Use este identificador para citar ou linkar para este item: https://repositorio.ufpa.br/jspui/handle/2011/16638
Tipo: Tese
Data do documento: 11-Jul-2024
Autor(es): FERNANDES, Rubens de Andrade
Afiliação do(s) Autor(es): UEA - Universidade do Estado do Amazonas
Primeiro(a) Orientador(a): COSTA JÚNIOR, Carlos Tavares da
Primeiro(a) coorientador(a): GOMES, Raimundo Cláudio Souza
Título: SmartLVEnergy: um framework para gestão energética inteligente e descentralizada de sistemas legados de baixa tensão
Citar como: FERNANDES, Rubens de Andrade. SmartLVEnergy: um framework para gestão energética inteligente e descentralizada de sistemas legados de baixa tensão. Orientador: Carlos Tavares da Costa Júnior. 2024. 141 f. Tese (Doutorado em Engenharia Elétrica) - Instituto de Tecnologia, Universidade Federal do Pará, Belém, 2024. Disponível em: https://repositorio.ufpa.br/jspui/handle/2011/16638. Acesso em:.
Resumo: Essencial para o progresso tecnológico e econômico, a energia elétrica requer soluções e estratégias bem fundamentadas para um gerenciamento eficiente e sustentável. Unidades consumidoras existentes, sem recursos tecnológicos modernos, necessitam de alternativas graduais para otimizar o uso de energia, aproveitando ao máximo os recursos pré-estabelecidos. Nesse contexto, o retrofit oferece uma atualização eficaz dessas infraestruturas. Modelos e estratégias sistemáticas podem padronizar e garantir a replicação dessas soluções em diferentes contextos através de abstrações conhecidas como frameworks. Contudo, há uma carência de frameworks para viabilizar a implantação de estratégias sistematizadas de retrofit para a gestão energética, especialmente no setor elétrico de baixa tensão. Para preencher essa lacuna, esta tese apresenta o framework SmartLVEnergy, proposto para orientar a concepção de estratégias inovadoras de retrofit para modernizar instalações legadas de baixa tensão com soluções de IoT, AIoT e computação distribuída, otimizando a gestão energética com recursos tecnológicos distribuídos e capacidades preditivas avançadas. Os experimentos realizados nesta tese são apresentados no formato de agregação de artigos científicos, que contribuíram para a concepção do framework SmartLVEnergy. Como resultado, foi possível implementar ferramentas de gestão energética em cenários prediais e industriais existentes de maneira sistematizada, fundamentada nas premissas do framework proposto. O enfoque principal foi a análise e previsão da demanda energética das instalações e seus respectivos circuitos, permitindo antever e mitigar eventos de ultrapassagem de demanda das unidades consumidoras, conforme as diretrizes da Agência Nacional de Energia Elétrica no Brasil. As estratégias concebidas incluíram o desenvolvimento, a utilização e a integração de recursos de sensoriamento, comunicação e computação, distribuídos localmente, na nuvem e na borda, de acordo com os preceitos do framework SmartLVEnergy, maximizando o aproveitamento dos recursos existentes conforme as necessidades específicas de cada instalação. O framework proposto é flexível e permite a integração, a expansibilidade e a interoperabilidade das soluções tecnológicas ao longo dos sistemas legados, permitindo operações conforme as peculiaridades e recursos de cada contexto pré-existente. Esta versatilidade confirma a relevância deste trabalho como uma proposta robusta e sustentável para promoção da eficiência energética na atualidade, especialmente em sistemas legados de baixa tensão.
Abstract: Essential for technological and economic progress, electrical energy requires well-founded solutions and strategies for efficient and sustainable management. Existing consumer units, lacking modern technological resources, need gradual alternatives to optimize energy use, making the most of pre-established resources. In this context, retrofit offers an effective update for these infrastructures. Systematic models and strategies can standardize and ensure the replication of these solutions in different contexts through abstractions known as frameworks. However, there is a lack of frameworks to enable the implementation of systematic retrofit strategies for energy management, especially in the low-voltage energy sector. To fill this gap, this thesis presents the SmartLVEnergy framework, proposed to guide the design of innovative retrofit strategies to modernize legacy low-voltage installations with IoT, AIoT, and distributed computing solutions, optimizing energy management with distributed technological resources and advanced predictive capabilities. The experiments conducted in this thesis are presented in the format of aggregated scientific articles, which contributed to the conception of the SmartLVEnergy framework. As a result, it was possible to implement energy management tools in existing building and industrial scenarios in a systematic manner, based on the premises of the proposed framework. The main focus was the analysis and prediction of the energy demand of the installations and their respective circuits, allowing to anticipate and mitigate demand overrun events of the consumer units, following the guidelines of the Brazilian National Electric Energy Agency. The strategies conceived included the development, use, and integration of sensing, communication, and computing resources, distributed locally, in the cloud, and at the edge, according to the principles of the SmartLVEnergy framework, maximizing the use of existing resources according to the specific needs of each installation. The proposed framework is flexible and allows the integration, expandability, and interoperability of technological solutions across legacy systems, enabling operations according to the peculiarities and resources of each pre-existing context. This versatility confirms the relevance of this work as a robust and sustainable proposal to promote energy efficiency today, especially in legacy low-voltage systems.
Palavras-chave: Eficiência energética
Sistemas legados de baixa tensão
Internet e inteligência artificial das coisas
Retrofit
Gerenciamento energético
Energy efficiency
Low-voltage legacy systems
Internet and artificial intelligence of things
Retrofit
Energy management
Área de Concentração: COMPUTAÇÃO APLICADA
Linha de Pesquisa: REDES E SISTEMAS DISTRIBUÍDOS
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
País: Brasil
Instituição: Universidade Federal do Pará
Sigla da Instituição: UFPA
Instituto: Instituto de Tecnologia
Programa: Programa de Pós-Graduação em Engenharia Elétrica
Tipo de Acesso: Acesso Aberto
Attribution-NonCommercial-NoDerivs 3.0 Brazil
Fonte URI: Disponível na intrnet via correio eletrônico: bibliotecaitec@ufpa.br
Aparece nas coleções:Teses em Engenharia Elétrica (Doutorado) - PPGEE/ITEC

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Tese_SmartEnergyFramework.pdf9,53 MBAdobe PDFVisualizar/Abrir


Este item está licenciado sob uma Licença Creative Commons Creative Commons