Una plataforma integrada para la gestión inteligente de la energía: el proyecto CC-SEM
DOI:
https://doi.org/10.17533/udea.redin.20191147Palabras clave:
ciudades inteligentes, computación en la nube, IoT, 5G, eficiencia energéticaResumen
La gestión energética se centra en mejorar el uso eficiente de los recursos y aumentar el acceso a la energía en camino hacia una sociedad más sostenible. En línea con estos objetivos, el proyecto Cloud Computing for Smart Energy Management (CC-SEM) investiga la construcción de una plataforma integrada para el monitoreo inteligente, el control y la planificación del consumo, y la generación de energía en escenarios urbanos. CC-SEM incluye, en primer lugar, el diseño de un dispositivo IoT de bajo costo capaz de monitorear, operar y controlar electrodomésticos. Éste fue desarrollado con el objetivo de administrar automáticamente el consumo. En segundo lugar, un análisis de la idoneidad de la tecnología celular 5G NB-IoT con respecto al envío de mensajes de restauración y gestión para interrupciones del suministro en redes eléctricas inteligentes. En tercer lugar, un análisis de patrones de consumo doméstico para ayudar a predecir el mismo, utilizando mediciones de la literatura. En cuarto lugar, dentro del contexto de simulaciones de redes eléctricas, una metodología de pronóstico y evaluación de rendimiento para la generación de sistemas fotovoltaicos. CC-SEM presenta avances respecto del control de dispositivos domésticos, planificación/simulación de escenarios de generación de energía, y propone avances en la infraestructura de comunicación de los datos generados.
Descargas
Citas
S. A. Roosa, S. Doty, and W. C. Turner, Energy management handbook , 9th ed. The Fairmont Press, Sep. 2018.
A. Towsend, Smart Cities: Big Data, Civic Hackers, and the Quest for a New Utopia , 1st ed. W. W. Norton & Company, Oct. 2013.
A. Soares, C. Antunes, C. Oliveira, and A. Gomes, “A multi-objective genetic approach to domestic load scheduling in an energy management system,” Energy , vol. 77, pp. 144–152, 2014.
A. Zakariazadeh, S. Jadid, and P. Siano, “Economic-environmental energy and reserve scheduling of smart distribution systems: A multiobjective mathematical programming approach,” EnergConversManage , vol. 78, pp. 151–164, Feb. 2014.
Y. Wahyuddin, “To what extent the grand lyon metropole can harness the smart meter project towards the governance of territorial climate energy plan (PCET) study case: Smart electric lyon project initiated by EDF [french electric utility company],” in Proc of the International Conference on Public Policy , 2017.
S. Gupta, M. Reynolds, and S. Patel, “Electrisense: Single-point sensing using EMI for electrical event detection and classification in the home,” in Proc of the 12th ACM Int Conf on Ubiquitous Computing . New York, NY, USA: ACM, 2010, pp. 139–148.
A. Spagnolli, N. Corradi, L. Gamberini, E. Hoggan, G. Jacucci, C. Katzeff, L. Broms, and L. Jonsson, “Eco-feedback on the go: Motivating energy awareness,” Computer , vol. 44, no. 5, pp. 38–45, Apr. 2011.
L. Gamberini, A. Spagnolli, N. Corradi, G. Jacucci, G. Tusa, T. Mikkola, L. Zamboni, and E. Hoggan, “Tailoring feedback to users’ actions in a persuasive game for household electricity conservation,” in Persuasive Technology. Design for Health and Safety , ser. Lecture Notes in Computer Science, M. Bang and E. Ragnemalm, Eds., vol. 7284. Berlin, Germany: Springer, 2012, pp. 100–111.
E. Costanza, S. Ramchurn, and N. Jennings, “Understanding domestic energy consumption through interactive visualization: A field study,” in Proc of the 2012 ACM Conf on Ubiquitous Computing . New York, NY, USA: ACM, 2012, pp. 216–225.
C. Chen, S. Duan, T. Cai, B. Liu, and G. Hu, “Smart energy management system for optimal microgrid economic operation,” IETRenewablePowerGeneration , vol. 5, no. 3, pp. 258–267, May 2011.
E. Luján, A. Otero, S. Valenzuela, E. Mocskos, L. A. Steffenel, and S. Nesmachnow, “Cloud computing for smart energy management (CC-SEM project),” in Smart Cities , S. Nesmachnow and L. Hernández Callejo, Eds., vol. 978. Cham: Springer, 2019, pp. 116–131.
J. Rabaey, M. Ammer, J. da Silva, D. Patel, and S. Roundy, “Picoradio supports ad hoc ultra-low power wireless networking,” Computer , vol. 33, no. 7, pp. 42–48, 2000.
A. Whitmore, A. Agarwal, and L. Da Xu, “The internet of things—a survey of topics and trends,” Inform Syst Front , vol. 17, no. 2, pp. 261–274, Apr. 2015.
E. Orsi and S. Nesmachnow, “Iot for smart home energy planning,” in XXIII Congreso Argentino de Ciencias de la Computación , 2017.
E. Orsi and S. Nesmachnow, “Smart home energy planning using IoT and the cloud,” in Proc of the IEEE URUCON . IEEE, Oct. 2017, pp. 1–4.
C. A. Ramírez, R. C. Barragán, G. García-Torales, and V. M. Larios, “Low-power device for wireless sensor network for smart cities,” in Proc of the IEEE MTT-S Latin America Microwave Conference (LAMC) . IEEE, Dec. 2016, pp. 1–3.
Y. P. E. Wang, X. Lin, A. Adhikary, A. Grovlen, Y. Sui, Y. Blankenship, J. Bergman, and H. S. Razaghi, “A primer on 3gpp narrowband internet of things,” IEEE Commun Mag , vol. 55, no. 3, p. 117–123, Mar. 2017.
V. Nair, R. Litjens, and H. Zhang, “Assessment of the suitability of NB-IoT technology for ORM in smart grids,” in Proc of the European Conf on Networks and Communications (EuCNC) . IEEE, Jun. 2018, pp. 418–423.
TSGR, “LTE; E-UTRA; Physical channels and modulation (3GPP TS 36.211 version 14.4.0 Release 14),” ETSI Standard , 2017.
TSGR, “LTE; E-UTRA; Multiplexing and channel coding (3GPP TS 36.212 version 14.4.0 Release 14),” ETSI Standard , 2017.
E. Luján, J. A. Zuloaga Mellino, A. D. Otero, L. Rey Vega, C. G. Galarza, and E. E. Mocskos, “Extreme coverage in 5g narrowband iot: a lut-based strategy to optimize shared channels,” arXiv e-prints , p. arXiv:1908.02798, Aug. 2019.
J. A. Zuloaga Mellino, E. Luján, A. D. Otero, E. E. Mocskos, L. R. Vega, and C. G. Galarza, “Lite NB-IoT Simulator for Uplink Layer,” in 2019 XVIII Workshop on Information Processing and Control (RPIC) , Sep. 2019, pp. 286–291.
E. Luján and J. A. Z. Mellino, “Lite NB-IoT NPUSCH Simulator,” https://github.com/CSC-CONICET/Lite-NBIoT-NPUSCH-Simulator , 2018.
G. Ferrari, P. Medagliani, S. Di Piazza, and M. Martalò, “Wireless sensor networks: Performance analysis in indoor scenarios,” EURASIP Journal on Wireless Communications and Networking , vol. 2007, no. 1, p. 081864, Mar 2007.
P. T. et al., “Que no se corte,” https://www.dc.uba.ar/se-realizo-tecnox-una-competencia-cientifica-innovadora/ , 2018, last access: December 2, 2019.
W. Kong, Z. Y. Dong, Y. Jia, D. J. Hill, Y. Xu, and Y. Zhang, “Short-term residential load forecasting based on lstm recurrent neural network,” IEEE T Smart Grid , vol. 10, no. 1, pp. 841–851, Jan. 2019.
K. Amarasinghe, D. L. Marino, and M. Manic, “Deep neural networks for energy load forecasting,” in Proc of the IEEE 26th Int Symp on Industrial Electronics , Jun. 2017, pp. 1483–1488.
D. Dheeru and E. Karra Taniskidou, “UCI machine learning repository,” 2018, last access: October 25, 2018. [Online]. Available: http://archive.ics.uci.edu/ml
S. Hong, “Individual household electric power consumption,” 2015, last access: October 25, 2018. [Online]. Available: https://sunhaehong.wordpress.com/2015/08/07
D. L. Marino, K. Amarasinghe, and M. Manic, “Building energy load forecasting using deep neural networks,” in Proc of IECON 2016 - 42nd Annual Conf of the IEEE Industrial Electronics Society . IEEE, Oct. 2016, pp. 7046–7051.
K. Zhou and S. Yang, “Understanding household energy consumption behavior: The contribution of energy big data analytics,” Renew Sust Energ Rev , vol. 56, pp. 810–819, Apr. 2016.
Z. J. Kolter and M. J. Johnson, “Redd: A public data set for energy disaggregation research,” in Proc of the 1st KDD Workshop on Data Mining Applications in Sustainability , 2011.
W. Skamarock, J. Klemp, J. Dudhia, D. Gill, D. Barker, M. Duda, X. Huang, W. Wang, and J. Powers, “A Description of the Advanced Research WRF Version 3,” National Center for Atmospheric Research, Tech. Note NCAR/TN-475+STR, 2008.
N. C. for Atmospheric Research (NCAR), “Weather Research and Forecasting (WRF) Model,” https://www.mmm.ucar.edu/weather-research-and-forecasting-model , 2018, last access: October 25, 2018. [Online]. Available: https://www.mmm.ucar.edu/weather-research-and-forecasting-model
W. F. Holmgren, R. W. Andrews, A. T. Lorenzo, and J. S. Stein, “PVLIB Python 2015,” in Proc of the 2015 IEEE 42nd Photovoltaic Specialist Conference (PVSC) . IEEE, Jun. 2015, pp. 1–5.
W. F. Holmgren and D. G. Groenendyk, “An open source solar power forecasting tool using PVLIB-Python,” in Proc of the 2016 IEEE 43rd Photovoltaic Specialists Conference . IEEE, Jun. 2016, pp. 0972–0975.
SAVER-Net Project, http://www.savernet-satreps.org , 2018, last access: October 25, 2018.
N. C. for Environmental Prediction (NCEP), “NCEP Unified Post Processing System (UPP),” https://dtcenter.org/upp/users , 2017, last access: October 25, 2018. [Online]. Available: https://dtcenter.org/upp/users/
D. P. Larson, L. Nonnenmacher, and C. F. Coimbra, “Day-ahead forecasting of solar power output from photovoltaic plants in the american southwest,” Renew Energ , vol. 91, pp. 11 – 20, 2016.
E. L. Maxwell, “A quasi-physical model for converting hourly global horizontal to direct normal insolation,” Solar Energy Research Inst., Golden, CO (USA), Tech. Rep. SERI/TR-215-3087, Aug 1987.
N. C. for Environmental Prediction, “NCEP GDAS/FNL 0.25 Degree Global Tropospheric Analyses and Forecast Grids,” https://doi.org/10.5065/D65Q4T4Z , Boulder CO, 2015, last access: October 25, 2018.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2020 Revista Facultad de Ingeniería Universidad de Antioquia
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
Los artículos disponibles en la Revista Facultad de Ingeniería, Universidad de Antioquia están bajo la licencia Creative Commons Attribution BY-NC-SA 4.0.
Eres libre de:
Compartir — copiar y redistribuir el material en cualquier medio o formato
Adaptar : remezclar, transformar y construir sobre el material.
Bajo los siguientes términos:
Reconocimiento : debe otorgar el crédito correspondiente , proporcionar un enlace a la licencia e indicar si se realizaron cambios . Puede hacerlo de cualquier manera razonable, pero no de ninguna manera que sugiera que el licenciante lo respalda a usted o su uso.
No comercial : no puede utilizar el material con fines comerciales .
Compartir igual : si remezcla, transforma o construye a partir del material, debe distribuir sus contribuciones bajo la misma licencia que el original.
El material publicado por la revista puede ser distribuido, copiado y exhibido por terceros si se dan los respectivos créditos a la revista, sin ningún costo. No se puede obtener ningún beneficio comercial y las obras derivadas tienen que estar bajo los mismos términos de licencia que el trabajo original.
Twitter