EoTICC: Dispositivo Inteligente de toma de decisiones para la monitorización y gestión de una instalación híbrida eólico solar con demanda energética

Comunicación presentada al V Congreso de Smart Grids

Autores

• Fco. Javier Ferrández Pastor, Profesor titular, departamento DTIC, Universidad de Alicante
• Juan Manuel García Chamizo, Catedrático de Universidad, I.U. Investigación Informática, Universidad de Alicante
• Mario Nieto Hidalgo, Profesor asociado, Departamento DTIC, Universidad de Alicante
• Rafael Valdivieso Sarabia, Profesor asociado, Departamento de Didáctica General, Universidad de Alicante
• Sergio Gómez Trillo, Investigador, Eolis Enterprises BV

Resumen 

Eo-TICC es un proyecto multidisciplinar financiado por la Universidad de Alicante y la empresa holandesa Eolis Enterprises BV, dirigido al diseño y desarrollo de un dispositivo inteligente basado en los paradigmas de IA y protocolos de IoT, capaz de administrar el funcionamiento de la instalación eólica-solar con una determinada demanda energética con la finalizada de optimizar los procesos de autoconsumo y facilitar el mantenimiento. La primera versión gestiona la producción renovable instalada, analiza la demanda del edificio y configura el gestor inteligente para realizar predicciones y detección de cargas, tomando decisiones de conexión y desconexión de cargas para optimizar el aprovechamiento y evitar el almacenamiento.

Palabras clave

Internet of Things, Gestión Energética Inteligente, Microgeneración, Eficiencia Energética

Introducción

La sostenibilidad energética de los modelos urbanos es uno de los principales desafíos actuales. El escenario presente y futuro al que nos tenemos que enfrentar es verdaderamente complejo: un crecimiento demográfico exponencial, fuerte incremento de la demanda eléctrica, y espacios urbanos definidos que precisan continuamente un mayor número de equipamientos con un consumo determinado. La inmensa mayoría de los edificios han sido diseñados bajo criterios estructurales, económicos o estándares de habitabilidad y funcionalidad, dejando de lado su capacidad de producir energía para satisfacer la demanda de usuarios.

Los avances actuales en la tecnología de microgeneración, sumado a la monitorización y gestión energética mediante soluciones en el ámbito de IoT e Inteligencia Artificial, permite profundizar en la proyección de edificios capaces de alcanzar un balance energético equilibrado. La predicción del uso de la energía implementada a la edificación, ofrece múltiples posibilidades a la hora de alcanzar significativos ahorros energéticos tanto en la construcción, uso, conservación y mantenimiento. Diferentes métodos basados en Inteligencia Artificial muestran gran atractivo debido a su facilidad de manejo y alto nivel de precisión. Hay numerosa bibliografía al respecto, en la cual se discuten los enfoques basados en la IA para la predicción en edificios. Los investigadores Wang, Z. & Srinivasan, R. S. [1] han realizado una revisión en profundidad de métodos individuales basados en IA, tales como regresión lineal múltiple, la regresión de vector de soporte y el método de predicción global, en el cual se combinan múltiples modelos individuales con la finalidad de mejorar la precisión de la predicción múltiple.

Por otro lado, resulta clave profundizar en el paradigma de reconocimiento de patrones de consumo, con la finalidad de precisar y calibrar la actividad humana a la demanda energética asociada. Desde el departamento DTIC de la Universidad de Alicante, se está trabajando en diseños basados en el proceso de transformación Wavelet y el uso de matrices de hardware de puertas programables de campo, clasificando la actividad humana mediante modelos de Hidden Markov [2].

Características y objetivos del proyecto EoTICC

El proyecto EoTICC desarrolla una infraestructura de IoT para optimizar la administración de energía en el hogar e instalaciones industriales a partir de sistemas de microgeneración eólico y solar. La gestión está prevista mediante un dispositivo diseñado bajo los protocolos de comunicación de Internet of Things utilizados para la gestión de energía en viviendas residenciales. El objetivo principal es desarrollar algoritmos de árbol de decisión capaces de administrar el recurso energético disponible según la curva de potencia de los sistemas de microgeneración, evitando el almacenamiento de energía.

La elección del protocolo más adecuado depende de múltiples factores de relevancia, tales como: condiciones ambientales, características de la red, la cantidad de datos a transferir, niveles de seguridad y solicitudes de calidad de servicio [3]. En este trabajo, garantizar un servicio de comunicación óptimo es el parámetro fundamental para la selección y puesta a punto del protocolo [4]. En este sentido, son varias las aportaciones que coinciden en la idoneidad del Message Queuence Telemetry Transport (MQTT) como paradigma de comunicación entre sensores, actuadores, nodos de comunicación, dispositivos y subsistemas [Davis, E.G.; Calveras, A.; Demirkol, I. Improving Packet Delivery Performance of Publish/Subscribe Protocols in Wireless Sensor Networks. Sensors 2013, 13, 648–680. ]. [Atmoko, R.A.; Riantini, R.; Hasin, M.K. IoT real time data acquisition using MQTT protocol. J. Phys. Conf. Ser. 2017, 853, 012003.]

La comunicación de la plataforma se realiza mediante dispositivo gateway (RFC7452) y se basa en los siguientes aspectos:

• Entidades: Cada día son más y más los componentes, equipamientos, maquinaria y diferentes tipos de entidades que cuentan con la sensorización necesaria para ser monitorizados a través de internet. Cada una de estas entidades o “cosas” son etiquetados de manera que puedan proporcionarnos datos filtrados y administrables para ser utilizados con un determinado uso. Esta información permite generar bases de datos de fácil e instantánea compartibilidad a través de internet.
• Puerta de Enlace: La mayoría de las anteriores entidades no fueron diseñadas inicialmente para conectarse a Internet y poder llevar a cabo esa labor de compartimentación de datos en la nube. Para resolver esta dificultad, las puertas de enlace actúan como intermediarios entre las entidades y la nube, proporcionando la necesaria conectividad, seguridad y capacidad de administración de este tipo de información.
• Red y nube: Esta infraestructura contiene grandes grupos de servidores virtuales y de almacenamiento conectados en red. Las soluciones de IoT ejecutan aplicaciones que analizan y administran datos de dispositivos y sensores capaces de producir información relevante para determinada toma de decisiones.

En esta primera versión representada en la figura 2, se utiliza un dispositivo integrado Raspberry Pi como nodo IoT y el lenguaje Python como herramienta para desarrollar los algoritmos de control. Hay tres procesos implementados en el nodo principal a realizar: Pronóstico del consumo y generación de energía, aprendizaje para la definición de patrones de consumo y control del equipamiento doméstico mediante árboles de decisión.

En cuanto a la instalación de microgeneración eólico-solar, se compone de 3 paneles fotovoltaicos modelo Damia Solar 180w 24V monocristalino, y una microturbina eólico tipo Arquímedes de 1,4 metros de diámetro y 1,8kW de potencia máxima. Esta turbina se caracteriza por el diseño particular de sus palas de rotación, basado en la espiral de Arquímedes. Kyung Chun Kim et al. [8] destacó su funcionamiento a bajas velocidades, su capacidad de orientarse pasivamente y el bajo nivel de ruido generado.

Esta geometría origina una estética visualmente agradable, muy diferente de las turbinas convencionales, es actualmente objeto de diferentes desarrollo y evoluciones por parte de la empresa Eolis Enterprises BV junto a la colaboración del departamento dTIC de la Universidad de Alicante.

Aplicación del dispositivo inteligente eoticc en vivienda unifamiliar

Descripción de la instalación de autoconsumo

La solución se ha analizado para la gestión energética de una vivienda residencial con un consumo de 9 KWh / día. La vivienda, situada en las afueras de la ciudad de Crevillente (Alicante), cuenta con una superficie útil de 110m², distribuidos en 3 dormitorios, salón, cocina, galería, 2 baños. Para el cálculo de producción y consumo energético, se ha seleccionado un día al azar, en este caso el 20 de mayo de 2018. El consumo de energía procesado por el dispositivo (en fase de aprendizaje) se muestra en la figura 4.

A través del software de información geográfica fotovoltaica (PVGIS) se realiza la estimación de potencia generada a través del recurso solar. El ángulo óptimo anual para la actual ubicación es de 34 grados. Este valor es el utilizado por defecto para el cálculo. Según los datos proporcionados, la radiación mensual es 6650Wh / m2 / día, y la estimación de producción es 6. 43kWh / día usando un factor de operación de 0.9.

En el caso de la energía eólica, los datos provienen de una estación anemométrica próxima a la ubicación. La toma se realiza a una altura de 10m y en intervalos de 5 minutos. La velocidad promedio del viento durante el día 20 de mayo fue de 4.53 m / s., mostrándose el perfil promedio en la figura 5.

Resultados

El procedimiento propuesto se inicia con el análisis de los datos ilustrados en la tabla I, con el fin de desarrollar árboles de decisión que optimizan la gestión de la demanda. Los pasos a realizar son los siguientes:

• Conexión a los servicios meteorológicos de datos abiertos para obtener un pronóstico del tiempo por hora.
• Análisis de los datos relativos al recurso solar y eólico.
• Estimación de producción de energía en base a tales parámetros.
• Cálculo previo del consumo de energía, con la finalidad de que el algoritmo, a través de los árboles de decisión, decida las acciones de control pertinentes.

El nodo IoT implementa diferentes algoritmos (bibliotecas de Python de lenguaje y sistema operativo Linux) para realizar a tiempo real la gestión de los recursos usando protocolos de comunicación (MQTT, HTPP) de manera local y a través de la nube:

• ALg. 1: Cada minuto un algoritmo de control captura datos del sistema: rpm turbina eólica, velocidad del viento, radiación solar, consumo de energía, datos ambientales, controladores y otros. Éste se comunica estos datos a la nube y a determinados procesos de control.
• Alg. 2: Algoritmo de hora que está conectado para abrir datos meteorológicos de Internet. Este algoritmo calcula las predicciones de generación y consumo de energía. Utiliza reglas basadas en árboles de decisión.
• Alg.3: Este algoritmo controla la instalación: inicio / detención, seguridad y otros.

Conclusiones

El proyecto EoTICC propone un nuevo método para optimizar el uso de generación de energía eólica y solar en infraestructuras de autoconsumo. Se propone una instalación residencial utilizando paneles solares estándar y la turbina eólica de Arquímedes.

Este trabajo experimental permite mostrar que usando paradigmas IoT y AI la generación de energía puede ser gestionada y utilizada de una manera más óptima. En el futuro, se diseñarán nuevos árboles de decisión e implementado, y se continuarán con modelos con mayor capacidad productiva que precisen un mayor número de requisitos de control y gestión.

Agradecimientos

El proyecto multidisciplinar Eo-TICC ha sido financiado a través del convenio de colaboración alcanzado entre la Universidad de Alicante y la empresa holandesa Eolis Enterprises BV, incluido en el marco del Programa Propio del Vicerrectorado de Investigación y Transferencia del Conocimiento para el Fomento de la I+D+i en la Universidad de Alicante, convocatoria 2017.

Referencias

1. Zeyu Wang, Ravi S. Srinivasan, A review of artificial intelligence based building energy use prediction: Contrasting the capabilities of single and ensemble prediction models, Renewable and Sustainable Energy Reviews, Volume 75, 2017, Pages 796-808, ISSN 1364-0321.
2. Ferrández-Pastor, F.J., Mora-Mora, H., Sánchez-Romero, J.L. Interpreting human activity from electrical consumption data using reconfigurable hardware and hidden Markov models. J Ambient Intell Human Comput (2017) 8: 469, 469-483
3. Hed¯i, I.; Špeh, I.; Šarabok, A. IoT network protocols comparison for the purpose of IoT constrained networks. In Proceedings of the 2017 40th International Convention on Information and Communication Technology, Electronics and Microelectronics (MIPRO), Opatija, Croatia, 22–26 May 2017; pp. 501–505.
4. Ferrández-Pastor, F.J.; García-Chamizo, J.M.; Nieto-Hidalgo, M.; Mora-Pascual, J.; Mora-Martínez, J. Developing Ubiquitous Sensor Network Platform Using Internet of Things: Application in Precision Agriculture. Sensors 2016, 16, 1141.
5. Davis, E.G.; Calveras, A.; Demirkol, I. Improving Packet Delivery Performance of Publish/Subscribe Protocols in Wireless Sensor Networks. Sensors 2013, 13, 648–680.
6. Alvarez-Campana, M.; López, G.; Vázquez, E.; Villagrá, V.A.; Berrocal, J. Smart CEIMoncloa: An IoT-based Platform for People Flow and Environmental Monitoring on a Smart University Campus. Sensors 2017, 17, 2856.
7. Atmoko, R.A.; Riantini, R.; Hasin, M.K. IoT real time data acquisition using MQTT protocol. J. Phys. Conf. Ser. 2017, 853, 012003.
8. Lu, Q., Li, Q., Kim, Y. K., & Kim, K. C. (2012). A study on design and aerodynamic characteristics of a spiral-type wind turbine blade. Journal of the Korean society of visualization, 10(1), 27-33.