Avoimen AMR-palvelualustan tiedonsiirtomenetelmien selvitys ja analyysi

Sähköenergiamittareiden etälukuun (AMR) siirtyminen on kasvanut Suomessa, kuten muissakin Euroopan maissa viime vuosina merkittävästi. Tavoitteena on, että vuonna 2014 80 % kaikista Suomen sähköenergiamittareista olisi etäluettavia ja rekisteröisivät tunnittaiset kulutustiedot. AMR-tekniikan avulla voidaan toteuttaa myös muita palveluja kulutustietojen rekisteröinnin lisäksi. AMR-mittareiden etäluenta ja niiden kautta siirrettävät signaalit vaativat mittareilta tiedonsiirtotapoja. Työssä tarkastellaan TeliaSoneran AMR-palvelualustan ominaisuuksia ja arkkitehtuuria. Selvitetään AMR-mittareiden toiminnallisia vaatimuksia ja mahdollisia tiedonsiirtotapoja mittareiden ja etäluentajärjestelmän välillä. Arvioidaan näiden selvitysten perusteella ja myös kustannusten kannalta eri tiedonsiirtomenetelmien soveltuvuutta eri ympäristöihin. Lisäksi suoritetaan arviointi ja käytännön laboratoriotestauksia valitulle sähköverkkoa tiedonsiirrossa hyödyntävälle AMR-mittarille. Tavoitteena on selvittää ja analysoida vertailtavan mittarin yhteensopivuutta TeliaSoneran päätelaitteiden ja AMR-palvelualustan kanssa. Analysoidaan näiden tarkasteltavien mittareiden ominaisuuksia ja elinkaarta. Laboratoriotesteillä selvitetään myös tarkasteltavien sähköverkkotiedonsiirto AMRmittareiden häiriösietoisuutta verkossa esiintyviä häiriöitä vastaan. Näiden pohjalta tehdään johtopäätökset ja suositukset.

Learning Preferences with Kernel-Based Methods

Learning of preference relations has recently received significant attention in machine learning community. It is closely related to the classification and regression analysis and can be reduced to these tasks. However, preference learning involves prediction of ordering of the data points rather than prediction of a single numerical value as in case of regression or a class label as in case of classification. Therefore, studying preference relations within a separate framework facilitates not only better theoretical understanding of the problem, but also motivates development of the efficient algorithms for the task. Preference learning has many applications in domains such as information retrieval, bioinformatics, natural language processing, etc. For example, algorithms that learn to rank are frequently used in search engines for ordering documents retrieved by the query. Preference learning methods have been also applied to collaborative filtering problems for predicting individual customer choices from the vast amount of user generated feedback. In this thesis we propose several algorithms for learning preference relations. These algorithms stem from well founded and robust class of regularized least-squares methods and have many attractive computational properties. In order to improve the performance of our methods, we introduce several non-linear kernel functions. Thus, contribution of this thesis is twofold: kernel functions for structured data that are used to take advantage of various non-vectorial data representations and the preference learning algorithms that are suitable for different tasks, namely efficient learning of preference relations, learning with large amount of training data, and semi-supervised preference learning. Proposed kernel-based algorithms and kernels are applied to the parse ranking task in natural language processing, document ranking in information retrieval, and remote homology detection in bioinformatics domain. Training of kernel-based ranking algorithms can be infeasible when the size of the training set is large. This problem is addressed by proposing a preference learning algorithm whose computation complexity scales linearly with the number of training data points. We also introduce sparse approximation of the algorithm that can be efficiently trained with large amount of data. For situations when small amount of labeled data but a large amount of unlabeled data is available, we propose a co-regularized preference learning algorithm. To conclude, the methods presented in this thesis address not only the problem of the efficient training of the algorithms but also fast regularization parameter selection, multiple output prediction, and cross-validation. Furthermore, proposed algorithms lead to notably better performance in many preference learning tasks considered.

Keskijänniteverkon käyttövarmuuden parantaminen verkostoautomaatiolla

Tässä työssä tutkitaan maastokatkaisijoiden ja kauko-ohjattavien erottimien kannattavia sijoituskohteita keskijänniteverkkoon. Kannattavuutta lasketaan kannattavuuslaskennalla, jonka lopputuloksena saadaan automaatiolaitteiden aiheuttama keskeytyskustannussäästö. Saaduille keskeytyskustannussäästöille lasketaan investoinnin takaisinmaksuaika, joka määrää kohteiden tärkeysjärjestyksen. Lisäksi tarkastellaan verkostomuutosten vaikutusta automaatiolaitteiden kannattavuuteen. Kannattavuuslaskentaa varten keskijänniteverkko jaetaan vyöhykkeisiin. Vyöhykkeiden avulla huomioidaan olemassa olevien kauko-ohjattavien erottimien ja varasyöttöjen vaikutukset. Laskentaparametrit määritetään yhtiön tilastoista. Tutkimuksessa on esitetty automaatiolaitteiden kannattavuuslaskentaa esimerkkikohteiden avulla, jotka on valittu keskijänniteverkon rakenteen perusteella. Maastokatkaisijoille ja kauko-ohjattaville erottimille löytyi paljon kannattavia sijoituskohteita. Maastokatkaisijalle havaittu lisäominaisuus parantaa sen kannattavuutta entisestään. Automaatiolaitteiden aiheuttamat keskeytyskustannussäästöt riippuvat siirrettävästä tehosta, vikataajuuksista ja keskeytyskustannusten arvoista, joiden vaikutusta on kuvattu herkkyystarkasteluilla.

Paikkatietojärjestelmien ja kaukokartoituksen integraatio

Kirjallisuusarvostelu

Betoniaseman ohjausjärjestelmän etäyhteysjärjestelmän suunnittelu ja toteutus

Etäyhteyksien merkitys yhteisöiden ja yritysten sisäisessä tiedonsiirrossa on kasvanut vuosi vuodelta, ja langattomien verkkoyhteyksien laajenemisen myötä niiden toteuttaminen on helpompaa kuin koskaan ennen. Tämän myötä entistä merkittävämmäksi seikaksi on tullut tiedonsiirron suojaaminen ulkopuolisilta. Tässä diplomityössä on toteutettu betoniaseman ohjausjärjestelmään liitettävä etäyhteysjärjestelmä. Työssä käydään läpi etäyhteyksien toteuttamisen syitä ja toteutusmenetelmiä, sekä käsitellään etähallinnan ja etätuen merkitystä yritystoiminnassa. Työssä havaittiin, että virtuaalinen yksityinen verkko on tällä hetkellä soveltuvimpia menetelmiä etäyhteyksien toteuttamiseen Internet-verkkoyhteyden kautta. Sen ominaisuudet mahdollistavat sen monipuolisen käytön eri ympäristöissä.

Tietojärjestelmien tietokantojen jatkuva tietojen varmistaminen

Tietokantoja käyttävien tietojärjestelmien kriittisyys tietoyhteiskunnan eri osille ja toiminnalle on merkittävä. Tietojenkäsittelyn jatkuvuus ja tietojärjestelmien korkea käytettävyys on pyrittävä turvaamaan mahdollisimman kattavasti joka hetkellä ja vikatilanteista on kyettävä toipumaan työskentelyn ja liiketoiminnan jatkamiseksi. Työn tarkoituksena oli selvittää erilaisia menetelmiä näiden tietokantojen jatkuvaan tiedonvarmistukseen sekä paikallisilla palvelinjärjestelmillä että tietoverkon välityksellä ylläpidettävillä varajärjestelmillä. Paikallisella hyvin suunnitellulla tiedonvarmistuksella vikaantunut tietokanta ja sen tietosisältö kyetään palauttamaan mihinkä tahansa ajanhetkeen ennen vikaantumista. Varajärjestelmät puolestaan voidaan ottaa välittömästi käyttöön kokonaisen konesalin käytön estyessä tai vikaantuessa. Lisäksi useammat konesalit ratkaisusta riippuen voivat palvella käyttäjiään samanaikaisesti tasaten tietojärjestelmän kuormaa, tarjoten lisämahdollisuuksia tietojenkäsittelyyn ja niiden avulla sama tieto voidaan tuoda lähemmäksi palvelemaan käyttäjiään. Työn mielenkiinto kohdistuu lähinnä Oracle-tietokantoja käyttävien tieto-järjestelmien tarjoamiin varmistusvaihtoehtoihin. Kyseiset tietokantajärjestelmät ovat laajassa käytössä niin yritysmaailmassa kuin julkisellakin sektorilla.

Interoperability for IoT Health Systems Using HL7 Standard

Internet of Things or IoT is revolutionizing the world we are living in, similarly the way Internet and the web did few decades ago. It is changing how we interact with the things surrounding us. Electronic health and remote patient monitoring are the ways of utilizing these technological improvements towards the healthcare. There are many applications of IoT in eHealth such as, it will open the gate to provide healthcare to the remote areas of the world, where healthcare through traditional hospital systems cannot be provided. To connect these new eHealth IoT systems with the existing healthcare information systems, we can use the existing interoperability standards commonly used in healthcare information systems. In this thesis we implemented an eHealth IoT system based on Health Level 7 interoperability standard for continuous data transmission. There is not much previous work done in implementing the HL7 for continuous sensor data transmission. Some of the previous work was limited to sensors which are not continuous in nature and some of it is only theatrical architecture. This thesis aims to prove that it is possible to implement an eHealth IoT system by using sensors which require continues data transmission, such as respiratory sensors, and to connect it with the existing eHealth information system semantically by using HL7 interoperability standard. This system will be beneficial in implementing eHealth IoT systems for those patients, who requires continuous healthcare personal monitoring. This includes elderly people and patients, whose health need to be monitored constantly. To implement the architecture, HL7 v2.5 is selected due to its ease of implementation and low size. We selected some open source technologies because of their open licenses and large developer community. We will also review the most efficient technology available in every layer of eHealth IoT system and will propose an efficient system.