La semana pasada tuvo lugar la reunión de equipo del proyecto “Adaptive and Intelligent Edge Computing Based Building Energy Management System” (AI-BEMS), a fin de cerrar el diseño de su sistema. La reunión se celebró en Catar para concluir la fase final del pliego de condiciones. Juan Manuel Corchado asistió como representante del Grupo de Investigación BISITE de la Universidad de Salamanca y participó junto con otros investigadores de Iberdrola Innovation Middle East y la Universidad Hamad Bin Khalifa.
AI-BEMS proporcionará la capacidad de optimizar dinámicamente los patrones de consumo y recomendar medidas de eficiencia energética (EE) utilizando una arquitectura integral de edge computing para BEMS. Asimismo, capturará datos de dispositivos IoT ubicados en hogares y empresas y de cualquier otra fuente heterogénea de información. Esto incluirá evaluar la viabilidad de organizaciones virtuales que aprovechen la tecnología de computación social para recomendar soluciones de eficiencia energética que tengan en cuenta los gustos de los usuarios, su conveniencia y las opiniones de otros clientes.
El nuevo sistema se basa en un modelo de edge computing, en lugar de una arquitectura convencional. Este utiliza organizaciones virtuales con algoritmos distribuidos de Inteligencia Artificial Explicable (XAI) para mejorar el rendimiento.
El proyecto también prevé explorar algoritmos XAI neuro-simbólicos innovadores para reducir significativamente el consumo de energía y facilitar la interpretación de los modelos, así como construir un marco seguro que garantice la privacidad de los datos de los usuarios.
Sobre AI-BEIMS
En este proyecto se investigará, diseñará y validará un sistema de gestión de energía de edificios inteligente y adaptativo plug-and-play (AI-BEMS) mediante la realización de dos pruebas piloto en un entorno real. Se basará en una arquitectura edge computing de 3 niveles segura y escalable respaldada por organizaciones virtuales que organizarán algoritmos XAI distribuidos para la optimización de DR y EE, integrando sistemas locales de generación y almacenamiento, lo que permitirá la gestión del lado de la demanda con tarifas dinámicas y dependientes de la demanda.
AI-BEMS supera algunos de los inconvenientes de los sistemas IoT existentes basados en computación en la nube relacionados con el ancho de banda de la red, las debilidades de seguridad y la escalabilidad de los servicios. Implementa predicción rentable y de alto rendimiento de la flexibilidad de la demanda y técnicas autónomas de optimización del consumo de energía. Además, este dispositivo tendrá una mayor comprensión del negocio, ofreciendo valor agregado a los DNO y un mejor rendimiento para los usuarios finales.
Este artículo ha sido posible gracias a la subvención del decimotercer (13º) ciclo del NPRP-Standard (NPRP-S) nº 13S-0128-200187 del Fondo Nacional de Investigación de Qatar (miembro de la Fundación Qatar). Se prevé que tenga un impacto significativo en los futuros sistemas de gestión energética de edificios.
