Виявлення аномалій енергоспоживання кліматичного обладнання теплиць методами машинного навчання на основі синтетичних IoT-даних

Abstract

У тезах розглянуто підхід до виявлення аномалій енергоспоживання кліматичного обладнання теплиць (вентилятори, насоси, системи досвічування) з використанням методів машинного навчання. Запропоновано структурно-логічну схему IoT-системи моніторингу на базі мікроконтролера ESP32 та датчиків струму. Для навчання моделей (Isolation Forest, One-Class SVM, Autoencoder) застосовано синтетичний датасет, що імітує нормальні та аномальні режими роботи. Результати моделювання підтверджують доцільність запропонованого підходу для підвищення енергоефективності тепличних господарств.

-

This paper presents an approach for detecting energy consumption anomalies in greenhouse climate control equipment (fans, pumps, LED lighting) using machine learning methods. A structural-logical diagram of an IoT-based monitoring system using ESP32 microcontroller and current sensors is proposed. A synthetic dataset simulating normal and abnormal operating modes is used to train models (Isolation Forest, One-Class SVM, Autoencoder). Simulation results confirm the feasibility of the proposed approach for improving energy efficiency of greenhouse farms.