Smart Building Big Data

avec Big Data

Réalisé par:
Affes Mohamed
Baizig Zeineb
Sahbani Chiheb
1
Introduction

IoT AI et
Efficacité Utilisation
et Machine des
énergétique
Capteurs Learning ressources
Un projet de bâtiment intelligent utilisant le “Big Data” implique l'utilisation des technologies de capteurs et
de l'Internet des objets (IoT) pour surveiller et optimiser l'utilisation des ressources dans un bâtiment,
ainsi que l'utilisation de l'intelligence artificielle et de l'apprentissage automatique pour analyser les
données collectées et identifier des opportunités d'optimisation.

Ces technologies peuvent être utilisées pour surveiller l'utilisation de l'énergie, l'efficacité de l'éclairage, la
température et l'humidité dans le bâtiment, et pour contrôler les appareils et les systèmes connectés de
manière centralisée.

Le projet vise à améliorer l'efficacité énergétique et l'utilisation des ressources dans le bâtiment. 2
 Objectifs du projet
Réduction de la
consommation d'énergie
Optimisation de l'utilisation de
l'énergie et réduction de la
consommation d'énergie grâce à
l'automatisation des réglages et à
l'adoption de pratiques plus
efficaces.
Amélioration de la qualité
de vie des occupants
Amélioration de la qualité de vie
des occupants en leur offrant un
environnement confortable et sain.
Transparence et
collaboration:
1 4 Réduction
des coûts
Réduction des coûts liés à l'exploitation du
bâtiment en optimisant l'utilisation de
l'énergie et en améliorant la qualité de vie
des occupants.
Amélioration de la
2 5 sécurité et de la
maintenance
Amélioration de la sécurité du
bâtiment et réduction des
temps d'arrêt liés à la
maintenance en collectant et
en analysant les données
3 provenant des systèmes de
sécurité et de maintenance.

Promotion de la transparence et de la collaboration entre les différentes parties prenantes en

collectant et en rendant disponibles des données sur l'utilisation du bâtiment et sur les résultats 3
obtenus.
Fonctionnement du système Smart Building
avec Big Data
Mise en œuvre Amélioration
Collecte, Stockage Suivi et
de solutions de de la qualité
et traitement des évaluation des
gestion de de vie des
données résultats
l'énergie occupants

• Installation de capteurs Mise en place de mécanismes

Utilisation des insights
• Mise en place d'une Utilisation des données de suivi pour surveiller
tirés des données pour
infrastructure de stockage et de collectées pour améliorer l'efficacité des solutions mises
optimiser l'utilisation de
traitement de données en la qualité de vie des en place et évaluation
l'énergie dans le bâtiment
utilisant une technologie de big occupants du bâtiment. périodique des résultats
et mettre en place de
data et développement de obtenus.
systèmes de gestion de
modèles de machine learning
l'énergie intelligents. 4
pour analyser les données.
 Base de données NOSQL , orientée colonne,

Choix de la base de données conçue pour gérer des quantités massives de

données sur un grand nombre de serveurs,
assurant une haute disponibilité en éliminant les
points de défaillance unique.

Scalabilité
elle est conçue pour être facilement
scalable en ajoutant de nouveaux
nœuds à l'infrastructure

Performances élevées
une bonne option pour les projets de
smart building qui nécessitent une
réponse rapide aux requêtes.

Haute disponibilité et résistance

aux défaillances
Important dans un projet de smart
building où il est crucial de pouvoir
accéder aux données en temps réel.
Partitions et répliques
utile dans un projet de smart building où les données
peuvent provenir de différentes sources et avoir des
formats différents. 5
Modélisation de données en utilisant Cassandra

"id": "e1" ;"type": "chauffage",

  "localisation": "salle de réunion",
  "consommation": 200, "etat": "allumé"
Equipements "id": "o1", "nom": "Alice",
  "localisation": "bureau 201",
occupants   "préférences": { "temperature": 2,"eclairage": "faible}

"localisation": "salle de réunion" "temperature": 23,

Environnement   "humidité": 45, "date_heure": "2022-01-01T09:00:00"

"id": "a1","type": "défaut de maintenance",

Collections Alerte   "description": "chauffage en panne dans la salle
de réunion", " date_heure": "2022-01-01T10:00:00
Capteurs "id": "sensor 1","timestamp": "2022-01-01T00:00:00Z",
  "location": "Room 101""temperature": 22.5,
  "humidity": 40.0

6
7
Théorème CAP et Scalabilité
Théorème CAP Scalabilité

Il convient de noter que Cassandra est considérée comme

Cassandra est une base de données distribuée conçue pour
une base de données AP (Availability, Partition
être facilement scalable en ajoutant de nouveaux nœuds à
tolerance) selon le théorème CAP, car elle sacrifie
l'infrastructure. Sa stratégie de réplication des données
parfois la consistance des données dans le but de
permet de stocker des copies de données sur plusieurs
garantir la disponibilité et la tolérance aux partitions.
nœuds et de répartir la charge de traitement de manière
Cependant, Cassandra propose également des options
équilibrée. La scalabilité de Cassandra dépend de
de configuration qui permettent de contrôler le compromis
nombreux facteurs, tels que le nombre de nœuds, la taille
entre consistance et disponibilité, ce qui permet à
des données, les exigences en termes de performance, etc.
l'utilisateur de choisir le niveau de consistance souhaité.

8
Traitement de données
Traitement en Streaming
(Outils et objectifs)
Il est possible de traiter les données en
temps réel en utilisant des outils de
Streaming tels que Apache Spark Streaming
ou Apache Flink.
Ces outils permettent de traiter les données
au fur et à mesure qu'elles sont enregistrées
dans Cassandra, ce qui peut être utile pour
des applications nécessitant une réponse
rapide aux requêtes, par exemple pour des
analyses en temps réel de l'état des
équipements d'un bâtiment intelligent.
Traitement en batch
Il est également possible de traiter les
données en batch en utilisant des outils tels
que Apache Spark ou Apache Hadoop.
Ces outils permettent de traiter de grandes
quantités de données de manière
périodique, ce qui peut être utile pour des
applications nécessitant des analyses
ponctuelles ou des traitements en
arrière-plan, par exemple pour générer des
rapports ou des alertes sur l'utilisation des
équipements d'un bâtiment intelligent.
9
Il convient de noter que le choix du logiciel
de traitement dépendra de nombreux
facteurs, tels que les exigences en termes de
performance, la complexité du traitement, les
ressources disponibles, etc.

10
 Aperçu des résultats
Analyses
Découverte de tendances
Par exemple, identifier les
heures de la journée où la
consommation électrique est
la plus élevée pour optimiser
les horaires de
fonctionnement des
équipements.
Détection d’anomalies Prévision de la
consommation électrique
Par exemple, détecter des Par exemple, prévoir la
variations anormales de la consommation électrique à
température dans une pièce venir en fonction des données
pour diagnostiquer un historiques pour adapter la
problème de chauffage. production d'énergie
renouvelable.
11
Aperçu des résultats
Statistiques
Consommation électrique par pièce
Par exemple, générer un rapport montrant
la consommation électrique de chaque pièce
d'un bâtiment pour identifier les équipements
les plus gourmands en énergie.
Nombre de déclenchements d'alarmes
Par exemple, générer un rapport montrant le
nombre de déclenchements d'alarmes par
type d'alarme (incendie, fuite d'eau, etc.)
pour identifier les équipements les plus
problématiques.
12
Aperçu des résultats
Prédiction
Prédiction de la consommation
électrique à venir
Par exemple, entraîner un modèle de
prédiction de la consommation électrique à
venir en utilisant des données historiques et
des variables externes (météo, jours fériés,
etc.) pour adapter la production d'énergie
renouvelable.
Détection d'anomalies dans le
comportement des équipements
Par exemple, entraîner un modèle de
détection d'anomalies en utilisant des
données de capteurs pour détecter des
problèmes potentiels dans les équipements
(panne, usure, etc.) avant qu'ils ne se
produisent.
13
Collaboration avec d’autres systèmes de Smart City
Un système de smart building peut être intégré à différents autres systèmes appartenant à une smart city afin de
collaborer et d'optimiser les différentes fonctionnalités de ces systèmes. Voici quelques exemples de systèmes avec
lesquels un système de smart building peut collaborer:

Système de transport pour optimiser l'utilisation des véhicules et

intelligent réduire les émissions de gaz à effet de serre.

pour optimiser la production et la

Système de gestion de l’énergie consommation d'énergie.

Système de gestion de l’eau pour optimiser l'utilisation de l'eau et réduire les pertes.

pour optimiser la collecte et le tri des

Système de gestion des déchets déchets.

pour améliorer la sécurité du bâtiment et

Système de sécurité détecter les incidents.

Système de gestion de la pour surveiller la qualité de l'air et

qualité de l'air prendre des mesures pour l'améliorer. 14