Preprocesamiento, extracción de características y predicción de consumo de energía en tiempo real basada en Inteligencia Artificial en el borde o en la niebla.

 
Miembros:     Estrada Pico Rebeca Leonor, Torres Morán Danny Alfredo, Aizaga Villón Xavier Fransico, Farinango Salazar Pedro.
Fecha: 1 años 6 meses
Financiamiento:   Espol

 

 

 

¿De qué se trata?

Este proyecto se enfoca en la implementación de una red de sensores basados en un microcontrolador y un módulo de medición de energía, utilizando el protocolo de comunicación MQTT para la transmisión de datos. Cada sensor está diseñado para realizar mediciones de voltaje, corriente, potencia, frecuencia, energía y el factor de potencia de un equipo en específico. En concreto, se realizan mediciones en workstations que comparten similitudes con los servidores de un Datacenter situado en el Centro de Tecnologías de Información (CTI).

 

Una parte fundamental de este proyecto implica la evaluación de diferentes modelos de regresión, con el objetivo de seleccionar el más adecuado para predecir el consumo de energía a partir de diversas mediciones recopiladas de las workstations a lo largo de horas de funcionamiento continuo. Este sistema permite la optimización y reducción de los costos de mantenimiento de los equipos informáticos debido a la implementación del monitoreo y gestión de recursos energéticos, contribuyendo a mejorar la eficiencia en entornos de Datacenter, lo que implica un impacto positivo tanto en lo económico como ambiental.

 

Objetivo General:

Evaluar algoritmos de preprocesamiento, extracción de características y modelos de regresión, para realizar predicciones en tiempo real de consumo de energía, mediante una red de sensores (iot) y conceptos de computación en la niebla.

 

Objetivos del proyecto:

  • Objetivo 1: Ensamblar seis equipos medidores de consumo de energía monofásico, para el monitoreo de seis workstation en las instalaciones del CTI-ESPOL.
  • Objetivo 2: Realizar medición y almacenamiento de los datos de consumo de energía de ocho workstation, para generar una base de datos (dataset) que permita entrenar los modelos de regresión.
  • Objetivo 3: Establecer los algoritmos de preprocesamiento y extracción de características en tiempo real que deberá ser ejecutado en el gateway.
  • Objetivo 4: Identificar los modelos entrenados más apropiados para realizar la predicción de consumo de energía en tiempo real desde el gateway.

Metodología del proyecto:

  • Diseño y ensamble de los equipos medidores de consumo de energía.
  • Medición y almacenamiento de datos.
  • Identificación de modelos de regresión apropiados.
  • Integración de algoritmos en la red de sensores basados en IoT.
  • Validación y optimización del modelo de predicción.

 

 

 
 

Publicaciones relacionadas al proyecto:

Paper/ Jun 19, 2023

CPU Usage Prediction Model: A Simplified VM Clustering Approach

Estrada, R., Valeriano, I., Aizaga, X.

Leer Más
Paper/ Jun 17, 2023

Softprocessor RISCV-EC for Edge Computing Applications

Montesdeoca, G., Asanza, V., Estrada, R., Valeriano, I., Muneeb, M.A.

Leer Más