Internet of things based zigbee sniffer for smart and secure home

Bu tez, akıllı ev için Nesnelerin İnterneti (IoT) tabanlı ZigBee sniffer'ı çözmeyi ve veri madenciliği ile IoT'de kümeleme yardımıyla gelecekteki ZigBee Protokolünde yüksek spektrum tahsisli enerji veya güç kullanımını belirlemeyi amaçlamaktadır. Araştırma çalışması, geniş bant ağ enerjisi sektörüne ve bu sektörün karşılaştığı zorluklara genel bir bakış sunmaya başlar. Enerji verimliliğini teşvik eden, tüketicinin aktif rol almasını teşvik eden, tüketici davranışlarının önemini anlatan ve tüketici haklarını koruyan enerji politikalarında bir değişiklik gözlemlenmektedir. Elektrik, bir enerji kaynağı olarak yer kazanıyor. Önümüzdeki on yıllarda da payı sürekli artmaya devam edecektir. ZigBee Protokolü ve akıllı sayaçların dağıtımı, yakın gelecekte hem kuruluşa hem de tüketiciye fayda sağlayacaktır. Bu ortamda, enerji yönetimi alanına ve araçlarına odaklanan yeni hizmetler ve yeni işler ortaya çıkıyor. Bilgisayar bilimi, yazılım geliştirme ve veri bilimi gibi alanlarda uzmanlık gerektirirler. Bu araştırma, ortak bir çerçeve olarak saat başına enerji kullanım oranını (%) kullanarak, elektrik yük profillerinin benzerliklerine göre ZigBee Protokolünü bölümlere ayırmıştır. Bu enerji tüketimi segmentasyonu, her bir gruba enerji tüketimini ve ilgili maliyetleri azaltmak için kişiselleştirilmiş öneriler sunmayı, enerji verimliliği önlemlerini teşvik etmeyi ve tüketici katılımını iyileştirmeyi amaçlamaktadır. İstenen segmentasyon, hesaplamalı kümeler hesaplamasına (Python programlama dili kullanılarak) dayalı yinelemeli bir süreçle elde edilir ve enerji tüketimini tespit etmek ve bunları daha uygun bir gruba yeniden tahsis etmek için görselleştirme ve istatistiksel veri madenciliği tekniğini uygulayan bir kümeleme sonrası analiz ile sonuçlandırılır. . K-Means kümeleme tekniği test edildi ve karşılaştırıldı, 100GHz yüksek spektrumlu tüm enerji yükü profilleri için en iyi doğruluk tahminini %98.46 verdi. K-Means kümelemesinden elde edilen çözüm, nihai enerji tüketimi segmentasyonunu elde etmek için kümeleme sonrası aşamanın temeli olarak kullanılan, aranan segmentasyona daha iyi uyum sağlayan çözümdür. Bu metodolojilerin çoğu, daha yüksek enerji tasarrufu potansiyeline sahip kullanıcıları belirlemeye odaklanarak 100 kWh cinsinden mutlak değerleri kullanır. Elektrik tüketicilerinin enerji tüketimi segmentasyonu, tüketici hakkında bilgi ve daha iyi bir anlayış sağlar. Bu özel durumda, enerji tasarrufu tavsiyelerini ZigBee protokolüne özgü özelliklere göre kişiselleştirmeye, uygun zamanda yeterli tavsiye sağlayarak tüketici deneyimini iyileştirmeye, enerji verimliliği tavsiyesi hizmetinin gelecekteki ZigBee protokolünün etkinliğini artıran gerçeklere izin verir. Anahtar Kelimeler: Nesnelerin İnterneti (IoT), K-Means Kümeleme, Enerji Tüketimi, Akıllı, Zigbee protokolü