Delgadillo Gómez, Eduardo AlbertoLondoño Alzáte, Jhon AlejandroGuerrero Hurtado, Wilder Andres2020-05-052020-05-052019-11-25http://hdl.handle.net/11349/23599Este trabajo está orientado a realizar un análisis y supervisión de la información del consumo eléctrico de los electrodomésticos en los hogares y edificios. En su ejecución se involucraron 2 electrodomésticos de uso cotidiano (televisor y lavadora). Se desarrolló un sistema de medición especializado y se implementaron tecnologías Application Programming Interfaces (APIS)-Power monitor y Low-Power Wide-Area Network (LPWAN) SIGFOX Colombia, para la adquisición de datos, supervisión de comportamiento y envió a la Nube (Cloud). Con el fin de supervisar patrones de consumo energético que ayuden a tener una mejor calidad energética, se utilizó una herramienta de Amazon Web Services (AWS) encaminada a Machine Learning (ML) bajo algoritmos en lenguaje Python. Para este trabajo los Algoritmos Support Vector Machine (SVM), Random Forest y (K-Means) facilitaron la predicción y análisis del consumo de potencia en los dos electrodomésticos, especialmente el SVM, óptimo para el análisis energético.This work is oriented to perform an analysis and pervision of the information on the electrical consumption of household appliances in homes and buildings. In its execution, 2 daily household appliances (TV and washing machine) were involved. A specialized measurement system was developed and Application Programming Interfaces (APIS) -Power monitor and Low-Power Wide-Area Network LPWAN) SIGFOX Colombia technologies were implemented, for data acquisition, behavior monitoring and sent to the Cloud ). In order to monitor energy consumption patterns that help to have a better energy quality, an Amazon Web Services (AWS) tool aimed at Machine Learning (ML) under algorithms in Python language was used. For this work the Support Vector Machine Algorithms (SVM), Random Forest and (K-Means) facilitated the prediction and analysis of power consumption in the two appliances, especially the SVM, optimal for energy analysis.pdfspaAtribución-NoComercial-SinDerivadas 4.0 Internacionalhttp://creativecommons.org/licenses/by-nc-nd/4.0/Calidad EnergéticaMachine LearningSigFoxWeb ServiceAWSIngeniería en Control - Tesis y Disertaciones AcadémicasConsumo de energía eléctrica - MediciónAnálisis energéticoDispositivos PSoC - UsosElectrodomésticos - Consumo de energía eléctrica - Innovaciones tecnológicasinfo:eu-repo/semantics/openAccessEnergetic QualityMachine LearningSigFoxWeb ServiceAWSMonografíaAbierto (Texto Completo)