Optimización de la planificación energética en hogares inteligentes: Un enfoque multi-objetivo

Autores/as

DOI:

https://doi.org/10.17533/udea.redin.20200587

Palabras clave:

ciudades inteligentes, planificación energética de hogares, algoritmos evolutivos, optimización multiobjetivo, programación mixta-entera

Resumen

Este artículo presenta los avances en el diseño e implementación de un sistema de recomendación para planificar el uso de electrodomésticos, enfocado en mejorar la eficiencia energética desde el punto de vista tanto de las compañías de energía como de los usuarios finales. El sistema propone el uso de información histórica y datos de sensores para definir instancias del problema de planificación considerando las preferencias del usuario, que a su vez se proponen resolver mediante un enfoque evolutivo multiobjetivo, para minimizar el consumo de energía y maximizar la calidad del servicio ofrecido a los usuarios. Se informan resultados prometedores en casos realistas del problema, en comparación con situaciones en las que no se utiliza una planificación energética inteligente (es decir, modelo ‘Bussiness as Usual’) y también con un algoritmo goloso desarrollado en el marco del proyecto de referencia. El enfoque evolutivo propuesto fue capaz de mejorar hasta el 29.0 % en la utilización de energía y hasta el 65,3 % en las preferencias del usuario sobre los métodos de referencia.

|Resumen
= 871 veces | PDF (ENGLISH)
= 529 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Sergio Nesmachnow, Universidad de la República

Docente de tiempo completo, Facultad de Ingeniería.

Giovanni Colacurcio, Universidad de la República

Estudiante de Ingeniería, Facultad de Ingeniería.

Diego Gabriel Rossit, Universidad Nacional del Sur

Departamento de Ingeniería, Universidad Nacional del Sur. Su enfoque es la Investigación de operaciones y Logística Inversa. Instituto de Matemática de Bahía Blanca, Consejo Nacional de Investigaciones Científicas y Técnicas CONICET.

Jamal Toutouh, Instituto de Tecnología de Massachusetts

Post-doctorado en Marie Skłodowska-Curie fellow en el  MIT (Instituto Tecnológico de Massachusetts). Trabaja en el grupo de investigación ALFA (Anyscale Learning For All) en CSAIL (Laboratorio de Ciencias de la Computación e Inteligencia Artificial). Investiga en algoritmos co-/evolutivos y aprendizaje profundo para abordar los problemas de ciberseguridad y de ciudades inteligentes. 

Francisco Luna, Universidad de Málaga

Investigador en el Departamento de Ciencias de la Universidad de Málaga.

Citas

W. Turner and S. Doty, Energy management handbook. The Fairmont Press, 2007.

A. Soares, A. Gomes, C. Antunes, and H. Cardoso, “Domestic load scheduling using genetic algorithms,” in European Conference on the Applications of Evolutionary Computation, 2013, pp. 142–151.

A. Soares, C. Antunes, C. Oliveira, and A. Gomes, “A multiobjective genetic approach to domestic load scheduling in an energy management system,” Energy, vol. 77, December 1 2014. [Online]. Available: https://doi.org/10.1016/j.energy.2014.05.101

M. Deakin and H. Al Waer, “From intelligent to smart cities,” Intelligent Buildings International, vol. 3, no. 3, July 2011. [Online]. Available: https://doi.org/10.1080/17508975.2011.586671

(2019) Energy use in homes. U.S. Energy Information Administration (EIA). Accessed Nov. 2019. [Online]. Available: https://bit.ly/2YjN5NG

(2019) Energy consumption in households. Eurostat Statistic Explained. Accessed Nov. 2019. [Online]. Available: https://bit.ly/2APLx63

G. Colacurcio, S. Nesmachnow, J. Toutouh, F. Luna, and D. G. Rossit, “Multiobjective household energy planning using evolutionary algorithms,” in Ibero-American Congress on Information Management and Big Data, Soria, Spain, 2019, pp. 269–284.

E. Luján and et al., “Cloud computing for smart energy management (CC-SEM Project),” in Ibero-American Congress on Information Management and Big Data, Soria, Spain, 2018, pp. 116–131.

E. Luján and et al., “An integrated platform for smart energy management: the CC-SEM project,” Revista Facultad de Ingeniería Universidad de Antioquia, no. 97, November 05 2019. [Online]. Available: https://doi.org/10.17533/udea.redin.20191147

I. S. Bayram and T. S. Ustun, “A survey on behind the meter energy management systems in smart grid,” Renewable and Sustainable Energy Reviews, vol. 72, May 2017. [Online]. Available: https://doi.org/10.1016/j.rser.2016.10.034

S. Nesmachnow, S. Baña, and R. Massobrio, “A distributed platform for big data analysis in smart cities: combining intelligent transportation systems and socioeconomic data for Montevideo, Uruguay,” EAI Endorsed Transactions on Smart Cities, vol. 2, no. 5, 2017. [Online]. Available: https://doi.org/10.4108/eai.19-12-2017.153478

J. Kolter and M. Johnson, “Redd: A public data set for energy disaggregation research,” in Workshop on Data Mining Applications in Sustainability, San Diego, CA, USA, 2011, pp. 59–62.

J. Chavat, J. Graneri, and S. Nesmachnow, “Energy disaggregation of household appliances based on pattern consumption similarities,” in Iberoamerican Congress on Smart Cities, 2019.

F. Glover, “An improved MIP formulation for products of discrete and continuous variables,” Journal of Information and Optimization Sciences, vol. 5, no. 1, 1984. [Online]. Available: https://doi.org/10.1080/02522667.1984.10698780

A. Soares, A. Gomes, and C. H. Antunes, “Categorization of residential electricity consumption as a basis for the assessment of the impacts of demand response actions,” Renewable and Sustainable Energy Reviews, vol. 30, February 2014. [Online]. Available: https://doi.org/10.1016/j.rser.2013.10.019

E. Orsi and S. Nesmachnow, “Smart home energy planning using IoT and the cloud,” in IEEE URUCON, Montevideo, Uruguay, 2017.

H. Bilil, G. Aniba, and H. Gharavi, “Dynamic appliances scheduling in collaborative microgrids system,” IEEE Transactions on Power Systems, vol. 32, no. 3, May 2017. [Online]. Available: https://doi.org/10.1109/TPWRS.2016.2613479

Z. W. Geem and Y. Yoon, “Harmony search optimization of renewable energy charging with energy storage system,” International Journal of Electrical Power & Energy Systems, vol. 86, March 2017. [Online]. Available: https://doi.org/10.1016/j.ijepes.2016.04.028

A. Barbato and A. Capone, “Optimization models and methods for demand-side management of residential users: A survey,” Energies, vol. 7, September 2014. [Online]. Available: https://doi.org/10.3390/en7095787

X. Guan, Z. Xu, and Q. S. Jia, “Energy-efficient buildings facilitated by microgrid,” IEEE Transactions on smart grid, vol. 1, no. 3, December 2010. [Online]. Available: https://doi.org/10.1109/TSG.2010.2083705

A. Barbato, A. Capone, L. Chen, F. Martignon, and S. Paris, “A distributed demand-side management framework for the smart grid,” Computer Communications, vol. 57, February 15 2015. [Online]. Available: https://doi.org/10.1016/j.comcom.2014.11.001

S. Nesmachnow, “An overview of metaheuristics: accurate and efficient methods for optimisation,” International Journal of Metaheuristics, vol. 3, no. 4, December 2014. [Online]. Available: https://doi.org/10.1504/IJMHEUR.2014.068914

Nesmachnow, S., “Computación científica de alto desempeño en la facultad de ingeniería, universidad de la república,” Revista de la Asociación de Ingenieros del Uruguay, vol. 61, no. 1, pp. 12–15, 2010.

L. A. Wolsey and G. L. Nemhauser, Integer and combinatorial optimization. Hoboken, NJ, USA: John Wiley & Sons, 2014.

Gurobi optimizer reference manual. Gurobi Optimization. Accessed Jun. 12, 2020. [Online]. Available: https://bit.ly/3hqg1wd

W. E. Hart and et al., Pyomo-optimization modeling in python, 2nd ed. Berlin, Germany: Springer Science & Business Media, 2017.

G. Colacurcio, “Algoritmos evolutivos para la planificación de eficiencia energética en hogares,” undergraduate thesis, Faculty of Engineering, Universidad de la República, Montevideo, Uruguay, 2019, in Press.

Descargas

Publicado

2020-06-05

Cómo citar

Nesmachnow, S., Colacurcio, G., Rossit, D. G., Toutouh, J., & Luna, F. (2020). Optimización de la planificación energética en hogares inteligentes: Un enfoque multi-objetivo. Revista Facultad De Ingeniería Universidad De Antioquia, (101), 8–19. https://doi.org/10.17533/udea.redin.20200587

Artículos más leídos del mismo autor/a