dc.contributor.advisor | Gros, Sebastien | |
dc.contributor.author | Törn, Eric | |
dc.date.accessioned | 2021-11-09T18:20:48Z | |
dc.date.available | 2021-11-09T18:20:48Z | |
dc.date.issued | 2021 | |
dc.identifier | no.ntnu:inspera:76427839:16683913 | |
dc.identifier.uri | https://hdl.handle.net/11250/2828765 | |
dc.description.abstract | Dette prosjektet har som mål å lage en programvare for et Tingenes Internet (IoT) basert avansert oppvarmingsstyringssystem, med det formål å redusere energiforbruket og toppeffektbelastning i smarte bygninger.
Systemet er basert på å bruke Systemidentification (SYSID) til å generere en dynamisk temperaturmodell av huset, og bruke Modell Prediktiv Kontroll (MPC) til å kontrollere temperaturen. Selv om bruk av MPC for styring av energi i bygninger ikke er nytt, har tidligere forskning vært basert på bruk av dyrt utstyr og kompliserte oppsett som ikke er tilgjengelig for den gjennomsnittlige personen og hjemmet. Med fremveksten av IoT enheter eksisterer det nå billig og kommersielt tilgjengelig utstyr som er enkelt å sette opp for allerede eksisterende hjem. I dette prosjektet var det ønsket å undersøke levedyktigheten av å bruke slike enheter til et MPC-basert varmesystem.
Programvaren som presenteres i denne oppgaven bruker et flertrådet datainnsamlingssystem sammen med et webbasert Applikasjonsprogrammeringsgrensesnitt (API) for å betjene MPC-algoritmen med data. Resultatene viste at denne typen system og programvare er levedyktig og har potensial.
Dette arbeidet fungerer som grunnlag for videre forskning på dette området. Videre forskning bør fokusere på å forbedre programvaren, samt undersøke forskjellige temperaturmodeller og kontrollalgoritmer for bedre ytelse. | |
dc.description.abstract | This project aims to create a software for an Internet of Things (IoT) based advanced heating control system, for the purpose of reducing energy consumption and power peak load in smart buildings.
The system is based on using System Identification (SYSID) to generate a dynamic temperature model of the house, and using Model Predictive Control (MPC) to control the temperature. While using MPC for managing energy in buildings is not new, previous research has been based on using expensive equipment and complicated setups that are not readily available for the average person and home. With the emergence of IoT devices, there now exists cheap and commercially available equipment that is easy to set up for already existing homes. In this project we wanted to investigate the viability of using such devices for an MPC based heating system.
The software presented in this thesis uses a multithreaded data collection system together with a web-based Application Programming Interface (API) to service the MPC algorithm with data. The results showed that this kind of system and software is viable and has potential.
This work serves as laying the ground work for further research in this area. Further research should focus on improving the software and, as well as investigate different temperature models and control algorithms for better performance. | |
dc.language | eng | |
dc.publisher | NTNU | |
dc.title | IoT Software for Smart Houses | |
dc.type | Master thesis | |