1. DSpace en ESPOL
2. Unidades Académicas
3. Facultad de Ingeniería en Electricidad y Computación
4. Tesis de Telemática

Title:	Ambientes Inteligentes para Eficiencia Energética
Authors:	Córdova García, José, Director Chávez López, Edwin Israel Moreira Moreira, Guillermo Zacarías
Keywords:	Aprendizaje por Refuerzo Eficiencia Energética Sistemas de Climatización
Issue Date:	2023
Publisher:	ESPOL. FIEC
Citation:	Chávez López, E. I. y Moreira Moreira, G. Z. (2023). Ambientes Inteligentes para Eficiencia Energética. [Proyecto Integrador]. ESPOL. FIEC, Guayaquil. 39p.
Description:	Este proyecto tiene como objetivo proporcionar mejoras en la eficiencia energética de sistemas de climatización. En este proyecto, se parte con base en una implementación de un sistema que es capaz de, mediante técnicas de aprendizaje por refuerzo, ajustar los parámetros necesarios de climatización, priorizando el confort de los usuarios. Este sistema carece de mecanismos sencillos que permitan al usuario conocer el estado del sistema de enfriamiento, o, de la misma manera, realizar acciones sobre los mismos. En tiempos donde el planeta se ve afectado por las acciones humanas, resulta fundamental el desarrollo de tecnologías que promuevan la eficiencia energética. El proyecto se abordó desde el análisis y comprensión del sistema ya implementado, buscando posibles mejoras e implementando las mismas. Como parte de estas mejoras, se implementó una interfaz de usuario haciendo uso de un asistente de voz, mediante el cual, el usuario es capaz de obtener información deseada y realizar acciones requeridas sobre los aires acondicionados. Por otro lado, se creó un modelo basado en aprendizaje por refuerzo que es capaz de crear un balance entre el confort del usuario y la eficiencia energética, ofreciendo la posibilidad de poder ajustar la priorización de uno de estos dos parámetros, siendo la eficiencia energética la escogida por defecto. Este modelo toma ciertas variables como lo son la temperatura ambiental, la presencia de personas en el laboratorio, los votos de confort que usuarios proveen mediante una página web, el consumo energético del sistema de climatización. Luego, toma acciones eficientes basadas en los mismos. Los resultados de este proyecto demuestran que es posible llegar a un equilibro entre el confort y la eficiencia energética, proveyendo una sólida base para la investigación de la adaptación de este proyecto a diferentes espacios físicos y necesidades. Palabras Clave: Aprendizaje por Refuerzo, Confort, Eficiencia Energética, Sistemas de Climatización.
metadata.dc.description.abstractenglish:	This project aims to provide improvements in the energy efficiency of air conditioning systems. This project is based on the implementation of a system that is capable of adjusting the necessary air conditioning parameters, prioritizing the comfort of the users, through reinforcement learning techniques. The system lacks simple mechanisms that allow the user to know the status of the cooling system, or, in the same way, to perform actions on them. In times when the planet is affected by human actions, it is essential to develop technologies that promote energy efficiency. The project was approached from the analysis and understanding of the already implemented system, looking for possible improvements and implementing them. As part of these improvements, a user interface was implemented using a voice assistant, through which the user is able to obtain desired information and perform required actions on the air conditioners. On the other hand, a model based on reinforcement learning was created. This model is able to create a balance between user comfort and energy efficiency, offering the possibility of being able to adjust the prioritization of one of these two parameters, being energy efficiency the one chosen by default. This model takes as parameters variables such as the ambient temperature, the presence of people in the laboratory, the comfort votes provided by users through a web page, the energy consumption of the air conditioning system, and takes efficient actions based on them. The results of this project demonstrate that it is possible to strike a balance between comfort and energy efficiency, providing a solid basis for research into adopting this project to different physical spaces and needs. Keywords: Reinforcement Learning, Comfort, Energy Efficiency, Cooling Systems
URI:	http://www.dspace.espol.edu.ec/handle/123456789/60571
metadata.dc.identifier.codigoproyectointegrador:	INGE-2230
Appears in Collections:	Tesis de Telemática

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.