας στο λογισμικό EnergyPlus, από όπου εξάγονται δεδομένα ενεργειακής κατανάλωσης. Αυτά χωρίζονται σε δεδομένα εισόδου και εξόδου και χρησιμοποιούνται για την εκπαίδευση ενός νευρωνικού δικτύου. Το νευρωνικό δίκτυο είναι η βασική τεχνική μηχανικής μάθησης που χρησιμοποιείται σε αυτή την εργασία και πάνω σε αυτό εξετάζονται αλγόριθμοι εκπαίδευσης και βελτιστοποίησης, όπως ο αλγόριθμος «οπισθοδιάδοσης του λάθους» και ο γενετικός αλγόριθμος και συγκρίνονται μεταξύ τους με βάση ορισμένες μετρικές για την απόδοσή τους. Για την υλοποίηση των αλγορίθμων μηχανικής μάθησης χρησιμοποιήθηκε η γλώσσα προγραμματισμού Python, με ανάπτυξη στο περιβάλλον Visual Studio Code και αξιοποίηση των κατάλληλων βιβλιοθηκών για την ανάλυση και εκπαίδευση του νευρωνικού δικτύου, αλλά και την διεξαγωγή πειραμάτων για την σύγκριση των αλγορίθμων.el
dc.description.abstracttranslatedEnergy consumption in households is a critical factor affecting both consumers’ financial burden and overall energy demand. Heating, cooling and the use of electrical appliances contribute significantly to electricity consumption, which is influenced by various factors such as weather conditions, user habits and appliance efficiency. Additionally, electricity pricing in Greece and Europe has been rising in recent years, making the reduction of energy consumption crucial. However, a unplanned reduction in energy consumption may impact user comfort. Therefore, the installation of an intelligent energy management system to prevent energy waste can be essential. Such a system integrates hardware and software to monitor, collect, and analyze energy data and, in some cases, adjust energy usage based on user needs. Using sensors, machine learning algorithms, actuators, and personal devices such as smartphones, this system can predict consumption, suggest more efficient settings, and control electrical appliances. This thesis entitled “Intelligent energy management system in domestic environment” aims to highlight energy management systems using machine learning algorithms and compare them based on their overall performance. The proposed system exploits historical consumption data, environmental data, and user presence data to predict short-term or long-term energy consumption patterns. A simulated residential model is developed in the EnergyPlus software, from which energy consumption data are extracted. These data are divided into input and output variables and used to train a neural network. The neural network serves as the primary machine learning technique in this study, with training and optimization algorithms – such as the “error backpropagation” algorithm and the genetic algorithm – evaluated and compared based on predefined performance metrics. The implementation of machine learning algorithms is carried out using the Python programming language within the Visual Studio Code environment, leveraging appropriate libraries for neural network analysis, training, and experimental comparisons of the algorithms.el
dc.format.extent106el
dc.identifier.urihttps://amitos.library.uop.gr/xmlui/handle/123456789/8820
dc.language.isoelel
dc.publisherΠανεπιστήμιο Πελοποννήσουel
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subject.keywordΈξυπνο σύστημα ενεργειακής διαχείρισηςel
dc.subject.keywordΕνεργειακή κατανάλωσηel
dc.subject.keywordEnergyPlusel
dc.subject.keywordΜηχανική μάθησηel
dc.subject.keywordΝευρωνικά δίκτυαel
dc.subject.keywordΠρόβλεψη ενεργειακής κατανάλωσηςel
dc.subject.keywordΒελτιστοποίηση υπερπαραμέτρωνel
dc.subject.keywordΣύγκριση αλγορίθμων μηχανικής μάθησηςel
dc.titleΈξυπνο σύστημα ενεργειακής διαχείρισης σε οικιακό περιβάλλονel
dc.title.alternativeIntelligent energy management system in domestic environmentel
dc.typeΜεταπτυχιακή διπλωματική εργασίαel

Files

Original bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
Dafkas_19031.pdf
Size:
8.02 MB
Format:
Adobe Portable Document Format
Description:
Μεταπτυχιακή διπλωματική εργασία
Download

License bundle

Now showing 1 - 1 of 1
Thumbnail Image
Name:
license.txt
Size:
933 B
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Τμήμα Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών (Μ. Δ. Ε.)