EOTICC: DISPOSITIVO INTELIGENTE DE TOMA DE DECISIONES PARA LA MONITORIZACIÓN Y GESTIÓN DE UNA INSTALACIÓN HÍBRIDA EÓLICO SOLAR
CON DEMANDA ENERGÉTICA
F. Javier Ferrández Pastor
UCIE Ars Innovatio-Universidad de Alicante
EBT Nouss Intelligence
• Antecedentes del proyecto
– Convocatoria anual de la UNIVERSIDAD DE ALICANTE: PRUEBA DE CONCEPTO 2018
– Unidad Científica de Innovación Empresarial (UCIE Ars Innovatio y EBT Nouss Intelligence)
– Federación de Empresarios del Metal de la provincia de Alicante: FEMPA
– Empresa Holandesa : Eolis Enterprises,
BV
2
EOTICC: DISPOSITIVO INTELIGENTE DE TOMA DE DECISIONES PARA LA MONITORIZACIÓN Y GESTIÓN DE UNA INSTALACIÓN HÍBRIDA EÓLICO SOLAR
3
Consumo
Generacióneólica-solar
Escenario y objetivos del proyecto
Dispositivos
IoT embebidos
Gestión Energética
(paradigmas IA)
Reto: Optimización en el uso renovable
• Diseño y desarrollo de un módulode gestión para la toma dedecisión en el control automáticode cargas que minimice el uso delas baterías
4
00:00 23:00time
0
5
Electric Power
(Kwh)
Predicción: Generación >>> Consumo
Curva de consumo diaria
Generación renovable
5
00:00 23:00time
0
5
Electric Power
(Kwh)
Control de cargas: Optimizar relación Generación/consumo
Curva de consumo controlada
Generación renovable
EOTICC: DISPOSITIVO INTELIGENTE DE TOMA DE DECISIONES PARA LA MONITORIZACIÓN Y GESTIÓN DE UNA INSTALACIÓN HÍBRIDA EÓLICO SOLAR
Prueba de concepto: Instalación en FEMPA (Alicante)
EOTICC: DISPOSITIVO INTELIGENTE DE TOMA DE DECISIONES PARA LA MONITORIZACIÓN Y GESTIÓN DE UNA INSTALACIÓN HÍBRIDA EÓLICO SOLAR
<wind_speed>:5
<wind_speed>:2
<wind_gust>:15<wind_gust>:10
<wind_forecast>:2
<wind_forecast>:3
Variable continua a predecir
Variables continuas
predictoras
<power_pred_power>:4
<power_pred_power>:3.5
<power_pred_power>:2
<power_pred_power>:1.5
<power_pred_power>:4.5
<power_pred_power>:5
8
target
Dataset predicción energía eólica
pred_var
Error medio cuadrático=0,23Predicción de
variable
Libreríasen plataforma
PYTHON
9
Predicción de energía renovable
(árbol de regresión)
Predicción de consumo (árbol de
regresión)
Cada hora se realizan las predicciones de generación
y consumo
Clasificación/detección (árbol de clasificación)
Algoritmo de toma de decision
para el control de cargas
Sistema Desarrollado
10
Datos abiertos +Plataforma CLOUD
IoT protocolos
Procesos de captura
filtrado y control
Proceso de predicción
Procesos de Comunicación
IoT
Sub. RENOVABLE
Proceso de predicción
Sub. CONSUMO
CT
Procesos de captura
y filtrado
Control de cargas
Red local
EOTICC: DISPOSITIVO INTELIGENTE DE TOMA DE DECISIONES PARA LA MONITORIZACIÓN Y GESTIÓN DE UNA INSTALACIÓN HÍBRIDA EÓLICO SOLAR
Conclusiones
• SE COMPRUEBA LA VIABILIDAD DEL PARADIGMA ARBOLES DE DECISIÓN
PARA RELACIONES NO LINEALES (PREDICCIÓN ENERGÍA RENOVABLE Y
CONSUMO)
• DISPOSITIVOS EMBEBIDOS DE CONTROL Y PROTOCOLOS DE COMUNICACIÓN
IOT OFRECEN EL RECURSO TECNOLÓGICO SOBRE EL CUAL IMPLANTAR EL
SISTEMA INTELIGENTE DE GESTIÓN ENERGÉTICA
Líneas de trabajo actuales
• ANÁLISIS COMPARATIVO DEL MODELO CON DIFERENTES PARADIGMAS AI:
REDES NEURONALES, SVM, ALGORITMOS GENÉRICOS, ETC..
• DISEÑO DE NUEVOS SERVICIOS BASADOS EN MOTORES INTELIGENTES PARA
EL MANTENIMIENTO PREDICTIVO Y EL CONTROL PROACTIVO DE
INSTALACIONES
DATOS DE CONTACTO:
12
Eolis Enterprises, BV
UCIE ARS INNOVATION
https://web.ua.es/es/ars-innovatio/ http://www.noussintelligence.com