Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot

Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng công nghệ iot

TÓM TẮT

Trong những năm gần đây, thuật ngữ IoT( hay Internet of Things) hay “Vạn vật kết nối internet” đã không còn trở nên xa lạ trong đời sống thiết thực của con người IoT có tiềm năng thay đổi thế giới dựa trên nền tảng Internet, cho phép thông tin được chia sẻ và quyết định thực hiện mà không cần sự can thiệp nhiều của con người

Đề tài “Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng dụng

công nghệ IoT” giải quyết các vấn đề sau:

 Trình bày được các cơ sở lý thuyết về internet of things, BIGDATA, trí tuệ nhân tạo

 Tiến hành thu thập tín hiệu từ cảm biến đến nơi lưu trữ dữ liệu Trực quan hóa

dữ liệu trên Thingspeak

 Ứng dụng phần mềm Matlap lấy dữ liệu từ Thingspeak cũng như phân loại dữ liệu bất thường của phụ tải tiêu thụ và đánh giá được mức dộ chính xác của việc phân loại

Đề tài nghiên cứu phương pháp phân loại dữ liệu dựa trên trí tuệ nhân tạo là sử dụng mạng neural học sau- Deep Learning Network, cụ thể là mạng neural hồi quy- Recurent neural network (RNN) dùng thuật toán LSTM- Long Short Term Memory

ABSTRACT

In recent years, the term IoT (or Internet of Things) or "Everything is connected

to the internet" becomes familiar in the practical lives of people IoT is able to change the world based on the Internet potentially Moreover, it allows information which is shared and decided to do without much human intervention

The topic " Develop a program to monitor load current consumption using IoT technology" addresses the following issues:

 Presenting theoretical bases about internet of things, BIGDATA, artificial intelligence

 Conducting and collecting the signals from the sensor to the data storage and visualizing data on Thingspeak

 The Matlap software application gets data from Thingspeak as well as classifies the abnormal data of the consumption load and assesses the accuracy of the classification

The research topic of data classification method based on artificial intelligence uses the following neural network - Deep Learning Network, in particular, the regression neural network - Recurrent neural network (RNN) using LSTM algorithm - Long Short Term Memory

MỤC LỤC

LÝ LỊCH KHOA HỌC i

LỜI CAM ĐOAN iii

LỜI CẢM ƠN iv

TÓM TẮT v

ABSTRACT vi

MỤC LỤC viii

DANH SÁCH CÁC CHỮ VIẾT TẮT xii

DANH MỤC CÁC BẢNG xiii

DANH MỤC CÁC HÌNH ẢNH VÀ BIỂU ĐỒ xiiii

Chương 1 15

TỔNG QUAN 15

1.1 Tính cấp thiết của đề tài 15

1.2 Mục tiêu của đề tài 4

1.3 Nhiệm vụ của đề tài 4

1.4 Giới hạn đề tài 5

1.5 Phương pháp nghiên cứu 5

1.6 Tính thực tiễn 5

1.7 Điểm mới của đề tài 5

1.8 Nội dung luận văn bao gồm 6 chương cụ thể như sau: 6

Chương 2 7

CƠ SỞ LÝ THUYẾT 7

2.1 Tổng quan internet of things 7

2.1.1 Sơ lược về internet of things 7

2.1.1.1 Khái niệm 7

2.1.1.2 Đặc tính cơ bản của IoT 8

2.1.1.3 Các ứng dụng của IoT 9

2.1.2 Mô hình của hệ thống IoT 10

2.1.3 Các yêu cầu của IoT 13

2.1.3.1 Các giao thức chính 13

2.1.3.2 Công suất thiết bị (Device Power) 16

2.1.3.3 Công nghệ cảm biến (Sensor Technology) 16

2.1.3.4 Thời gian đáp ứng 17

2.2 Lưới điện tích hợp 18

2.2.1 Khái niệm 18

2.2.2 Cấu trúc của lưới điện thông minh 19

2.3 Dữ liệu lớn- Big Data 20

2.3.1 Giới thiệu về Big Data 20

2.3.1.1 Khái niệm dữ liệu lớn - Big Data 20

2.3.1.2 Các đặc trưng của dữ liệu lớn 21

2.3.2 Big Data trong lưới điện thông minh 22

2.3.2.1 Vòng đời của Big Data 22

2.3.2.2 Nguồn dữ liệu: 22

2.3.2.3 Tích hợp dữ liệu 23

2.3.2.4 Lưu trữ dữ liệu 24

2.3.2.5 Phân tích dữ liệu 25

2.3.2.6 Mô hình hóa dữ liệu 26

2.3.2.7 Truyền tải dữ liệu 26

2.3.2.8 Điện toán đám mây 26

2.3.3 BIG DATA qua ứng dụng THINGSPEAK 28

2.4 Tổng quan về Trí tuệ nhân tạo 32

2.4.1 Khái niệm trí tuệ nhân tạo ( AI) 32

2.4.2 Các trường phái của trí tuệ nhân tạo 33

2.4.3 Cấu trúc của mạng nơron nhân tạo 34

2.4.3.1 Các phần tử xử lý 34

2.4.3.2 Mô hình kết nối và phân loại 35

2.4.4 Các phương pháp huấn luyện mạng 37

Chương 3 40

GIẢI THUẬT PHÂN LOẠI ĐỀ XUẤT 40

3.1 Giới thiệu mạng Neural hồi quy RNN – Recurrent Neural Networks 40

3.1.1 Khái niệm 40

3.1.2 Huấn luyện RNN 42

3.2 RNN mở rộng 43

3.2.1 Mạng neural hồi quy RNN 2 chiều 43

3.2.2 Mạng neural hồi quy RNN (2 chiều) sâu 43

3.2.3 Mạng Long Short Term Memory (LSTM Networks) 44

3.2.3.1 Ý tưởng cốt lõi của LSTM 45

3.2.3.2 Bên trong LSTM 47

Chương 4 51

MÔ HÌNH HỆ THỐNG ĐÀO TẠO NĂNG LƯỢNG MẶT TRỜI 51

4.1 Thiết bị hệ thống đào tạo năng lượng mặt trời 51

4.1.1 Sơ đồ khối hệ thống 51

4.1.2 Mô hình thiết bị hệ thống 52

4.2 Sơ đồ nối dây hệ thống 54

4.3 Quy trình tiến hành thu thập dữ liệu 54

Chương 5 57

XÂY DỰNG CHƯƠNG TRÌNH MÔ PHỎNG 56

5.1 Lưu đồ chung 56

5.2 Kết quả thực nghiệm từng bước 58

5.2.1 Thu thập dữ liệu 58

5.2.2 Trực quan dữ liêu lên Thingspeak 61

5.2.3 Đọc chuỗi dữ liệu 62

5.2.4 Huấn luyện dữ liệu dùng mạng LSTM 65

5.2.5 Kết quả phân loại 65

Chương 6 67

KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 67

6.1 Kết luận 67

6.2 Hướng phát triển 67

TÀI LIỆU THAM KHẢO 68

PHỤ LỤC 71

DANH SÁCH CÁC CHỮ VIẾT TẮT

- IoT: Internet Of Things

- AI: Artificial Intelligence

- LSTM: Long Short-Term Memory

- RNN:Recurent Neural Network

- MQTT: Message Queue Telemetry Transport

- XMPP: Extensible Messaging và Presence Protocol

- DDS: Data Distribution Service

- AMQP: Advanced Message Queue Protocol

- CoAP: Constrained Applications Protocol

- UDP: User Datagram Protocol

- DTLS: Datagram Transport Layer Security

- SOA: Service Oriented Architecture

- ESB: Enterprise Service Bus

- CIM: Common Information Models

- DFS: Distributed File System

DANH MỤC CÁC BẢNG

BẢNG TRANG

Bảng 4.1: Danh mục thiết bị hệ thống đào tạo năng lượng tái tạo 54

DANH MỤC CÁC HÌNH ẢNH VÀ BIỂU ĐỒ

HÌNH TRANG

Hình 1.1: Cuộc cách mạng công nghiệp lần thứ 4 2

Hình 2.1: Internet of Things 8

Hình 2.2: Tổng quan về ứng dụng của IoT 10

Hình 2.3: Mô hình IoT 11

Hình 2.4: Ví dụ về giao thức MQTT 14

Hình 2.5: Ví dụ về mô hình giao thức XMPP và HTTP 14

Hình 2.6: Ví dụ về giao thức CoAP và HTTP 16

Hình 2.7: Một số loại cảm biến thường gặp 17

Hình 2.8: Thời gian đáp ứng 17

Hình 2.9: Mô hình lưới điện thông minh 18

Hình 2.10: Hệ thống điều khiển lưới điện thông minh dựa trên công nghệ thông tin 20

Hình 2.11: Ví dụ về Big Data 21

Hình 2.12: Mô hình”5Vs”- năm tính chất của Big Data 22

Hình 2.13: Big Data 22

Hình 2.14: Phân tích dữ liệu 25

Hình 2.15: Điện toán đám mây 27

Hình 2.16: Sơ đồ ứng dụng của Thinkspeak 29

Hình 2.17: Tính năng chính của Thingspeak 30

Hình 2.18: Thu thập dữ liệu trên Thingspeak 30

Hình 2.19: Phân tích dữ liệu trên Thingspeak 31

Hình 2.20: Xử lý dữ liệu trên Thingspeak 32

Hình 2.21: Mô hình nơron nhân tạo 34

Hình 2.22: Mạng truyền thẳng một lớp 35

Hình 2.23: Mạng truyền thẳng nhiều lớp 36

Hình 2.24: Mạng truyền lùi một lớp 36

Hình 2.25: Mạng truyền lùi nhiều lớp 37

Hình 2.26: Sơ đồ khối học có giám sát 38

Hình 2.27: Sơ đồ khối học không có giám sát 38

Hình 2.28: Sơ đồ khối học củng cố 39

Hình 3.1: Mô hình mạng neural hồi quy RNN 40

Hình 3.2: Mô tả mô hình mạng neural hồi quy 41

Hình 3.3: Mô hình tính toán mạng neural hồi quy 42

Hình 3.4: Mạng RNN 2 chiều 43

Hình 3.5: Mạng RNN 2 chiều sâu 44

Hình 3.6: Mô đun lặp lại trong một tiêu chuẩn RNN chứa một lớp duy nhất 45

Hình 3.7: Mô đun lặp đi lặp lại trong một LSTM chứa bốn lớp tương tác 45

Hình 3.8: Trạng thái tế bào 46

Hình 3.9: Cổng tế bào 46

Hình 3.10: Tầng cổng quên (forget gate layer) 47

Hình 3.11: Tầng cổng vào và tầng tanh 48

Hình 3.12: Quá trình bỏ đi thông tin cũ và thêm thông tin mới 49

Hình 3.13: Quá trình xác định giá trị đầu ra 50

Hình 4.1: Sơ đồ khối của hệ thống 51

Hình 4.2: Mô hình thiết bị hệ thống đào tạo năng lượng mặt trời 52

Hình 4.3: Sơ đồ đấu nối hệ thống 54

Hình 4.4: Kết nối Tải hoạt động 55

Hình 5.1: Lưu đồ chương trình thu thập và phân tích dữ liệu 58

Hình 5.2: Module ESP8266 wifi 59

Hình 5.3: Cài đặt thư viện trên phần mềm aduino 59

Hình 5.4: Giao diện trên trang wed Thingspeak.com 61

Hình 5.5: Kết quả trên trang web Thingspeak.com 62

Hình 5.6: Đọc dữ liệu từ Thingspeak trên phần mềm Matlab 63

Hình 5.7: Kết quả dòng điện trạng thái bình thường 63

Hình 5.8: Kết quả dòng điện trạng thái quá tải 64

Hình 5.9: Kết quả dòng điện trạng thái non tải 64

Hình 5.10: Thiết lập cấu trúc mạng 64

Hình 5.11: Cài đặt huấn luyện dữ liệu 64

Hình 5.12: Kết quả huấn luyện dữ liệu 65

Hình 5.13: Kết quả kiểm tra độ chính xác dữ liệu 65

Hình 5.14: Kết quả ma trận nhầm lẫn 66

Chương 1 TỔNG QUAN

1.1 Tính cấp thiết của đề tài

Ở xã hội hiện đại với khoa học - công nghệ ngày càng phát triển tiên tiến các máy móc thiết bị dần thay thế sức lao động của con người để tạo ra năng suất, chất lượng sản phẩm và tạo tính cơ động trong sản xuất và vận hành Đối với các hệ thống làm việc trong điều kiện khắc nghiệt như hoạt động 24/24, một số thiết bị con người không thể trực tiếp điều khiển thì càng cần thiết sử dụng các thiết bị máy móc điều khiển tự động tin cậy và an toàn

Cách mạng công nghiệp lần thứ Tư (Industry 4.0 - I4.0) được xây dựng trên nền tảng cuộc CMCN lần thứ Ba, là sự hợp nhất các công nghệ, làm mờ đi ranh giới giữa

các lĩnh vực vật lý, kỹ thuật số và sinh học I4.0 làm thay đổi căn bản cách thức con người tạo ra sản phẩm, từ đó, tạo nên “cách mạng” về tổ chức các chuỗi sản xuất-giá trị Bề rộng và chiều sâu của những thay đổi này báo trước sự chuyển đổi mạnh mẽ của toàn bộ hệ thống sản xuất, quản lý và quản trị của xã hội loài người Với sự phát triển của IoT, các hệ thống vật lý không gian ảo này tương tác với nhau và với con người theo thời gian thực, phục vụ con người thông qua mạng Internet dịch vụ

Hình 1.1: Cuộc cách mạng công nghiệp lần thứ 4

IoT có thể tạo ra một cuộc cách mạng công nghiệp mới, khiến cả nền kinh tế thế giới và đời sống nhân loại phải chuyển mình theo Không giống như các cuộc cách mạng trước - thường diễn ra theo xu hướng phát minh mới làm mờ đi phát minh cũ, IoT sẽ tạo cơ hội cho tất cả các ngành nghề đều được hưởng lợi IoT gia tăng cũng có nghĩa là việc truyền tải dữ liệu và giao tiếp qua Internet tăng lên Chính vì thế mà tất

cả các công ty, ngành nghề đều có thể sử dụng các dữ liệu đó để phân tích và quyết định chiến lược cạnh tranh giành lấy thành công cho mình trong tương lai

Trong khâu truyền tải/ phân phối điện đã ứng dụng công nghệ không người trực, thu thập và truyền số liệu, điều khiển tự động vốn đã có từ cách mạng công nghiệp lần thứ Ba, cần nâng cấp áp dụng cách mạng công nghiệp 4.0 để có thể sử dụng nền

tảng IoT, hệ thống dữ liệu lớn - Big Data để tác động đến hoạt động vận hành, giám sát, bảo dưỡng hệ thống lưới điện[1]

Sự phát triển của IoT được củng cố bởi một số công nghệ liên quan Một số lĩnh vực chủ chốt bao gồm: Tập hợp dữ liệu/Các công cụ ảo hóa; Kiến trúc biên mạng IoT; Tích hợp IoT; Các dịch vụ IoT; Các bản mạch điện tử cho người dùng tự phát triển có chi phí thấp; Học máy; Quản lý dữ liệu sản phẩm

Ngoài ra, còn nhiều lĩnh vực khác cũng tăng cường đầu tư hệ sinh thái IoT như lĩnh vực bán lẻ, dịch vụ vận tải, ngân hàng, y tế,… Nói chung, trong vài năm nữa, IoT

sẽ bao trùm hầu khắp các ngành nghề trong ba khu vực chính: Chính phủ, doanh nghiệp và người tiêu dùng, với ước tính có 24 tỷ thiết bị được kết nối Internet và tham gia vào hệ sinh thái IoT

Trong thời gian gần đây, thì trí tuệ nhân tạo có nhiều ưu điểm hơn cả vì là một

mô hình rõ ràng, dễ thực hiện, hiệu quả Nhằm giám sát và nhận dạng những sự cố của hệ thống điện để có những tác động, dự báo kịp thời, đảm bảo cho sự làm việc ổn định, an ninh năng lượng, chính vì vậy việc giám sát phụ tải điện dùng trí tuệ nhân tạo được ứng dụng nhận dạng đúng các sự cố, dự báo để có những kỹ thuật phù hợp, đáp ứng đúng mong muốn của người

Để Việt Nam có thể tận dụng lợi thế của nước phát triển đi sau và tiềm năng to lớn của công nghệ về IoT, cần nâng cao nhận thức trong toàn xã hội từ chính phủ đến cộng đồng doanh nghiệp, khu vực nghiên cứu và đào tạo cũng như người dân về vai trò của IoT trong việc nâng cao năng lực cạnh tranh ở mọi cấp, từ cấp quốc gia đến địa phương, ngành và doanh nghiệp Ngoài ra, IoT còn tác động đến phương thức tổ chức xã hội, phương thức sản xuất-kinh doanh cũng như mô hình phát triển quốc gia [2]

Chính vì những yếu tố phát triển mạnh của IoT và kết hợp với AI, mạng lưới điện

tích hợp……thì đề tài “Xây dựng chương trình giám sát phụ tải điện tiêu thụ ứng

dụng công nghệ IoT ” được học viên tiến hành nghiên cứu mô hình hệ thống đào tạo

năng lượng mặt trời, mô phỏng việc giám sát phụ tải tiêu thụ điện với số lượng dữ liệu khổng lồ BigData cũng đặt ra vấn đề thiết yếu cần giải quyết hợp lí, từ đó nâng cao chất lượng cuộc sống, đáp ứng nhu cầu cho nhiều lĩnh vực khác nhau

1.2 Mục tiêu của đề tài

Nghiên cứu ứng dụng mạng Neural nhân tạo trong phân loại trạng thái phụ tải điện tiêu thụ nói riêng Đề tài khảo sát phương pháp phân loại tín hiệu phụ tải sử dụng mạng neural, trình bày tính năng làm việc của mạng neural và sau đó là mô phỏng trong phần mềm MATLAB với dữ liệu thu thập từ mô hình

Nghiên cứu phương pháp phân loại tín hiệu dựa trên các kỹ thuật của mạng neural Cấu trúc mạng neural để phục vụ cho nghiên cứu, cụ thể là mạng neural hồi quy- Recurent neural network (RNN)

Nghiên cứu giải thuật lập trình và thực hiện lắp ráp trên mô hình hệ thống đào tạo năng lượng mặt trời

Kết quả thu thập từ mô hình cũng như kết quả phân loại, giúp con người chủ động trong việc giám sát cũng như quản lý công tác vận hành thiết bị, trang bị thiết bị từ xa

và đảm bảo độ tin cậy cao hơn

1.3 Nhiệm vụ của đề tài

- Nghiên cứu công nghệ IoT trong lưới điện tích hợp;

- Nghiên cứu mô hình hệ thống đạo tạo năng lượng mặt trời;

- Nghiên cứu kết nối và sử dụng mạch điện tử ESP8266 wifi;

- Nghiên cứu phương pháp phân loại dữ liệu bất thường dựa trên các kỹ thuật của mạng neural Cấu trúc mạng neural cụ thể là mạng hồi quy RNN ;

- Xây dựng lưu đồ và viết chương trình giám sát phụ tải trong hệ thống;

1.4 Giới hạn đề tài

- Đây là một đề tài thực hiện trên mô hình hệ thống đào tạo năng lượng mặt trời bao gồm năng lượng mặt trời và phụ tải điện tiêu thụ trong hệ thống điện để giám sát phụ tải tiêu thụ điện ứng dụng công nghệ IoT;

- Sử dụng phần mềm MATLAB để thiết kế chương trình giám sát mà cụ thể là sử dụng mạng neural hồi quy – Recurent Neural Network (RNN);

1.5 Phương pháp nghiên cứu

- Đề tài sử dụng các phương pháp sau:

+ Nghiên cứu lý thuyết liên quan;

- Đề tài nghiên cứu giám sát phụ tải tiêu thụ điện ứng dụng công nghệ IoT do học viên nghiên cứu kết hợp với lưới điện thông minh, xử lý trên Thingspeak chương trình Matlab rất phổ dụng sẽ trợ giúp một cách hiệu quả cho việc nghiên cứu và phục vụ giảng dạy cho các giảng viên, sinh viên trong phạm vi

cả nước;

1.7 Điểm mới của đề tài

- Nghiên cứu xây dựng được chương trình giám sát tải tiêu thụ trong hệ thống điện tích hợp lưu trữ trên Thingspeak thông qua module wifi ESP8266 Uno;

- Dùng mạng Neural thông qua phần mềm Matlab để phân loại dữ liệu trên;

1.8 Nội dung luận văn bao gồm 6 chương cụ thể như sau:

Chương 1: Tổng quan;

Chương 2: Cơ sở lý thuyết ;

Chương 3: Giải thuật phân loại đề xuất;

Chương 4: Mô hình hệ thống đào tạo năng lượng mặt trời;

Chương 5: Xây dựng chương trình mô phỏng;

Chương 6: Kết luận và hướng phát triển

Tài liệu tham khảo

Phụ lục

Chương 2

CƠ SỞ LÝ THUYẾT

2.1 Tổng quan internet of things

2.1.1 Sơ lược về internet of things

2.1.1.1 Khái niệm

Internet of Things (IoT) là thuật ngữ dùng để chỉ các đối tượng có thể được nhận biết cũng như sự tồn tại của chúng trong một kiến trúc mang tính kết nối Đây là một viễn cảnh trong đó mọi vật, mọi con vật hoặc con người được cung cấp các định danh

và khả năng tự động truyền tải dữ liệu qua một mạng lưới mà không cần sự tương tác giữa con người-với-con người hoặc con người-với-máy tính

IoT tiến hoá từ sự hội tụ của các công nghệ không dây, hệ thống vi cơ điện tử (MEMS) và Internet Nói đơn giản là một tập hợp các thiết bị có khả năng kết nối với nhau, với Internet và với thế giới bên ngoài để thực hiện một công việc nào đó

Cụm từ này được đưa ra bởi Kevin Ashton vào năm 1999 Ông là một nhà khoa học đã sáng lập ra Trung tâm Auto-ID ở đại học MIT - nơi thiết lập các quy chuẩn toàn cầu cho RFID (một phương thức giao tiếp không dây dùng sóng radio) cũng như một

số loại cảm biến khác

"Thing”- sự vật - trong Internet of Things, có thể là một con người với màn hình cấy ghép tim, một động vật trang trại với bộ tiếp sóng chip sinh học, một chiếc xe ô tô tích hợp các cảm biến để cảnh báo lái xe khi lốp quá non – hoặc bất kỳ đồ vật nào do tự

nhiên sinh ra hoặc do con người sản xuất ra mà có thể được gán với một địa chỉ IP và được cung cấp khả năng truyền tải dữ liệu qua mạng lưới [3]

Hình 2.1: Internet of Things 2.1.1.2 Đặc tính cơ bản của IoT

- Tính kết nối liên thông (interconnectivity): với IoT, bất cứ điều gì cũng có thể kết nối với nhau thông qua mạng lưới thông tin và cơ sở hạ tầng liên lạc tổng thể

- Những dịch vụ liên quan đến”Things”: hệ thống IoT có khả năng cung cấp các dịch vụ liên quan đến”Things”, chẳng hạn như bảo vệ sự riêng tư và nhất quán giữa Physical Thing và Virtual Thing Để cung cấp được dịch vụ này, cả công nghệ phần cứng và công nghệ thông tin (phần mềm) sẽ phải thay đổi

- Tính không đồng nhất: Các thiết bị trong IoT là không đồng nhất vì nó có phần cứng khác nhau, và network khác nhau Các thiết bị giữa các network có thể tương tác với nhau nhờ vào sự liên kết của các network

- Thay đổi linh hoạt: Status của các thiết bị tự động thay đổi, ví dụ, ngủ và thức dậy, kết nối hoặc bị ngắt, vị trí thiết bị đã thay đổi, và tốc độ đã thay đổi… Hơn nữa, số lượng thiết bị có thể tự động thay đổi

- Quy mô lớn: Sẽ có một số lượng rất lớn các thiết bị được quản lý và giao tiếp với nhau Số lượng này lớn hơn nhiều so với số lượng máy tính kết nối Internet hiện nay Số lượng các thông tin được truyền bởi thiết bị sẽ lớn hơn nhiều so với được truyền bởi con người [4]

2.1.1.3 Các ứng dụng của IoT

Với những hiệu quả thông minh rất thiết thực mà IoT đem đến cho con người, IoT đã và đang được tích hợp trên khắp mọi thứ, mọi nơi xung quanh thế giới mà con người đang sống Từ chiếc vòng đeo tay, những đồ gia dụng trong nhà, những mãnh vườn đang ươm hạt giống, cho đến những sinh vật sống như động vật hay con người… đều có sử dụng giải pháp IoT

IoT có ứng dụng vô cùng rộng lớn, có thể kể ra một số như sau:

• Quản lí chất thải

• Quản lí và lập kế hoạch quản lí đô thị

• Quản lí môi trường

• Phản hồi trong các tinh huống khẩn cấp

• Mua sắm thông minh

• Quản lí các thiết bị cá nhân

• Đồng hồ đo thông minh

• Tự động hóa ngôi nhà …

Hình 2.2: Tổng quan về ứng dụng của IoT 2.1.2 Mô hình của hệ thống IoT

Bất kỳ một hệ thống IoT nào cũng được xây dựng lên từ sự kết hợp của 4 layer

Hình 2.3: Mô hình IoT

 Application Layer:

Lớp ứng dụng cũng tương tự như trong mô hình OSI 7 lớp, lớp này tương tác trực tiếp với người dùng để cung cấp một chức năng hay một dịch vụ cụ thể của một hệ thống IOT

 Service support and application support layer:

Nhóm dịch vụ chung: Các dịch vụ hỗ trợ chung, phổ biến mà hầu hết các ứng dụng IOT đều cần, ví dụ như xử lý dữ liệu hoặc lưu trữ dữ liệu

Nhóm dịch vụ cụ thể, riêng biệt: Những ứng dụng IOT khác nhau sẽ có nhóm dịch phụ

hỗ trợ khác nhau và đặc thù Trong thực tế, nhóm dịch vụ cụ thể riêng biệt là tính toán

độ tăng trưởng của cây mà đưa ra quyết định tưới nước hoặc bón phân

 Network layer:

Lớp Network có 2 chức năng:

Chức năng Networking: cung cấp chức năng điều khiển các kết nối kết nối mạng,

chẳng hạn như tiếp cận được nguồn tài nguyên thông tin và chuyển tài nguyên đó đến nơi cần thiết, hay chứng thực, uỷ quyền…

Chức năng Transporting: tập trung vào việc cung cấp kết nối cho việc truyền

thông tin của dịch vụ/ứng dụng IoT

 Device layer:

Lớp Device chính là các phần cứng vật lý trong hệ thống IOT Device có thể phân thành hai loại như sau:

Thiết bị thông thường: Device này sẽ tương tác trực tiếp với network: Các thiết bị

có khả năng thu thập và tải lên thông tin trực tiếp (nghĩa là không phải sử dụng gateway) và có thể trực tiếp nhận thông tin (ví dụ, lệnh) từ các network Device này cũng có thể tương tác gián tiếp với network: Các thiết bị có thể thu thập và tải network gián tiếp thông qua khả năng gateway Ngược lại, các thiết bị có thể gián tiếp nhận thông tin (ví dụ, lệnh) từ network Trong thực tế, các thiết bị thông thường bao gồm các cảm biến, các phần cứng điều khiển motor, đèn…

Thiết bị Gateway: Gateway là cổng liên lạc giữa device và network Một Gateway

- Chức năng chuyển đổi giao thức: Chức năng này cần thiết trong hai tình huống

là: (1) khi truyền thông ở lớp Device, nhiều device khác nhau sử dụng giao thức khác nhau, ví dụ, ZigBee với Bluetooth, và (2) là khi truyền thông giữa các Device và

Network, device dùng giao thức khác, network dùng giao thức khác, ví dụ, device dùng ZigBee còn tầng network thì lại dùng công nghệ 3G Trong thực tế, Gateway có thể được build từ các board như Raspberry Pi hay Arduino, hoặc Gateway được sản xuất công nghiệp bởi các tập đoàn lớn như Intel hay Texas Instrument

2.1.3 Các yêu cầu của IoT

2.1.3.1 Các giao thức chính

Trong IoT, các thiết bị phải giao tiếp được với nhau (D2D) Dữ liệu sau đó phải được thu thập và gửi tới máy chủ (D2S) Máy chủ cũng có để chia sẻ dữ liệu với nhau (S2S), có thể cung cấp lại cho các thiết bị, để phân tích các chương trình, hoặc cho người dùng Để khai thác hết được tiềm năng của mô hình IoT, các thiết bị kết nối cần phải giao tiếp bằng các giao thức nhẹ mà không làm tiêu tốn quá nhiều tài nguyên của CPU Dưới đây có 5 giao thức truyền tải dữ liệu phổ biến có thể được dùng trong các

mô hình của Internet of Things:

- MQTT (Message Queue Telemetry Transport): Một giao thức truyền thông điệp

(message) theo mô hình publish/subscribe (xuất bản theo dõi) sử dụng băng thông thấp,

độ tin cậy cao và có khả năng hoạt động trong điều kiện đường truyền không ổn định Mục đích là đo đạc từ xa, hoặc giám sát từ xa, thu thập dữ liệu từ nhiều thiết bị và vận chuyển dữ liệu đó đến máy trạm với ít xung đột nhất MQTT nhắm đến các mạng lớn của các thiết bị nhỏ mà cần phải được theo dõi hoặc kiểm soát từ các đám mây MQTT hoạt động đơn giản, cung cấp nhiều lựa chọn điều khiển và QoS MQTT không có yêu cầu quá khắt khe về thời gian, tuy nhiên hiệu quả của nó là rất lớn, đáp ứng tính thời gian thực với đơn vị tính bằng giây

Hình 2.4: Ví dụ về giao thức MQTT -XMPP (Extensible Messaging và Presence Protocol): Giao thức tốt nhất để kết nối

các thiết bị với mọi người, một trường hợp đặc biệt của mô hình D2S, kể từ khi người được kết nối với các máy chủ XMPP ban đầu được gọi là “Jabber” Nó được phát triển cho các tin nhắn tức thời (IM) để kết nối mọi người với những người khác thông qua tin nhắn văn bản XMPP sử dụng định dạng văn bản XML, và cũng tương tự như MQTT chạy, XMPP chạy trên nền tảng TCP, hoặc có thể qua HTTP trên TCP

Hình 2.5: Ví dụ về mô hình giao thức XMPP và HTTP -DDS (Data Distribution Service): DDS là một ngôn ngữ trung gian dựa vào dữ liệu

tập trung được sử dụng để cho phép mở rộng, thời gian thực, độ tin tưởng cao và trao

đổi dữ liệu tương tác

Đây là một giao thức phi tập trung với truyền thông ngang hàng trực tiếp và được thiết

kế để trở thành một ngôn ngữ và hệ điều hành độc lập DDS gửi và nhận dữ liệu, sự kiện, và thông tin lệnh trên UDP nhưng cũng có thể chạy trên các giao thức truyền tải khác như IP Multicast, TCP/IP, bộ nhớ chia sẻ… DDS hỗ trợ các kết nối được quản lý many-to-many theo thời gian thực và ngoài ra còn hỗ trợ dò tìm tự động

-AMQP (Advanced Message Queue Protocol): AMQP là một giao thức làm trung

gian cho các gói tin trên lớp ứng dụng với mục đích thay thế các hệ thống truyền tin độc quyền và không tương thích Các tính năng chính của AMQP là định hướng thông điệp, hàng đợi, định tuyến có độ tin cậy và bảo mật cao Các hoạt động sẽ được thực hiện thông qua broker, nó cung cấp khả năng điều khiển luồng

Không giống như các giao thức khác, AMQP là một giao thức có dây có khả năng diễn

tả các thông điệp phù hợp với định dạng dữ liệu, có thể triển khai với rất nhiều loại ngôn ngữ lập trình

-CoAP (Constrained Applications Protocol): CoAP là một giao thức truyền tải tài

liệu theo mô hình client/server dựa trên internet tương tự như giao thức HTTP nhưng được thiết kế cho các thiết bị ràng buộc Giao thức này hỗ trợ một giao thức để chuyển

đổi trạng thái thông tin giữa client và server

CoAP sử dụng UDP (User Datagram Protocol), không hỗ trợ TCP, ngoài ra còn hỗ trợ địa chỉ broadcast và multicast, truyền thông CoAP thông qua các datagram phi kết nối (connectionless) có thể được sử dụng trên các giao thức truyền thông dựa trên các gói UDP có thể dễ dàng triển khai trên các vi điều khiển hơn TCP nhưng các công cụ bảo mật như SSL/TSL không có sẵn, tuy nhiên ta có thể sử dụng Datagram Transport Layer Security (DTLS) để thay thế

Hình 2.6: Ví dụ về giao thức CoAP và HTTP 2.1.3.2 Công suất thiết bị (Device Power)

Các tiêu chí hình thức chính của thiết bị khi triển khai một ứng dụng IoT là phải giá thành thấp, mỏng, nhẹ… và như vậy phần năng lượng nuôi thiết bị cũng sẽ trở nên nhỏ gọn lại, năng lượng tích trữ cũng sẽ trở nên ít đi Do đó đòi hỏi thiết bị phải tiêu tốn một công suất cực nhỏ (Ultra Low Power) để sử dụng nguồn năng lượng có hạn đó Bên cạnh đó yêu cầu có những giao thức truyền thông không dây gọn nhẹ hơn, đơn giản hơn, đòi hỏi ít công suất hơn (Low Energy Wireless Technologies) như Zigbee,

BLE (Bluetooth low energy), ANT/ANT+, NIKE+

2.1.3.3 Công nghệ cảm biến (Sensor Technology)

Trong Internet of Things, cảm biến đóng vai trò then chốt, nó đo đạc cảm nhận giá trị từ môi trường xung quanh rồi gửi đến bộ vi xử lý sau đó được gửi lên mạng Chúng ta có thể bắt gặp một số loại cảm biến về cảnh báo cháy rừng, cảnh báo động đất, cảm biến nhiệt độ, cảm biến độ ẩm Để giúp cho thiết bị kéo dài được thời gian hoạt động hơn thì đòi hỏi cảm biến cũng phải tiêu hao một lượng năng lượng cực kỳ thấp Bên cạnh đó độ chính xác và độ nhạy của cảm biến cũng phải cao Để giá thành

của thiết bị thấp thì đòi hỏi giá cảm biến cũng phải thấp

Hình 2.7: Một số loại cảm biến thường gặp 2.1.3.4 Thời gian đáp ứng

Thời gian đáp ứng phải đảm bảo tính thời gian thực, sao cho hàng ngàn các node mạng có thể truy cập vào hệ thống mà không xảy ra hiện tượng nghẽn mạng Với các ứng dụng D2D, thời gian đáp ứng trong khoảng 10us đến 10ms, trong khi ứng dụng D2S, thời gian này là 10ms đến 1s Với các ứng dụng S2S, không có yêu cầu khắt khe về thời gian đáp ứng, tuy nhiên thông thường yêu cầu từ 3 đến 5s

Hình 2.8: Thời gian đáp ứng

2.2 Lưới điện tích hợp

2.2.1 Khái niệm

Lưới điện tích hợp, như tên gọi của nó, kết hợp hai hoặc nhiều chế độ phát điện với nhau, thường sử dụng các công nghệ tái tạo như quang điện mặt trời (PV) và tua-bin gió Các hệ thống tích hợp cung cấp mức độ bảo mật năng lượng cao thông qua các phương pháp phát điện khác nhau, và thường sẽ kết hợp một hệ thống lưu trữ (pin, pin nhiên liệu ) hoặc máy phát điện nhiên liệu hóa thạch nhỏ để đảm bảo độ tin cậy và

an toàn cung cấp tối đa

Lưới điện tích hợp trong thời đại mới được nâng cấp hơn và thường được gọi là lưới điện thông minh Không có một định nghĩa chuẩn nào cho lưới điện thông minh nhưng nó được hiểu là hệ thống kết nối thông minh dựa trên những công nghệ mới, cảm biến và thiết bị để có thể quản lý nhiều nguồn tài nguyên năng lượng và nâng cao

độ tin cậy, hiệu quả và bảo mật của toàn bộ chuỗi năng lượng Lưới điện thông minh mang tới một cơ sở hạ tầng phân phối điện tốt hơn so với lưới điện thông thường [5]

Lợi ích của lưới điện thông minh là khả năng tương tác tốt với các nguồn năng lượng tái tạo trong hệ thống, giám sát sản xuất và tiêu thụ năng lượng nhờ vào dòng chảy hai chiều của năng lượng và dữ liệu giữa nhà máy, trạm phân phối, phụ tải

Hình 2.9: Mô hình lưới điện thông minh

2.2.2 Cấu trúc của lưới điện thông minh

Kiến trúc của hệ thống điện thông minh hay cấu trúc là bao gồm các thành phần,

bộ phận, trang thiết bị để tạo nên một hệ thống điện thông minh

Về cơ bản, hệ thống điện thông minh bao gồm hệ thống truyền tải, cung cấp điện năng hiện tại nhưng được áp dụng công nghệ thông tin và truyền thông, số hóa dữ liệu và áp dụng các công nghệ hiện đại vào việc điều khiển, kiểm tra, giám sát nhằm đảm bảo an toàn, ổn định và nâng cao hiệu suất làm việc của hệ thống điện

Từ mô hình ta thấy rằng hệ thống điện thông minh gồm:

* Hệ thống điện có sẵn:

– Cơ sơ hạ tầng (nhà máy điện, trạm biến áp, trạm điều khiển )

– Hệ thống truyền tải (đường dây, cột điện, rơle bảo vệ, máy biến áp ) – Các nơi tiêu thụ điện (hộ gia đình, nhà máy, cơ quan )

* Hệ thống điều khiển lấy công nghệ thông tin làm trung tâm: gồm cơ sở dữ liệu được số hóa, các thành phần trong hệ thống được liên kết với nhau chặt chẽ thành một thể thống nhất có thể vận hành ổn định,tự khắc phục khi có

Hình 2.10: Hệ thống điều khiển lưới điện thông minh dựa trên công nghệ thông tin 2.3 Dữ liệu lớn- Big Data

2.3.1 Giới thiệu về Big Data

2.3.1.1 Khái niệm dữ liệu lớn - Big Data

Big Data, hay dữ liệu lớn là những số lượng khủng về các hồ sơ khách hàng, âm thanh, hình ảnh, văn bản… Đó là thuật ngữ dùng để chỉ một tập hợp dữ liệu có độ lớn

và độ phức tạp cao mà những công cụ, ứng dụng xử lí dữ liệu truyền thống không đảm đương được

Theo định nghĩa của Gartner - công ty nghiên cứu và tư vấn công nghệ thông tin hàng đầu thế giới: “Big Data là tài sản thông tin, mà những thông tin này có khối lượng

dữ liệu lớn, tốc độ cao và dữ liệu đa dạng, đòi hỏi phải có công nghệ mới để xử lý hiệu quả nhằm đưa ra được các quyết định hiệu quả, khám phá được các yếu tố ẩn sâu trong

dữ liệu và tối ưu hóa được quá trình xử lý dữ liệu”[6]

Hình 2.11: Ví dụ về Big Data 2.3.1.2 Các đặc trƣng của dữ liệu lớn

Dữ liệu lớn do Gartner xây dựng có 5 đặc trưng cơ bản như sau (mô hình 5Vs): Khối lượng dữ liệu (Volume); Tốc độ (Velocity); Giá trị (Value); Độ tin cậy/chính xác (Veracity); Đa dạng (Variety)

Hình 2.12: Mô hình”5Vs”- năm tính chất của Big Data

2.3.2 Big Data trong lưới điện thông minh

2.3.2.1 Vòng đời của Big Data

Big Data có thể định nghĩa là một lượng lớn các bộ dữ liệu, như thực tế nó bao gồm nhiều thành phần Ngoài việc số lượng lớn, Big Data còn dựa trên nhiều định dạnh

và cấu trúc dữ liệu, tốc độ cung cấp dữ liệu theo yêu cầu, giá trị để trích ra dữ liệu có ý nghĩa từ bộ dữ liệu thu thập được, sự biến đổi dẫn đến khái niệm dữ liệu không đồng nhất, tính xác thực để làm việc dựa trên độ tin cậy của dữ liệu Hình trình bày công nghệ Big Data cho lưới điện thông minh, ở nhiều cấp độ từ dữ liệu nguồn đến mô hình hóa

Hình 2.13: Big Data 2.3.2.2 Nguồn dữ liệu:

Trên thực tế, có các lớp dữ liệu trên các giá trị dữ liệu cần trích xuất:

- Dữ liệu hoạt động là dữ liệu của lưới điện theo thời gian bao gồm dòng điện, điện áp, và công suất đáp ứng

- Dữ liệu không hoạt động không liên quan đến công suất lưới nhưng liên quan trực tiếp đến dữ liệu chính, dữ liệu về chất lượng điện năng, độ tin cậy

- Dữ liệu sử dụng đồng hồ đo cũng là một ví dụ khác về dữ liệu sử dụng điện và giá trị sử dụng như giá trị sử dụng trung bình, cao điểm

- Dữ liệu sự kiện đến từ các thiết bị trên lưới như sự cố mất điện / hồi phục điện

áp, sự hiện phát hiện sự cố

Siêu dữ liệu, sử dụng để tổ chức và giải thích tất cả các loại dữ liệu khác Tất cả các loại dữ liệu thu thập từ nhiều nguồn như đồng hồ đo, cảm biến, trạm, thiết bị, bộ thu thập dữ liệu di động, thiết bị điều khiển, phương tiện điện tử thông minh, trạm phân phối điện, thiết bị khách hàng và dữ liệu trong lịch sử

2.3.2.3 Tích hợp dữ liệu

Công nghệ thông tin và truyền thông tiên tiến được sử dụng để nâng cao độ tin cậy, tính bền bỉ, anh toàn của lưới điện thông minh Đó là lý do vì sao có nhiều công nghệ và hướng tiếp cận để đảm bảo tương tác dữ liệu

-Service Oriented Architecture (SOA): Tất cả các hệ thống của doanh nghiệp

kết hợp với các phần mềm, tùy mỗi nhà cung cấp sếp mang đến các dịch vụ khác nhau cho người dùng Vì thế vấn đề là làm sao quản lý được tất cả hệ thống Như là là giải pháp, SOA giúp cho các phần mềm liên kết với nhau sử dùng cùng một cách tiếp cận, giúp cho dữ liệu tương tác dễ dàng và linh hoạt hơn Trong lưới điện thông minh, SOA được sử dụng trên hệ thống theo yêu cầu

-Enterprise Service Bus (ESB): Dựa trên một số cách tiếp cận để quản lý giao

tiếp giữa các hệ thống khác nhau như GIS, OMS,… ESB mang đến nhiều lợi ích để giảm giá thành và thời gian quản lý, giám sát và phân chia tích hợp Trong lưới điện thông minh, công nghệ ESB hiệu quả hơn so với SOA, vì nó mạnh mẽ và linh hoạt hơn

-Common Information Models (CIM): Được sử dụng để tăng độ bền của lưới

điện và cho sự tương tác của kiến trúc dữ liệu, đặc biệt ảnh hưởng tới sự thành công hay thất bại của quản lý dữ liệu CIM đề cập đến mô hình UML cho ngành điện lực

Nó đóng vai trò quan trọng trong hệ thống quản lý năng lượng về mặt tương tác dữ liệu, thời gian và chi phí Nhìn chung, CIM giúp chuyển đổi dữ liệu với cơ sở hạ tầng của lưới điện CIM trở thành nguyên tố chính trong các hệ thống điện để đảm bảo khả năng tương tác dữ liệu, trong trường hợp thực thi các ứng dụng khác nhau CIM vận hành ở mức độ chuyển đổi dữ liệu, nó được sử dụng cùng với ESB cho việc bình thường và tiêu chuẩn hóa dữ liệu giữa các lưới điện thông minh

2.3.2.4 Lưu trữ dữ liệu

Lưu trữ dữ liệu trong lưới điện thông minh đóng vai trò quan trọng, bởi vì việc thu thập dữ liệu từ các nguồn và chuyển dữ liệu cho các công cụ phân tích với tốc độ vào/ra rất nhanh trong mỗi giây (IOPS) Vì vậy cần phát triển một cơ chế lưu trữ dữ liệu và có khả năng mở rộng để đáp ứng yêu cầu của Big Data

Distributed File System (DFS) là dạng file hệ thống cho phép nhiều người trên

nhiều máy tính có thể cùng chia sẽ và lưu trữ Dựa trên cơ chế lưu trữ client/server, và cho phép mỗi người dùng có thể sao lưu và lưu trữ cục bộ Có rất nhiều giải pháp sử dụng giải pháp DFS như: Google DFS, Quantcast File System, HDFS, Ceph, Lustre GlusterFS,

NoSQl Databases là một một cách tiếp cận cơ sở dữ liệu mới để vượt qua

những hạn chế của cơ sở dữ liệu truyền thống trong trường hợp xử lý dữ liệu lớn Loại

cơ sở dữ liệu này có 3 dạng kiến trúc: giải pháp giá trị trọng điểm như Dynamo và Voldemort, giải pháp định hướng theo cột như Cassandra và Hbase và giải pháp quản

lý cơ sở dữ liệu theo tài liệu như MongoDB và CouchDB

2.3.2.5 Phân tích dữ liệu

Lưới điện thông minh thu thập dữ liệu từ nhiều nguồn khác nhau và lưu trữ chúng như một lượng khổng lồ các số liệu và cần phải phân tích để trở nên dễ dàng Phân tích dữ liệu đóng vai trò quan trọng giúp lưới điện trở nên thông minh, hiệu quả

và có lợi hơn Hình trình bày nhiều kiểu phân tích dữ liệu trong lưới điện thông minh:

- Phân tích tín hiệu dựa trên quá trình xử lý tín hiệu

- Phân tích sự kiện tập trung vào các sự kiện xảy ra

- Phân tích trạng thái cung cấp tầm nhìn về trạng thái lưới

- Phân tích kỹ thuật vận hành lưới

- Phân tích khách hàng từ dữ liệu khách hàng

Hình 2.14: Phân tích dữ liệu

Có nhiều loại mô hình có thể kết hợp các kiểu phân tích đã trình bày ở trên như các mô hình mô tả, chuẩn đoán và dự báo Mỗi mô hình mô tả một phần hoạt động của lưới Mô hình mô tả sử dụng để mô tả hành vi của khách hàng trong các chương trình yêu cầu và cung cấp hiểu biết cơ bản về hành vi của họ Sau khi mô tả khách hàng, mô

hình chuẩn đoán sẽ được dùng để hiểu hành vi của các khách hàng đặc biệt và phân tích các quyết định của họ Tất cả các mô hình trước đây hữu ích để đưa ra các mô hình

dự đoán để dự đoán các quyết định của khách hàng trong tương lai Cuối cùng, có những mô hình theo quy định với mức độ phân tích cao trong lưới điện, bởi vị hiệu quả tiếp thị, chiến lược tương tác và các quyết định được thực hiện

2.3.2.6 Mô hình hóa dữ liệu

Mô hình hóa dữ liệu có một vai trò lớn, vì nó góp phần cải thiện khả năng đánh giá lưới điện Tất nhiên có rất nhiều công nghệ mô hình hóa dựa trên các mô phỏng đa chiều như mô hình 2D và 3D Tuy nhiên lưới điện thông minh cũng đối mặt với các vấn đề lớn về chồng lấn dữ liệu như 3D Power-map Sơ đồ phân tán, phối hợp song song, và dường cong Andrew là ví dụ cho giải quyết dữ liệu theo chiều cao

2.3.2.7 Truyền tải dữ liệu

Truyền tải dữ liệu cũng đóng vai trò quan trọng trong Big Data, bởi vì nó ảnh hưởng đến tất cả các giai đoạn Vì vậy phải duy trình băng thông rộng, tốc độ cao, bảo mật và an toàn dữ liệu Truyền tải dữ liệu trong lưới điện thông minh dựa công nghệ thông tin cơ bản như sau: bắt đầu bằng công nghệ mạng truy cập bao gồm PLC, Zigbee, Wifi… tiếp theo là công nghệ mạng khu vực như M2M, mạng Cellurar, mạng Ethernet… và công nghệ mạng lõi như IP, … Cuối cùng, công nghệ mạng xương sống, dựa trên công nghệ cáp quang, sóng điện từ, IP-base Wavelenght, Division Multiplexing (WDM) và các công nghệ quang khác

2.3.2.8 Điện toán đám mây

Điện toán đám mây giải quyết được nhiều vấn đề liên quan đến Big Data trong lưới điện thông minh Giúp nhà cung cấp đảm bảo linh hoạt, nhanh và hiệu quả mà vẫn tiết kiệm chi phí, năng lượng và tài nguyên Điện toán đám mây dựa trên nhiều khái niệm phù hợp cho quản lý dữ liệu trong Big Data Sử dụng điện toán đám mây trong

lưới điện thông minh mang lại những lợi ích to lớn, hạn chế dư thừa, khả năng phục hồi và xử lý đa luồng sao lưu dữ liệu là tăng tính bảo mật và đối phó với lỗi xảy ra

Hình 2.15: Điện toán đám mây

Điện toán đám mây dựa trên nhiều mô hình dịch vụ Một số mô hình có thể đưa

ra như công cộng, cá nhân hoặc song hành

- Software as service (SaaS) cung cấp những ứng dụng có sẵn mà khách hàng

có thể sử dụng qua Internet

- Platform as service (PaaS) cung cấp phần cứng và phần mềm cho khách hàng

để họ tạo ra những sản phẩm của riêng mình

- Infrastructure as a service (IaaS) cung cấp phần cứng, phần mềm và những

thành phần cơ sở hạ tầng IT khác qua Internet

- Data as a service (DaaS) cho phép khách hàng chạy ứng dụng và lưu dữ liệu

trực tuyến

- Communication as a service (CaaS) hữu ích cho các ứng dụng tin nhắn và gọi

điện qua IP (VoIP), Instant messaging (IM), họp qua video

- Monitoring as a service (MaaS) sử dụng cho các dịch vụ bảo mật, như là cách

bảo mật thứ 3

Các giải pháp điện toán đám mây có thể giải quyết những thách thức trong công nghệ Big Data, vì thế có nhiều giải pháp điện toán đám mây có thể triển khai Big Data như Amazon Elastic Compute Cloud (Amazon EC2), Google Compute engine, Microsoft Azure Cloud, IBM Docker Cloud…

2.3.3 BIG DATA qua ứng dụng THINGSPEAK

Lượng lớn dữ liệu sẽ giúp cho nhà cung cấp có thể làm được nhiều việc mà họ không thể làm trước đây như hiểu hơn về hành vi, bảo tồn, tiêu dùng và nhu cầu của khách hàng, theo dõi thời gian mất điện Tại cùng một thời điểm, điều đó tạo ra thách thức cho nhà cung cấp vì thiếu các hệ thống và kỹ năng phân tích dữ liệu để đối phó với lượng dữ liệu lớn Vì thế, mục tiêu chính của nhà cung cấp bây giờ là quản lý lượng dữ liệu lớn và sử dụng công cụ phân tích hiệu quả để chuyển dữ liệu thu thập được thành thông tin, sau đó hiểu và đưa ra những kế hoạch hoạt động

ThingSpeak ™ là một dịch vụ nền tảng phân tích IoT cho phép bạn tổng hợp,

trực quan hóa và phân tích các luồng dữ liệu trực tiếp trên đám mây ThingSpeak cung cấp trực quan hóa dữ liệu được thiết bị của bạn đăng lên ThingSpeak Với khả năng thực thi mã MATLAB® trong ThingSpeak, bạn có thể thực hiện phân tích và xử lý dữ liệu trực tuyến khi có ThingSpeak thường được sử dụng để tạo mẫu và chứng minh các hệ thống IoT khái niệm cần phân tích

Internet of Things (IoT) mô tả một xu hướng mới nổi trong đó một số lượng lớn các thiết bị (mọi thứ) được kết nối với Internet Các thiết bị được kết nối này giao tiếp với mọi người và những thứ khác và thường cung cấp dữ liệu cảm biến cho lưu trữ đám mây và tài nguyên điện toán đám mây nơi dữ liệu được xử lý và phân tích để đạt được những hiểu biết quan trọng Sức mạnh điện toán đám mây giá rẻ và tăng kết nối thiết bị đang cho phép xu hướng này

Các giải pháp IoT được xây dựng cho nhiều ứng dụng dọc như giám sát và kiểm soát môi trường, giám sát sức khỏe, giám sát đội xe, giám sát và kiểm soát công nghiệp

và tự động hóa nhà [7]

Hình 2.16: Sơ đồ ứng dụng của Thinkspeak

ThingSpeak cho phép bạn tổng hợp, trực quan hóa và phân tích các luồng dữ liệu trực tiếp trên đám mây Một số khả năng chính của ThingSpeak bao gồm khả năng:

- Dễ dàng định cấu hình các thiết bị để gửi dữ liệu tới ThingSpeak bằng các giao thức IoT phổ biến

- Trực quan hóa dữ liệu cảm biến của bạn trong thời gian thực

- Tổng hợp dữ liệu theo yêu cầu từ các nguồn của bên thứ ba

- Sử dụng sức mạnh của MATLAB để hiểu dữ liệu IoT của bạn

- Chạy phân tích IoT của bạn tự động dựa trên lịch trình hoặc sự kiện

- Nguyên mẫu và xây dựng hệ thống IoT mà không cần thiết lập máy chủ hoặc phát triển phần mềm web

- Tự động hành động trên dữ liệu của bạn và liên lạc bằng các dịch vụ của bên thứ ba như Twilio® hoặc Twitter®

Hình 2.17: Tính năng chính của Thingspeak

 Thu thập dữ liệu

Các cảm biến, hoặc các tác động thường hoạt động tại vị trí cục bộ ThingSpeak cho phép các cảm biến, công cụ và trang web gửi dữ liệu lên đám mây nơi nó được lưu trữ ở kênh riêng hoặc kênh công cộng ThingSpeak lưu trữ dữ liệu trong các kênh riêng theo mặc định, nhưng các kênh công cộng có thể được sử dụng để chia sẻ dữ liệu với người khác Khi dữ liệu nằm trong kênh ThingSpeak, bạn có thể phân tích và trực quan hóa nó, tính toán dữ liệu mới hoặc tương tác với phương tiện truyền thông xã hội, dịch

vụ web và các thiết bị khác

Hình 2.18: Thu thập dữ liệu trên Thingspeak