Optimizing household energy planning in Smart cities: a multiobjective approach

• Autores: Nesmachnow, Sergio; Colacurcio, Giovanni; Rossit, Diego Gabriel; Toutouh, Jamal; Luna, Francisco
• Año de publicación: 2021
• Idioma: inglés
• Tipo de recurso: artículo
• Materia: SMART CITIES; HOUSEHOLD ENERGY PLANNING; EVOLUTIONARY COMPUTATION; MULTIOBJECTIVE OPTIMIZATION; MIXED INTEGER PROGRAMMING
• Institución: Consejo Nacional de Investigaciones Científicas y Técnicas

This article presents the advances in the design and implementation of a recommendation system for planning the use of household appliances, focused on improving energy efficiency from the point of view of both energy companies and end-users. The system proposes using historical information and data from sensors to define instances of the planning problem considering user preferences, which in turn are proposed to be solved using a multiobjective evolutionary approach, in order to minimize energy consumption and maximize quality of service offered to users. Promising results are reported on realistic instances of the problem, compared with situations where no intelligent energy planning are used (i.e., ?Bussiness as Usual? model) and also with a greedy algorithm developed in the framework of the reference project. The proposed evolutionary approach was able to improve up to 29.0% in energy utilization and up to 65.3% in user preferences over the reference methods.
Este artículo presenta los avances en el diseño e implementación de un sistemade recomendación para planificar el uso de electrodomésticos, enfocado en mejorarla eficiencia energética desde el punto de vista tanto de las compañías de energíacomo de los usuarios finales. El sistema propone el uso de información histórica ydatos de sensores para definir instancias del problema de planificación considerandolas preferencias del usuario, que a su vez se proponen resolver mediante un enfoqueevolutivo multiobjetivo, para minimizar el consumo de energía y maximizar la calidaddel servicio ofrecido a los usuarios. Se informan resultados prometedores en casosrealistas del problema, en comparación con situaciones en las que no se utiliza unaplanificación energética inteligente (es decir, modelo ‘Bussiness as Usual’) y tambiéncon un algoritmo goloso desarrollado en el marco del proyecto de referencia. El enfoqueevolutivo propuesto fue capaz de mejorar hasta el 29.0 % en la utilización de energía yhasta el 65,3 % en las preferencias del usuario sobre los métodos de referencia.
Fil: Nesmachnow, Sergio. Facultad de Ingeniería; Uruguay
Fil: Colacurcio, Giovanni. Facultad de Ingeniería; Uruguay
Fil: Rossit, Diego Gabriel. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Bahía Blanca. Instituto de Matemática Bahía Blanca. Universidad Nacional del Sur. Departamento de Matemática. Instituto de Matemática Bahía Blanca; Argentina. Universidad Nacional del Sur. Departamento de Ingeniería; Argentina
Fil: Toutouh, Jamal. Massachusetts Institute of Technology. Computer Science And Artificial Intelligence Laboratory; Estados Unidos
Fil: Luna, Francisco. Universidad de Málaga. Departamento Lenguajes y Ciencias de la Computación; España