Procedimiento de monitorización de bajo coste para Ciudades Inteligentes

Comunicación presentada al III Congreso Ciudades Inteligentes:

Autores

• José L. Hernández García, Investigador, Fundación CARTIF
• Álvaro Corredera Cano, Investigador, Fundación CARTIF
• Rubén García Pajares, Investigador, Fundación CARTIF
• Roberto Sanz Jimeno, Investigador, Fundación CARTIF
• Cecilia Sanz Montalvillo, Investigador, Fundación CARTIF

Resumen

Monitorizar edificios y consumos energéticos es un aspecto clave cuando se desarrollan planes urbanos en el contexto de una Smart City. Sin embargo, el despliegue de un sistema completo de monitorización supone un coste que en muchos casos no es asumible por compañías o entidades públicas. Por este motivo, dentro del proyecto R2CITIES, se propone un método de bajo coste para la monitorización de un distrito. En este aspecto, técnicas de minería de datos para clustering y agregación se aplican para seleccionar las viviendas a monitorizar, reduciendo su número al mismo tiempo que se maximiza la extracción de resultados útiles que permitan llevar a cabo estudios energéticos.

Palabras clave

Monitorización, Minería de Datos, Clustering, Sampling, R2CITIES

Introducción

Actualmente el consumo y, por consiguiente, la eficiencia energética son dos problemas fundamentales de la sociedad. Teniendo en cuenta que la energía consumida en una ciudad viene sobre todo dada por el consumo energético en viviendas residenciales, la Comisión Europea está impulsando la eficiencia energética en entornos residenciales. Para ello diferentes proyectos basados en el concepto “Smart Cities” como por ejemplo R2CITIES (R2CITIES, 2017) o CITyFiED (CITyFiED, 2017), entre otros, están siendo llevados a cabo actualmente, pero también otros proyectos más orientados al propio edificio, como por ejemplo Direction (Direction, 2017).

En todos ellos, hay un factor común y es la necesidad de medir el consumo de energía que se realiza tanto a nivel de distrito como de edificio (según el ámbito del proyecto) para poder establecer una metodología de ahorro, cálculo de estos ahorros energéticos e incluso estudio de nuevos posibles ahorros. La monitorización es un factor clave asimismo para determinar metodologías de ahorro, como por ejemplo sistemas de control basado en variables del entorno.

Sin embargo, la monitorización no es siempre viable, sobre todo desde el punto de vista económico. Es por ello que dentro del proyecto R2CITIES se ha diseñado un sistema de monitorización de bajo coste que permite reducir las inversiones tanto en la adquisición de equipamiento para realizar las mediciones como en el número de viviendas que se van a monitorizar. De esta manera, con la monitorización de un subconjunto de viviendas y aplicando tecnologías de minería de datos, se puede extrapolar la información a todo el distrito, favoreciendo la monitorización y evaluación de las intervenciones de renovación energética a gran escala.

Esta información, debidamente tratada, se utiliza para aplicar los planes de medida y verificación que permiten estimar ahorros. Pero no solo su utilidad se reduce a validar los ahorros de consumo energético, sino que también permite guiar a expertos energéticos y empresas de servicios energéticos para tomar decisiones acordes a dichas medidas.

Basado en estos dos conceptos, por un lado monitorización asequible y, por otro, resultados aplicables, se han desarrollado previamente otros estudios de monitorización (Corredera et. al, 2016) (Sanz et al, 2015) que han servido de base para los desarrollos de este artículo. Sin embargo, como novedad, la aplicación de las técnicas de minería de datos aporta valor añadido al diseño de redes de monitorización y cálculo de indicadores.

Metodología de monitorización aplicada en r2cities

Dentro del proyecto R2CITIES, se ha aplicado una metodología para la monitorización desplegada en tres fases bien diferenciadas:

1.     Definición de los planes de medida y verificación (D4.5 CARTIF, 2014) en los que se establecen los requisitos de monitorización para aplicar apropiadamente los protocolos para determinación de ahorros energéticos.

2.     Monitorización adicional (D4.2 CARTIF, 2014) para la determinación de indicadores útiles y la aplicación de estrategias de control adecuadas.

3.     Técnicas de minería de datos para seleccionar las viviendas a monitorizar y agregar la información para representar todo el distrito.

En primer lugar, respecto a los planes de medida y verificación, estos establecen unos requisitos mínimos de monitorización que van acordes con los protocolos que se van a aplicar para determinación de ahorros energéticos. En este hilo, un conjunto de indicadores útiles para obtener la eficiencia energética proporcionan una serie de parámetros a medir, como por ejemplo, la energía consumida. Para esta definición se dispone de una frontera sobre la cual se disponen las medidas, tal y como se representa en la Figura 1. En la imagen se dispone de una representación gráfica en la que se identifican los equipos que hay que medir, así como un primer esbozo de las técnicas de minería de datos que se van a utilizar para determinar la información a nivel de distrito. Estas técnicas serán detalladas en la siguiente sección.

En segundo lugar, es indispensable añadir información a monitorizar a lo definido por los planes de medida y verificación. Un ejemplo es la medida del confort que no se establece anteriormente. Este parámetro es muy importante puesto que determina que el usuario final se encuentre en las condiciones óptimas para la habitabilidad. Por último, también se definen las estrategias para la recolección de datos que serán explicadas más adelante.

Finalmente, con las variables determinadas, se diseña y despliega la red de monitorización, como se explicará en una sección posterior. Así mismo, para el diseño son necesarias las técnicas de minería de datos mencionadas anteriormente y que se describen en el apartado siguiente.

Técnicas de Data-Mining

Tal y como se ha mencionado anteriormente, las dificultades en invertir en desplegar sistemas de monitorización complejos y completos hacen que la aplicación de técnicas de minería de datos sea muy útil para determinar la monitorización. Dichas técnicas se introducen ya desde la definición de los planes de medida y verificación, de manera que se establezca un método que permita obtener datos reales sobre las intervenciones para poder llevar a cabo el proceso de evaluación.

Dicho esto, para lograr una visión completa del funcionamiento del distrito, se utilizan las siguientes técnicas de minería de datos.

• «Sampling»: es una técnica común dentro de las estadísticas, aseguramiento de la calidad y metodología de las encuestas. Se basa en la selección de un subconjunto de muestras dentro de una «población» (en términos estadísticos). En este caso, la población es la cantidad total de viviendas, mientras que el subconjunto es un número representativo de viviendas monitoreadas. Así pues a través de métodos de la estadística, las características del conjunto puede ser estimada.
• «Clustering»: es una técnica dentro del campo de Inteligencia Artificial que determina automáticamente grupos de elementos con similitudes entre ellos. Así, las viviendas de todo el distrito podrían agruparse en grupos teniendo en cuenta su tipo, características y así sucesivamente.
• “Agregación”: es una técnica que permite extrapolar los valores de una serie de datos a todo el grupo de representantes de la población. Es decir, gracias al “clustering” y “sampling” se seleccionan las viviendas representativas que, por similitud de comportamiento, las medidas permiten la extrapolación de los valores.

La combinación de estas técnicas de minería de datos proporciona información de la eficiencia energética de todo el distrito por medio de mediciones representativas. Por ello, es fundamental la selección de las viviendas representativas para el muestreo y monitorización según el grupo de edificios y sus características más relevantes. Es por ello, que el primer paso es aplicar la técnica de “clustering” para determinar grupos de comportamiento similar. En este aspecto, se ha aplicado una técnica habitual denominada K-means, cuyos parámetros para clasificación han sido los siguientes:

• Orientación de fachada, cuyos valores son 0 si está orientada hacia el interior, 1 cuando está orientada al río y 0.5 para orientaciones intermedias. Esto se debe a que la influencia del río ha de tenerse en cuenta para la monitorización.
• Así mismo, otro parámetro es la medianera, dependiendo si la vivienda dispone de medianera o no, contemplando valores intermedios. Parecido al caso anterior, la medianera influye en las pérdidas energéticas.
• Patio interior, indicando con 0 cuando la vivienda no tiene patio interior y 1 cuando la vivienda está hacia un patio interior, donde las pérdidas también influyen.
• Bloque lineal o manzana, en los que el aislamiento por viviendas adyacentes son necesarias para su influencia en la eficiencia energética.
• Altura de la vivienda, de 0 a 4, puesto que dependiendo de la altura, la demanda energética también se ve influenciada.
• Por último, la tipología de la vivienda. Dentro del distrito, tres tipologías se han determinado, con diferentes áreas y que se han tenido en cuenta para el clustering.

Parametrizando todas las viviendas pertenecientes al barrio, se han obtenido resultados de clasificación cuando se determinan 4, 5 y 6 grupos, siendo este último el más viable puesto que incrementa el número de viviendas monitorizadas. Los resultados del clúster están en la Figura 2, donde cada color especifica cada uno de los clústeres.

Una vez que se tienen los grupos debidamente detectados, es el turno de aplicar sampling, donde se deben seleccionar las 6 viviendas finales que van a ser monitorizadas. Tras un análisis de los resultados del clustering, el sampling se realiza por decisión de los expertos sobre qué viviendas monitorizar. En este aspecto, la categorización se ha basado en cubrir varias zonas del barrio, así como aquellas viviendas en las que la instalación de los equipos resulta menos costosa.

Respecto a la agregación, será parte de la evaluación final, pero el proyecto se encuentra actualmente en la recopilación de los datos durante un año completo para, posteriormente, aplicar esta técnica.

Monitorización del distrito

Una vez que se disponen de las viviendas que se van a monitorizar y los parámetros que se desean obtener de dicho proceso de monitorización, el siguiente paso es el diseño de la red. En este caso, una arquitectura de tres niveles ha sido definida.

El primer nivel se trata de la red física desplegada para cada una de las viviendas, cuyo diseño se ilustra en la Figura 3. En ella, se pueden observar los equipos para la medida de consumos energéticos, tanto electricidad como consumo térmico, y las variables de confort. Además, un recolector de datos que actúa a su vez de interfaz de comunicaciones es integrado dentro de este nivel.

El segundo nivel se trata del compilador de datos a nivel software, cuya misión trata de obtener la información de las 6 viviendas y almacenar la información en una base de datos local. Una descripción más detallada está disponible en la siguiente sección. Es en este nivel donde la agregación de los datos se realiza para extrapolar la información a todo el distrito gracias a la similitud de comportamiento que se obtiene por clustering.

Por último, el tercer nivel se trata de la visualización de la información e indicadores. En ese caso, el nivel 2, además de obtener y almacenar la información, realiza cálculos sencillos que permiten obtener información agregada para ser representada. De esta manera, se puede obtener información útil sobre el rendimiento energético del distrito o, incluso, a nivel de vivienda individual.

Complementariamente a los niveles anteriormente descritos, la comunicación entre las 6 viviendas y el recolector de datos se realizar a través de la Internet de las cosas (IoT), como se muestra en la Figura 4. Es por ello que, cada vivienda, dispone de un concentrador de datos de bajo coste con capacidad de comunicación 3G, con excepción de una de las viviendas en la que el concentrador dispone también de capacidad de servicios Web, a través de los cuales el nivel 2 se conecta para obtener la información. De esta manera, los concentradores de bajo coste, recogen cierta capacidad de información que envían al comunicador Web que es capaz de recoger la información de las 6 viviendas.

Recolector de datos e indicadores

Para complementar la sección anterior, en este apartado se detalla el proceso de recopilación de datos. En este caso, como se ha mencionado anteriormente, uno de los dispositivos instalado en una vivienda proporciona servicios Web para la comunicación. Tanto protocolos SOAP (Simple Object Access Protocol) como FTP (File Transfer Protocol) están disponibles en el dispositivo de datos avanzados para publicar la información accesible. Por otro lado, el nivel 2 proporciona mecanismos para comunicación y adaptación de datos. En el contexto de R2CITIES, comunicación FTP ha sido seleccionada para la recolección de datos puesto que se reduce el número de tráfico en términos de peticiones al día. De este modo, con una única petición al día se recopila la información y se realiza el almacenamiento. La ventaja reside en evitar saturar la red 3G a través de peticiones SOAP que son más lentas y consumen mayor cantidad de datos. Además, las necesidades de datos en tiempo real son reducidas para este caso en particular.

Conclusiones

Las principales conclusiones están relacionas con la aplicación de metodologías de minería de datos para desplegar redes de monitorización de bajo coste. La monitorización es muy importante en cualquier proyecto energético, pero no es siempre abordable, sobre todo, desde el punto de vista económico. Es por ello, que la aplicación de las nuevas tecnologías facilita la monitorización reduciendo la complejidad. Además, estas técnicas permiten cubrir los requisitos que provienen de los protocolos medida y verificación. De esta manera, la capacidad de obtener evaluaciones energéticas de distritos y ciudades se abarata y proporciona una alternativa a la metodología tradicional de monitorización, en la que se obtenían datos de todos los elementos medibles.

Como principal línea futura de este trabajo, el proceso de monitorización se está llevando a cabo para obtener un año completo de datos según las especificaciones para análisis energéticos. Una vez se complete el año de datos, la última técnica, agregación se aplicará para extrapolar toda la información al rendimiento de todo el distrito.

Agradecimientos

Los autores de este artículo quieren dar las gracias al consorcio que forma el proyecto R2CITIES, bajo el cual se ha realizado el trabajo que aquí se describe. Por otro lado, agradecer a la Comisión Europea la financiación bajo el GA número 314473 para poder llevar a cabo las tareas del proyecto.

Referencias

• CARTIF, “D4.2 Specifications of monitoring and controlling for Valladolid demo site”, Technical report, Septiembre 2014.
• CARTIF, “D4.5 M&V Plan for Valladolid demo site”, Technical report, Agosto 2014.
• Corredera A., Sanz R., Macía A., Hernández J., Miguel F., «An automated monitoring system for surveillance and KPI calculation», Environmental, Energy and Structural monitoring systems IEEE workshop (EESMS 2016), Bari, Italia, 13-14 Junio 2016.
• Proyecto CITyFiED, última visita febrero 2017.
• Proyecto Direction, última visita febrero 2017.
• Proyecto R2CITIES, última visita febrero 2017.
• Sanz, R.; Corredera, A.; Hernández, J.L.; Samaniego, J.; Vicente, J.M.; Bujedo, L.A., “Towards the integration of monitoring systems to support the evaluation of nearly Zero Energy Buildings trough Key Performance Indicators”, IEEE Workshop on Environmental, Energy and Structural Monitoring Systems (EESMS), Trento, Italia. 9-10 Julio 2015.