Resumen de Optimizing household energy planning in smart cities: A multiobjective approach

Sergio Nesmachnow , Giovanni Colacurcio, Diego Rossit, Jamal Toutouh El Alamin, Francisco Luna Valero

• español

  Este artículo presenta los avances en el diseño e implementación de un sistema de recomendación para planificar el uso de electrodomésticos, enfocado en mejorar la eficiencia energética desde el punto de vista tanto de las compañías de energía como de los usuarios finales. El sistema propone el uso de información histórica y datos de sensores para definir instancias del problema de planificación considerando las preferencias del usuario, que a su vez se proponen resolver mediante un enfoque evolutivo multiobjetivo, para minimizar el consumo de energía y maximizar la calidad del servicio ofrecido a los usuarios. Se informan resultados prometedores en casos realistas del problema, en comparación con situaciones en las que no se utiliza una planificación energética inteligente (es decir, modelo ‘Bussiness as Usual’) y también con un algoritmo goloso desarrollado en el marco del proyecto de referencia. El enfoque evolutivo propuesto fue capaz de mejorar hasta el 29.0 % en la utilización de energía y hasta el 65,3 % en las preferencias del usuario sobre los métodos de referencia.

• English

  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.