A data-driven IoT architecture for self-consumption of renewable energy

Abstract

Η ταχεία εξάπλωση των συσκευών του Διαδικτύου των Πραγμάτων (Internet of Things - IoT) έχει φέρει μια επανάσταση στα έξυπνα περιβάλλοντα, διεισδύοντας σε διάφορους τομείς όπως τα έξυπνα σπίτια, τα έξυπνα αυτοκίνητα και διάφορες άλλες έξυπνες οντότητες. Η εστίαση στην ενεργειακή απόδοση έχει καταστεί ύψιστης σημασίας, λόγω της παγκόσμιας ενεργειακής κρίσης, της αύξησης θερμοκρασίας του περιβάλλοντος και της επείγουσας ανάγκης για μείωση των εκπομπών διοξειδίου του άνθρακα, μετριάζοντας τις σοβαρές συνέπειες της κλιματικής αλλαγής. Η ανάπτυξη ανανεώσιμων πηγών ενέργειας σε έξυπνα περιβάλλοντα (π.χ. φωτοβολταϊκά) έχει τονίσει τη σημασία της ίδιοκαταναλωσης ενέργειας από ενεργειακά απαιτητικές συσκευές ΙοΤ (π.χ. θέρμανση/ψύξη, ηλεκτροκίνηση), που αναφέρεται στη διαδικασία έξυπνης κατανάλωσης ενέργειας κατά τη διάρκεια της παραγωγής της. Οι υπάρχουσες λύσεις Συστημάτων Διαχείρισης Ενέργειας Οικιακής Χρήσης (ΣΔΕΟΧ), αντιμετωπίζουν δυσκολίες σύγκλισης λόγω της διαχείρισης πολλαπλών ΙοΤ συσκευών και πολυστοχαστικών προβλημάτων. Η βελτιστοποίηση της προγραμματισμένης λειτουργίας των συσκευών είναι αφενός δύσκολη λόγω των προτιμήσεων που καθορίζονται από τους χρήστες, αλλά παράλληλα επίσης επειδή πρέπει να αποφευχθούν οι περίοδοι αιχμής ζήτησης. ΄Οσον αφορά τη διαδικασία φόρτισης Ηλεκτρικών Οχημάτων (ΗΟ), οι υπάρχουσες λύσεις επικεντρώνονται μόνο στην παροχή των πλησιέστερων τοποθεσιών φόρτισης, αγνοώντας έτσι την παραγωγή ανανεώσιμων πηγών ενέργειας των φορτιστών, χάνοντας έτσι μια κρίσιμη ευκαιρία για βιώσιμη και περιβαλλοντικά συνειδητή ίδιοκαταναλωση ενέργειας. Σε αυτήν την διδακτορική διατριβή, παρουσιάζουμε την αρχιτεκτονική GreenHub, μια καινοτόμα αρχιτεκτονική που επικεντρώνεται στον βιώσιμο προγραμματισμό λειτουργιών ΙοΤ σε έξυπνα σπίτια και στη φόρτιση ΗΟ με τη χρήση ανανεώσιμων πηγών ενέργειας, στη βελτιστοποίηση των στρατηγικών φόρτισης και στη μείωση του λειτουργικού κόστους. Συγκεκριμένα, το GreenHub αποτελείται από τρία συστατικά: (i) GreenPlanner, (ii) GreenCap, και (iii) EcoCharge. Τόσο ο GreenPlanner όσο και ο GreenCap, εμπίπτουν στα ΣΔΕΟΧ, που επιχειρούν να εξισορροπήσουν αποτελεσματικά την αντιστάθμιση μεταξύ της εισαγόμενης ενέργειας από το δίκτυο, της κατανάλωσης ενέργειας, της άνεσης των χρηστών και των εκπομπών διοξειδίου του άνθρακα. Ο GreenPlanner εστιάζει στον «μακροπρόθεσμο» σχεδιασμό, που σημαίνει ότι θα υπολογίσει ένα ολόκληρο έτος κάνοντας λιγότερο σύνθετους καθημερινούς υπολογισμούς. Αντίθετα, ο GreenCap δίνει έμφαση στον «καθημερινό» προγραμματισμό καθώς επιχειρεί να βρει τον καλύτερο συνδυασμό για την κατανομή και τη μετατόπιση συσκευών κατά τη διάρκεια της ημέρας ελαχιστοποιώντας την εισαγόμενη ενέργεια από το δίκτυο, λαμβάνοντας παράλληλα υπόψη την υψηλή ζήτηση και τους χρόνους παραγωγής ενέργειας. Επιπλέον, το EcoCharge εμπίπτει στην έξυπνη κινητικότητα, της οποίας ο κύριος στόχος είναι να επιτρέψει στους οδηγούς να επαναφορτίζουν τα ΗΟ τους από τους πιο φιλικούς προς το περιβάλλον φορτιστές μέσω μιας έξυπνης τεχνικής, λαμβάνοντας παράλληλα υπόψη διάφορα εκτιμώμενα στοιχεία όπως, διαθεσιμότητα, κόστος επαναδρομολόγησης και διαθέσιμη παραγόμενη ενέργεια.

The rapid proliferation of Internet of Things (IoT) devices has revolutionized smart environments, permeating diverse domains such as smart-homes, smart-cars, and various other smart entities. The focus on energy efficiency has become paramount, driven by the global energy crisis, the Earth’s rising temperatures, and the urgent need to reduce CO2 emissions, mitigating the severe consequences of climate change. The advancement of renewable energy infrastructure in smart environments (e.g., photovoltaic) has highlighted the importance of energy self-consumption by energy-demanding IoTenabled devices (e.g., heating/cooling, electromobility, appliances), which refers to the process of intelligently consuming energy at the time it is available. Existing Home Energy Management System (HEMS) solutions face convergence difficulties due to the management of multiple IoT devices tackling multi-objective problems. Additionally, the scheduling optimization of devices can be very challenging due to the unsophisticated user-defined preference rules, while also aiming to avoid peak demand periods. Further, with respect to Electric Vehicles (EVs) charging process, existing solutions focus only on providing the nearest charging locations, thus, ignoring chargers’ renewable production, missing this way a crucial opportunity for sustainable and environmentally conscious energy consumption. In this PhD thesis, we present the GreenHub Architecture, a novel data-driven IoT architecture that focuses on sustainable scheduling of IoT operations in smart homes, and EV charging by leveraging renewable energy sources, optimizing charging strategies, and reducing operational costs. Particularly, GreenHub Architecture consists of three modules: (i) GreenPlanner; (ii) GreenCap; and (iii) EcoCharge. Both GreenPlanner and GreenCap, which fall under HEMS, can efficiently balance the trade-off between the imported energy from the grid, energy consumption, users’ comfort, and CO2 emissions. GreenPlanner focuses on “long-term” planning, meaning that it will compute a whole year plan by doing less complex daily computations. In contrast, GreenCap emphasizes on “daily” planning as it attempts to find the best combination for allocating and shifting appliances during a day by minimizing the imported energy from the grid, while considering high demand and energy production times. Furthermore, the EcoCharge module falls under smart mobility, whose main objective is to allow drivers recharge their EVs from the most environmentally friendly chargers over an intelligent energy hoarding technique, while considering various Estimated Components (ECs) such as, availability, derouting cost, and available power generated.