SMART HOME ENERGY MANAGEMENT SYSTEM USING INTELLIGENT EDGE COMPUTING

يعتبر نظام الطاقة في الكويت غير مستدام بسبب معدل استهلاك الطاقة البالغ 15،590 كيلوواط ساعة للفرد. يتم استهلاك معظم الطاقة في دولة الكويت في القطاعات السكنية مثل المنازل والمباني والمكاتب وما إلى ذلك. للتحكم في الاستخدام الواسع وإهدار الطاقة في هذه القطاعات، يمكن استخدام تطبيقات إنترنت الأشياء كأداة حل. إن تطوير حل قائم على إنترنت الأشياء يتطلب معالجة بيانات الطاقة باستخدام نماذج التعلم العميق في بيئة منزلية. علاوة على ذلك، يتطلب تنفيذ تقنيات التعلم العميق في البيئة المنزلية معالجة مكثفة وإدارة الذاكرة، وبالتالي، من الضروري نقل بيانات الطاقة من الأجهزة المنزلية إلى شبكة الحافة التي تتكون من أجهزة معالجة متطورة في الوقت الفعلي. إن المشروع المقترح ذو شقين، أولاً، سنبحث في أنظمة إدارة الطاقة القائمة المرتكزة على إنترنت الأشياء لتحديد البيانات المطلوبة من الأجهزة المنزلية. في هذه المرحلة، سوف نصمم تقنيات تصفية البيانات وأخذ العينات لتحويل البيانات الأولية المناسبة للعمليات المختلفة. سيتم تصميم تقنيات أخذ العينات والترشيح بناءً على التقنيات الإحصائية والشبكات العصبية للرسم البياني. ثانيًا، سنطور نموذجًا برمجيًا يعمل على الحافة باستخدام نماذج التعلم العميق لاستخراج المعلومات من البيانات المصفاة المناسبة للإجراءات التلقائية في المنازل الذكية. سيتم إدخال هذه المعلومات في المنزل الذكي لجدولة وقت تشغيل الأجهزة داخل بيئة المنزل. يؤدي إلى التحكم في الاستخدام غير الضروري للأجهزة. أخيرًا، نهدف إلى تطوير حل مستدام من شأنه أن يدعم قابلية التوسع في المنازل عن طريق إضافة وإزالة أجهزة جديدة، والتهيئة التلقائية، وما إلى ذلك. علاوة على ذلك، نهدف إلى تطوير نتائج عالية الجودة تلبي أهداف المشروع المقترح. سيتم نشر هذه النتائج في المجلات والمؤتمرات الدولية المعروفة.

Kuwait’s energy system is unsustainable due to the energy consumption rate of 15,590 kWh per capita. Most of the energy in the state of Kuwait is consumed in the residential sectors such as homes, buildings, offices, etc. To control the wide use and wastage of energy in these sectors, Internet of Things (IoT) applications could be used as a solution. However, developing an IoT-based solution will require the processing of energy data using deep learning models in a home environment. Further, implementing deep learning techniques in the home environment requires extensive processing and memory management, therefore, it is essential to transfer the energy data from home appliances to the edge network consisting of high-end processing devices in real time. The working of the proposed project is twofold, firstly, we will research the IoT-based energy management systems to identify the required data from the home appliances. In this phase, we will design data filtering and sampling techniques to convert the raw data suitable for various operations. The sampling and filtration techniques will be designed based on statistical techniques and graph neural networks. Secondly, we will develop a software model which will run over the edge using the deep learning models to extract the information from the filtered data suitable for automatic actions in smart homes. This information will be fed into the smart home to schedule the operational time of the appliances within the home environment. Resulting in controlling the unnecessary usage of the appliances. Finally, we aim to develop a sustainable solution that will support the scalability of the homes by adding and removing new appliances, automatic configuration, etc. Further, we aim to develop high-end results which will meet the objectives of the proposed project. These results