Selecting the Appropriate Energy Source According to the Electrical Power Consumption of the Devices

Öz

It is of great importance to diversify electrical energy sources in recent times. In this study, the electrical energy that a house may need is provided by two different sources. The first of these is the city grid and the other is the battery that can be charged with solar energy. Transitions between two energy sources are carried out with the developed system. Thus, the energy costs of the home and / or office user are reduced and at the same time, energy estimates are made for future energy needs depending on their usage habits. Polynomial linear regression method has been used for this estimation. Estimation results were obtained for non-linear data sets. R square-R2 coefficient, which is the evaluation metric for regression methods, was used to observe the accuracy of these estimation results. The best estimation result is obtained for electrical energy and its value is 0.99.

Anahtar Kelimeler

• Embedded Systems
• Internet of Things
• Edge Computing
• Cloud Computing

Proje Numarası

FHD-2020-3381

Akıllı Evlerdeki Cihazların Enerji Tüketimine Göre Kaynağının Belirlenmesi

Öz

Günümüzde elektrik enerjisi kaynaklarını çeşitlendirmek büyük önem taşımaktadır. Bu çalışmada, bir evin ihtiyaç duyabileceği elektriksel enerjisi iki farklı kaynak tarafından sağlanmaktadır. Bunlardan ilki, şehir şebekesi, diğeri ise güneş enerjisi ile şarj edilebilen bataryadır. İki enerji kaynağı arasındaki geçişler geliştirilen sistem ile gerçekleştirilmektedir. Böylelikle ev ve/veya ofis kullanıcısının enerji maliyetleri düşürülmekte ve aynı zamanda kullanım alışkanlıklarına bağlı olarak gelecekteki enerji ihtiyacına yönelik enerji tahminleri yapılmıştır. Bu tahmin için polinomsal lineer regresyon metoduna başvurulmuştur. Lineer olmayan veri setleri için tahmin sonuçları elde edilmiş olup bu tahmin sonuçlarının doğruluk oranını gözlemlemek için ise regresyon metotlarını değerlendirme metriği olan r square-R2 katsayısı kullanılmıştır. En iyi tahmin sonucu elektriksel enerji için elde edilmiş olup değeri 0.99’dur.

Anahtar Kelimeler

• Gömülü Sistemler
• Nesnelerin İnterneti
• Uç Hesaplama
• Bulut Bilişim

Destekleyen Kurum

Çanakkale Onsekiz Mart Üniversitesi Bilimsel Araştırmalar Proje Birimi

Proje Numarası

FHD-2020-3381

Teşekkür

Çanakkale Onsekiz Mart Üniversitesi, Bilimsel Araştırma Projeleri Koordinasyon Birimi’ne teşekkür ederiz. Bu makale Rezzan Nisa ER’in yüksek lisans tez konusu kapsamında yapılmıştır.

Kaynakça

1. H.T. Karakoç, B. Erbay, ve N. Karakoç, “Enerji analizi”. Türkiye Cumhuriyeti Anadolu Üniversitesi Yayını, Birinci Baskı, 2486, 2011.
2. O. Ö. Mengi, “Yenilenebilir enerji sistemlerinde süreklilik için akıllı bir enerji yönetim sistemi”, Doktora tezi, Karadeniz Teknik Üniversitesi, 2011.
3. M. Taştan, “Akıllı Ev Uygulamaları için Yeni Nesil IoT Denetleyici ile Gerçek Zamanlı Uzaktan İzleme ve Kontrol Uygulaması”. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, vol.2-23, pp. 481-487, 2019.
4. Nassereddine, M., Rizk, J., Hellany, A., Nagrial, M., Elrafhi, A., Obeid, Z., & Hajar, K., “Electrical energy management for advance smart home systems: Introduction.”, In 2016 3rd International Conference on Renewable Energies for Developing Countries (REDEC), pp. 1-6. IEEE, July, 2016.
5. Z. U. Bayrak, “Evsel yükler için yakıt pili-güneş pili hibrit sisteminin tasarımı, modellenmesi ve uygulaması/Design, modeling and implementation of fuel cell-solar cell hybrid system for residential loads”, 2014.
6. G. Başol, “Güneş pili ile çalışan mobil uygulama destekli akıllı ev otomasyon sisteminin tasarımı ve gerçekleştirilmesi”, Yüksek Lisans Tezi, 2016.
7. A. K. Singh, K. A. Chinmaya ve M. Badoni, “Solar PV and Grid Based Isolated Converter for Plug-in Electric Vehicles”, IET Power Electronics, vol. 14-12, 3707 3715, 2019.
8. S. Yıldız, “Sıfır enerjili akıllı ev tasarımı”, Yüksek Lisans Tezi, 2019

9. M. O. Agyeman, Z. Al-Waisi ve I. Hoxha, “Design and Implementation of an IoT-Based Energy Monitoring System for Managing Smart Homes”, In 2019 Fourth International Conference on Fog and Mobile Edge Computing (FMEC), pp.253-258. IEEE, June, 2019.
10. S. H. Abdalla, “Energy management system for smart home”, Yüksek Lisans Tezi, 2019.
11. R. Aybar, “Akıllı ev aletlerinin Enerji Tüketiminin Planlanması”, Yüksek Lisans Tezi, 2019.
12. Z. Çelik, A. YILMAZ ve SERT E., “Mikro Şebeke Bağlantılı Güneş Enerji Üretim Sistemlerinin Kontrolü”. Kahramanmaraş Sütçü İmam Üniversitesi Mühendislik Bilimleri Dergisi, vol. 2-18, pp. 41-48, 2015
13. B. Uğurlu, U. Bayram ve R.N. Er, “Elektrik Enerjisi Kaynaklarının Güç Tüketimine Göre Kaynağının Otomatik Olarak Belirlenmesi”,7. Uluslararası Bilimsel Araştırmalar Kongresi (UBAK), Fen ve Mühendislik Bilimleri, Bildiri Tam Metin Kitabı içinde, pp. 271-276, Ankara, 2020.
14. G. Wang, J. Cao, H. Wang, ve M. Guo, “Polynomial regression for data gathering in environmental monitoring applications.”, In IEEE GLOBECOM 2007-IEEE Global Telecommunications/ Conference, pp. 1307-1311. IEEE, November, 2007.
15. E. Ostertagová, “Modelling using polynomial regression. Procedia Engineering”, vol. 48, pp.500-506, 2012.