Abstract

Przedmiotem rozprawy jest zbadanie praktycznej możliwości wykrywania w czasie rzeczywistym anomalii w systemie oświetlenia drogowego w oparciu o analizę danych ze inteligentnych liczników energii. Zastosowanie inteligentnych liczników energii elektrycznej (Smart Meter) w systemach oświetlenia drogowego stwarza nowe możliwości w zakresie automatycznej diagnostyki takich niepożądanych zjawisk jak awarie lamp, odstępstwa od harmonogramu czy tez kradzieże energii z sieci zasilającej. Rozwiązanie takie wpisuje się w koncepcję inteligentnych miast (Smart City) gdzie zastosowanie adaptacyjnego systemu oświetlenia stwarza nowe wyzwania dla funkcji monitorowania. Zbadano metody uczenia maszynowego oparte o modele regresyjne oraz rekurencyjne sieci neuronowe. Zaproponowano praktyczne podejście oparte na zastosowaniu algorytmów czasu rzeczywistego, nienadzorowanych oraz używających ograniczonych zasobów obliczeniowych możliwych do implementacji w urządzeniach przemysłowych. Algorytmy przetestowano na rzeczywistych danych pochodzących z instalacji systemu oświetlenia i wykazano, że obie metody umożliwiają stworzenie samouczących algorytmów detekcji anomalii, działających w czasie rzeczywistym i że jest możliwa ich implementacja na urządzeniach warstwy Edge Computing. W rozprawie przedstawiono również architekturę uniwersalnej platformy sterowania elementami infrastruktury oświetleniowej opracowanej przy udziale autora, jako głównego konstruktora, w ramach projektu rozwojowego „INFOLIGHT - Chmurowa platforma oświetleniowa dla inteligentnych miast”.

Author (1)