Optimisation du transfert des données dans un réseau de capteurs sans-fil sous contraintes énergétiques application aux compteurs d'eau intelligents

"La préservation de l'eau potable est non seulement une priorité environnementale mais une nécessité pour l'approvisionnement des grandes concentrations urbaines. De ce fait, plusieurs grandes villes ont installé des compteurs d'eau intelligents afin de mieux contrôler la consommation d'eau et surtout éviter le gaspillage d'eau dû aux fuites. Une supervision étroite de la consommation nécessite une lecture fréquente des compteurs d'eau ce qui peut générer une grande quantié de données à analyser et surtout l'épuisement rapide des batteries de ces compteurs à cause des multiples transmissions de données sans-fil effectuées. Un défi majeur est de réduire le nombre de transmissions de données sans-fil, source importante de consommation d'énergie, sans toutefois affecter l'efficacité du système de supervision de la consommation d'eau. Dans cette thèse, nous proposons plusieurs algorithmes qui permettent de surmonter ce défi. Elle est organisée en deux chapitres. Dans le premier chapitre, on propose une approche basée sur la catégorisation de données (Clustering) de type partitionnement afin de regrouper les clients ayant des variations de consommation d'eau similaires pour une période donnée. Pour chaque groupe établi, on définit la fréquence appropriée de lecture des compteurs d'eau. Cette fréquence est ajustée en fonction du groupe. De cette manière on peut ajuster la collecte des données en fonction de la variation de la consommation d'eau du groupe. Cette technique s'avère efficace pour réduire le nombre de transferts de données et ainsi réduire la consommation d'énergie. Dans le deuxième chapitre, on combine une méthode de prédiction de la consommation avec la méthode de partitionnement présentée dans le premier chapitre. On utilise l'Auto-regressive Integrated Moving Average (ARIMA) pour faire cette prédiction. Un compteur d'eau transfert des lectures uniquement quand la prédiction ne tombe dans une plage d'erreur définie. Cette approche semble donner de bons résultats en termes de réduction du nombre de transferts de données. Les algorithmes proposés dans les deux chapitres ont été comparés avec d'autres algorithmes de réduction de données. Mots clés: économie d'énergie, catégorisation, séries temporelles, compteurs intelligents, réseaux de capteurs sans-fil, prédiction de séries temporelles, transfert de données."--Résumé.

Name thesis:degree_name

Maîtrise ès sciences (informatique)

Level thesis:degree_level

2e cycle

Discipline thesis:degree_discipline

Faculté des sciences

Grantor dc:publisher

Université de Moncton,

Year dc:date.issued

2018

Author dc:creator

• De Souza, Koffi Vignon Christian Kevin

Advisors dc:contributor.advisor

• Fournier-Viger, Philippe
• Almhana, Jalal

• Réseaux de capteurs sans fil
• Économies d'énergie
• Méthode de prévision de Box-Jenkins
• Réduction des données (Statistique)
• Données
• Transmission
• Compteurs d'eau
• Informatique
• Série chronologique
• Algorithmes optimaux

Statement dc:rights

• Author

Language dc:language.iso

iso639-2b, fre

Dc Identifier Other

umir:1791

OAI identifier oai:identifier

oai:umoncton.scholaris.ca:20.500.14658/7374