Tóm tắt tiến độ

Smart Home AI đã có nền tảng phần mềm, đang chuẩn bị kiểm thử phần cứng thực tế

Tài liệu này tóm tắt dự án đã làm được gì, phần nào chưa nên khẳng định hoàn tất, và thứ tự công việc nên ưu tiên trước khi viết báo cáo/bài báo khoa học.

Trạng thái Pilot-ready

Deploy main / auto

Ngày cập nhật 11/06/2026

Kiến trúc tổng quan

Luồng phần mềm hiện tại

Mobile App

Gọi API

Backend API

Lưu dữ liệu

SQLite Database

Dữ liệu lịch sử

Forecast API / AI Model

Phần đã làm được

Các khối chính đã có trong dự án

App

Ứng dụng mobile

Đã có đăng nhập, quản lý nhà, thành viên, thiết bị, dữ liệu năng lượng, quota và màn hình dự báo AI.

API

Backend API

Làm lớp trung gian giữa app, database, Forecast API và phần cứng PLC dự kiến.

Cơ sở dữ liệu

Đang dùng SQLite cho giai đoạn thử nghiệm, phù hợp phát triển nhanh và kiểm thử dữ liệu ở giai đoạn hiện tại.

AI dự báo phụ tải

Đã có model artifact như XGBoost, Random Forest và LSTM trong thư mục huấn luyện.

Docs

Tài liệu kỹ thuật

Đã có README, tiến trình dự án, tài liệu phản biện, hướng dẫn PLC/server và bản thảo bài báo.

Git

GitHub

Code chính đã được đẩy lên GitHub ở nhánh main và Cloudflare Pages đang tự deploy khi có commit mới.

Phần chưa có

Những điểm chưa nên khẳng định là hoàn tất

Chưa kiểm thử đầy đủ với PLC thực tế

Cần xác nhận PLC nhận lệnh từ backend, điều khiển ngõ ra và trả trạng thái thật về app.

Chưa có dữ liệu MFM384 thực tế

Cần đọc điện áp, dòng điện, công suất, điện năng qua Modbus và lưu vào endpoint /api/power/readings.

Chưa hoàn tất tủ điện và tải thật

Cần bố trí PLC, relay trung gian, contactor, terminal, đèn báo, tải giả hoặc tải thật theo hướng an toàn.

Chưa có auto load shedding hoàn chỉnh

Quota đã có nền tảng, nhưng tự động cắt tải theo ưu tiên và điều kiện an toàn vẫn cần thiết kế/test.

Chưa có auto retrain model

Model hiện được train offline rồi Forecast API load artifact; chưa có pipeline tự động train lại bằng dữ liệu mới.

Chưa cần fine-tune Unsloth ngay

Unsloth phù hợp cho trợ lý tiếng Việt sau này, không phải thành phần bắt buộc để chứng minh AI dự báo phụ tải.

Workflow AI

Dự báo hiện tại hoạt động theo hướng train offline

Dữ liệu điện năng lịch sử được chuẩn bị cho huấn luyện.

Script trong ml-training train model và sinh artifact.

Forecast API load model .joblib hoặc .keras.

App/backend gọi API để lấy kết quả dự báo và hiển thị.

Việc nên làm tiếp

Thứ tự ưu tiên đề xuất

Tạm dừng thêm tính năng lớn trên app để tập trung viết báo cáo/bài báo.
Lập danh sách tag/Data Block PLC: command, status, feedback và power readings.
Đấu thử PLC với ít nhất một tải nhỏ, một relay/contactor và một đèn báo.
Đọc dữ liệu thật từ MFM384 và ghi vào /api/power/readings.
Kiểm tra app có đồng bộ đúng khi bật/tắt bằng nút vật lý hay không.
Thu thập dữ liệu thật, sau đó mới retrain model để dự báo sát hơn.

Dự án đã hoàn thành nền tảng phần mềm và mô hình AI dự báo cho hệ thống quản lý năng lượng nhà thông minh; bước tiếp theo là kiểm thử với PLC, đồng hồ điện và tải thực tế để biến bản thử nghiệm thành hệ thống vận hành thực nghiệm hoàn chỉnh.