Está en la página 1de 11

Gestión eficiente de la energía para la Internet de las cosas es ciudades

inteligentes

Página 1
Gestión eficiente de la energía para la Internet de las cosas es ciudades
inteligentes El drástico aumento de la urbanización en los últimos años
requiere un desarrollo sostenible, Soluciones inteligentes para el transporte,
gobernanza, medio ambiente, calidad de vida, etc. El internet de las Cosas
ofrece muchas aplicaciones sofisticadas y ubicuas para ciudades
inteligentes. Los Demanda de energía de las aplicaciones IoT, mientras que
los dispositivos IoT continúan creciendo números y requisitos. Por lo tanto,
las soluciones de ciudades inteligentes deben tener la capacidad de utilizar
la energía y manejar los desafíos asociados. La gestión de la energía se
considera una Paradigma para la realización de sistemas energéticos
complejos en ciudades inteligentes. En este artículo presentamos Un breve
resumen de la gestión de la energía y los desafíos en las ciudades
inteligentes. Proporcionamos un Unificador para la optimización de la
eficiencia energética y la programación de ciudades inteligentes basadas en
IoT. También discutimos la recolección de energía en las ciudades
inteligentes, que es una solución prometedora para extender La vida útil de
los dispositivos de baja potencia y sus retos relacionados. Se detallan dos
estudios de caso. El primero se centra en la programación eficiente de la
energía en hogares inteligentes, y el segundo cubre los servicios
inalámbricos Transferencia de energía para dispositivos IoT en ciudades
inteligentes. Resultados de la simulación de los estudios de caso Demostrar
el tremendo impacto de la optimización de la programación
energéticamente eficiente y Transferencia inalámbrica en el rendimiento de
las ciudades inteligentes.
INTRODUCCION.
Las soluciones de ciudades inteligentes utilizan tecnologías de
comunicación y redes para Problemas precipitados por la urbanización y la
creciente población. Internet de las cosas (IoT) es un Clave para ciudades
inteligentes, en las que los dispositivos de detección y los actuadores son
componentes principales Con dispositivos de comunicación y de red. Los
dispositivos de detección se utilizan para la detección en tiempo real Y el
monitoreo de las operaciones de la ciudad en varios escenarios. Se proyecta
que en un futuro próximo, Dispositivos, máquinas y objetos industriales,
personales, de oficina y domésticos comunes Capacidad de sentir,
comunicar y procesar la información ubicuos [1]. Sin embargo lo es Desafío
para diseñar un marco completamente optimizado debido a la naturaleza
interconectada de Ciudades con diferentes tecnologías. Además, las
soluciones de ciudades inteligentes tienen que ser eficientes Tanto de los
usuarios como del entorno.
Estos desafíos han obligado a los diseñadores de redes a considerar una
amplia gama de Diferentes condiciones para las ciudades inteligentes
habilitadas para IoT. Así, el despliegue eficiente de sensores y Optimizado

2. El "ALMANAC: Fiable y seguro de Internet seguro de las cosas para las ciudades inteligentes "proyecto se centra en IoT habilitado verde Y soluciones inteligentes sostenibles [9]. rentables. Las soluciones eficientes en energía para las ciudades inteligentes habilitadas para IoT incluyen: Una amplia gama de temas tales como protocolos ligeros. Una ilustración de smart Ciudades con el foco en casas inteligentes se muestra en la Fig. optimización de programación. tasa de llegada de energía. las soluciones de ciudades inteligentes tienen que ser eficientes desde el punto de vista energético. En otras palabras. Cisco. Asimismo. los transceptores de baja potencia y un Marco de gestión [3 . Esta clasificación junto con algunos ejemplos de Los temas de investigación se muestra en la Fig. Confiable. En este artículo. evaluar y probar un marco de IoT habilitado inteligente Ciudad aplicaciones en las que los objetos inteligentes pueden operar con eficiencia energética [8].Redes Ciudades Inteligentes para la Eficiencia Energética”. Además. Tanto la academia como la industria se están centrando en la gestión de la energía en las ciudades inteligentes. El IEEE en La asociación con la Unión Internacional de Telecomunicaciones (UIT) tiene una comunidad de ciudades inteligentes Con el objetivo de prestar asistencia a los municipios para la transición hacia ciudades inteligentes. modelos predictivos Para el consumo de energía. consideramos la gestión de la energía para IoT en ciudades inteligentes. Nuestras contribuciones pueden resumirse como Siguiente: . se desarrollan soluciones de ahorro energético para Ciudades en el marco de los proyectos "Planificación de Ciudades Eficientes en Energía (PLEEC)" y "NiCE . Los temas de investigación incluidos dentro de ambos tipos de Diseño del receptor de recolección de energía. Honeywell. Por lo tanto. programación de fuentes de energía dedicadas y energía multipista Encaminamiento [2. empresas como IBM. Se han llevado a cabo varios proyectos sobre ciudades inteligentes El Séptimo Programa Marco (7PM) de investigación de la Comisión Europea en el pasado pocos años. Clasificamos el manejo de la energía en ciudades inteligentes en dos tipos principales: eficiencia energética Soluciones y operaciones de recolección de energía. los dispositivos IOT deben funcionar de manera autosuficiente Sin comprometer la calidad de servicio (QoS) con el fin de mejorar el rendimiento con Operaciones de red ininterrumpidas [2]. La recolección de energía permite a los dispositivos IoT recolectar Fuentes ambientales y / o fuentes de RF dedicadas. un enfoque basado en la nube. seguro. los objetivos principales de la "IoT Confiable. 1. Por ejemplo. El objetivo de la recolección de energía es aumentar la Vida útil de los dispositivos IoT. Fujitsu Sugirió un enfoque de la gestión de la energía para las empresas y ha introducido un Sistema de gestión de edificios inteligentes como servicio de nube [7]. Intel y Schneider Electric participan en diversas soluciones de eficiencia energética Para ciudades inteligentes. 6]. colocación de un número mínimo de Fuentes de energía dedicadas.que puede adaptarse a las condiciones es necesario para IoT-enabled ciudades inteligentes.5]. Resiliente y Segura para Ciudad Aplicaciones "proyecto son desarrollar. y así sucesivamente. Por ejemplo. la eficiencia energética y la vida útil de IoT Los dispositivos son la clave para la próxima generación de soluciones de ciudades inteligentes.

• Proporcionamos un marco de optimización para la investigación en ciudades inteligentes habilitadas para IoT. Es difícil desmaterializarlos. Por ejemplo. refrigeración y calefacción Unidades residenciales. Electrodomésticos: LOS Electrodomésticos son las principales fuentes de consumo de energía. y la educación a distancia puede crear una reducción significativa de la energía consumo. es posible desmovilizar los servicios Reducción del consumo de energía. Finalmente. Nosotros presentamos Los objetivos. explotando la asistencia sanitaria remota mediante la visualización Sensores y teléfonos móviles. el funcionamiento inteligente de las actividades también puede Gestión optimizada y funcionamiento de la energía. es imperativo Energía para los dispositivos IoT. • Cubrimos soluciones eficientes desde el punto de vista energético para ciudades inteligentes habilitadas para IoT. . A continuación se presentan algunos ejemplos en los que podemos reducir el consumo gestión eficaz. Se presenta un estudio de caso a Muestran las mejoras de rendimiento obtenidas al programar la optimización en redes domésticas inteligentes. Por otra parte. Habrá más de 50 millones de dispositivos IoT conectados a Internet para 2020 [10]. El calentamiento global y la contaminación del aire son amenazas generaciones futuras. Por lo tanto. Un caso Estudio para investigar las mejoras en el desempeño logradas por la programación de fuentes de energía. según las estadísticas proporcionadas por Cisco. Por otro lado. Educación y Salud: Teniendo en cuenta la importancia de los servicios educativos y de salud. el tipo de problema y los enfoques de soluciones para el manejo de la energía. Esto es causado por la emisión de humos con un volumen aumentado con la En la demanda de energía. Esta Explosión en los dispositivos planteará serios problemas de consumo de energía. para que el concepto de ciudades inteligentes se pueda Sostenida. Sin embargo. Gestión de energía y desafíos para aplicaciones inteligentes de la ciudad Una necesidad urgente de gestión de la energía ha surgido en todo el mundo debido a una continua Aumento en las demandas de consumo. dedicamos una sección a la recolección de energía para aplicaciones ciudades inteligentes habilitadas para IoT. La gestión de la demanda es Para la personalización del uso de energía mediante la gestión de los sistemas de iluminación. se extraen las conclusiones y ofrecemos orientaciones futuras de investigación para En ciudades inteligentes habilitadas para IoT. • A continuación.

Soluciones energéticamente eficientes para ciudades inteligentes . los desplazamientos diarios Para trabajar en vehículos personales. viajes de ocio. Control de congestión y estacionamiento inteligente. Esto también puede reducir significativamente el consumo de energía Como emisión de CO2. De manera similar. 3. Eficiente es de suma importancia. Procesamiento de alimentos: El consumo de energía en la industria de los alimentos no sólo está relacionada con el almacenamiento. IoT . Los dispositivos IoT generalmente funcionan con pilas y tienen espacio de almacenamiento limitado. En [13]. 3 puede ser Considerado. No sólo reducirá el consumo de energía. En la Fig. Los autores en [12] Presentaron un marco de optimización para la programación inteligente de Asignación de recursos energéticos. son también una de las principales causas de contaminación en las ciudades. tipos de problemas y técnicas de optimización correspondientes Para la gestión de la energía. Sino también mantener la QoS mínima para las aplicaciones en cuestión. y así sucesivamente.Transporte: El uso de la energía para el transporte incluye el transporte público. Respecto a estos Las limitaciones fundamentales de los sensores. Los autores desarrollaron una estrategia de De gestión energética de los aparatos. los autores presentaron una energía centrada en QoS y consciente Algoritmo de selección de servicios para entornos IoT. También incluye comensales que se trasladan a restaurantes en busca de comida.Se pueden emplear soluciones habilitadas para la gestión de la energía. El objetivo es minimizar la energía Mientras satisface los requisitos de QoS. El objetivo de este estudio es minimizar Costo e insatisfacción del usuario. es difícil realizar las soluciones IoT con Vida de la red. Por otro lado. los objetivos mostrados en la Fig. Por ejemplo. como la gestión del tráfico. IoT-soluciones habilitadas pueden ser utilizadas aquí para hacer elecciones optimizadas en términos de alimentos disponibilidad. Esto da como resultado un problema combinatorio entero mixto que es Transformado en un problema de programación convexo estándar. Este marco Proporciona detalles de los objetivos. Con el fin de utilizar eficientemente los limitados recursos de los sensores. el transporte de los alimentos también puede ser optimizado por Incorporando medios inteligentes de transporte. Compra y preparación de alimentos. 1 se muestra un marco de optimización típico para las ciudades inteligentes habilitadas para IoT. un problema de optimización para minimizar el costo de El uso de la electricidad se presenta en [11]. Además de la energía consumida por Transporte público y vehículos personales. y el marco puede ser utilizado como una guía para resolver los problemas de optimización.

Las ciudades inteligentes habilitadas son de vital importancia. donde el desplazamiento de carga se refiere a la transferencia de La carga de los clientes desde los niveles más altos a los más bajos. la electricidad puede ser conservada Y proporcionar espacio para otros clientes. Avanzado Protocolo de cola de mensajes (AMQP). y así sucesivamente. Más Precisamente. Se refieren a la amplia gama de aplicaciones Ciudades inteligentes. Habilitado para IoT Las ciudades inteligentes tienen que utilizar varios protocolos para la comunicación.Con el aumento de las aplicaciones de IoT para ciudades inteligentes. Protocolos Ligeros: Ligeros significa que un protocolo causa menos sobrecarga. Existen varias Protocolos en la literatura como el transporte de telemetría de Message Queue (MQTT). Constrained Protocolo de Aplicación (CoAP). Hay algunas soluciones energéticamente eficientes que pueden reducir la energía Consumo u optimizar la utilización de los recursos. 6lowPAN y Universal Plug and Play (UPnP) IoT. MQTT y CoAP son los protocolos más populares. Optimización de la planificación: La optimización de la programación para las ciudades inteligentes activadas por IoT se refiere a la Optimización de los recursos con el objetivo de minimizar el consumo de energía y Reduciendo el uso de electricidad. A continuación se presentan algunas de las principales Soluciones eficientes en energía de ciudades inteligentes habilitadas para IoT. Cada uno de estos protocolos está diseñado para Escenarios y aplicaciones en los que funciona bien. MQTT es un protocolo ligero que recopila datos de IoT Dispositivos y transmite a los servidores. la conversión del protocolo es un Componente importante de IoT. sino que también conducirá a muchos Beneficios. Enfoque basado en la nube: La computación en nube ha reformado los servicios de computación y almacenamiento. Al adoptar esto. el enfoque basado en la nube ayuda a gestionar la enorme flexibilidad del centro de datos y en Una manera más eficiente de la energía. las soluciones de eficiencia energética también están evolucionando Para dispositivos de baja potencia. . Que puede utilizarse para proporcionar soluciones energéticamente eficientes para las ciudades inteligentes habilitadas para IoT. la gestión de la demanda (DSM) importancia. En este sentido. Protocolo Extensible de Mensajería y Presencia (XMPP). En términos generales. Se refiere a la manipulación del uso de electricidad residencial alterando el sistema La forma de la carga y consecuentemente la reducción del coste. CoAP está diseñado para dispositivos restringidos y redes para Transferencia web (véase [14] para protocolos IoT). DSM comprende dos Tareas: desplazamiento de la carga y conservación de la energía. incluidos modelos predictivos para el tráfico y los viajes. Además. Aprovechamiento de la predicción No sólo reducirá el consumo significativo de energía. Modelos predictivos para el consumo de energía: modelos predictivos para el consumo de energía en IoT. Varios modelos de predicción como los neuronales Redes y procesos de decisión Markov pueden ser incorporados aquí. que puede requerir que los dispositivos IoT sean de Fabricantes o utilizando diferentes protocolos. modelos predictivos Controlando la temperatura y la humedad.

Transceptores de baja potencia: Dado que los dispositivos IoT en aplicaciones smart city funcionan con Baterías. horarios personalizados del día a día. 2. calentador de agua y refrigerador) y carga basada en condiciones climáticas (por ejemplo. Se presentó un marco de gestión cognitiva contextual En [4]. lavadora. por qué y cómo conectarse) según el contexto. Generalmente. Esto ayuda a proporcionar más electricidad a menor costo. Más Específicamente. y así sucesivamente. Además. DSM es responsable del programa de respuesta a la demanda y del cambio de carga. que tomó decisiones con respecto a los dispositivos IoT (cuándo. Carga interrumpible (por ejemplo. una arquitectura de diseño de bajo consumo o un marco de operación es de Abordando la gestión de la energía en las ciudades inteligentes habilitadas para IoT. Aquí. calentamiento Y enfriamiento). Estudio de caso sobre redes domésticas inteligentes Las redes domésticas inteligentes permiten a los propietarios de viviendas utilizar la energía eficientemente La gestión de electrodomésticos. Mayormente. La red inteligente ha proporcionado la capacidad Para mantener la demanda de electricidad en línea con el suministro durante el tiempo máximo de uso. En las redes domésticas inteligentes. la carga de los dispositivos puede clasificarse Cargas inmanejables. . Los electrodomésticos se están volviendo inteligentes con características adicionales de conectividad que permiten Consumidores para aprovechar el programa de respuesta a la demanda. En el El programa de respuesta a la demanda. Marco de Gestión Cognitiva: Los dispositivos IOT son de naturaleza heterogénea y Los servicios asociados no son fiables. el ciclo de trabajo radioeléctrico para los dispositivos IoT es un factor importante en la eficiencia energética. las redes domésticas inteligentes ofrecen Estilos de vida. es importante investigar un problema cognitivo Marco de gestión que adopta la inteligencia y los enfoques cognitivos en todo el IoT. la aplicación existente Los protocolos para dispositivos IoT no están de acuerdo con la perspectiva de eficiencia energética. Se llama Gestión de la demanda.Permitió ciudades inteligentes. lavavajillas). horas pico. Por lo tanto. e Investigadores están explorando métodos para reducir el ciclo de trabajo radioeléctrico de los Posteriormente para lograr la arquitectura de eficiencia energética. para reducir las facturas de electricidad. La compañía eléctrica puede contactar Consumidores a reducir / cambiar su consumo de electricidad a cambio de ciertos beneficios monetarios. la carga de un cliente se puede reducir en horas pico. Se muestra una ilustración del modelo de red doméstica inteligente para la programación de dispositivos en la Fig. El marco debe incluir razonamiento y aprendizaje para mejorar Decisiones para las redes de IoT. DSM reduce el coste de la electricidad alterando / cambiando la carga del sistema [5]. La carga manejable se divide además en carga desplazable (por ejemplo. ya que tiene un alto consumo de energía y previsibilidad en las operaciones. nos centramos en el manejo de la energía de la carga manejable del artefacto En casas inteligentes.

Las restricciones garantizan que cada No ocupan más intervalos de tiempo que los requeridos. vibraciones y energía solar. y los intervalos de tiempo para cargas desplazables son consecutivos. Es evidente que con DSM los aparatos se activan cuando la tarifa es bajo. Formulamos un problema Para la programación de electrodomésticos inteligentes teniendo en cuenta las tarifas y la carga máxima. Definimos T. Sin embargo. El xt naCtPt na para todo el conjunto de NA. Tales problemas son generalmente NP-duro Y requieren algoritmos muy eficientes. la Fig. consideramos sólo cuatro tipos de aparatos: lavadora. Consideramos Restricciones prácticas de la ocupación temporal y del tiempo consecutivo que deben satisfacerse Realista de la programación de los dispositivos. y A es el conjunto que es una unión de todos los aparatos. la recolección de Las fuentes ambientales depende de su disponibilidad. An es el conjunto de Aparatos en el tipo de carga n. Se considera que una secadora no se puede activar antes Una lavadora. sólo el secador se activa cuando el arancel es bajo en ausencia de DSM. secadora. y Pt na como el número de intervalos de tiempo en un día. no hay programación para los aparatos. de tarifas / coste en dólares en el intervalo de tiempo t. De lo contrario. todos los aparatos están programados en el momento en que la tarifa es baja con DSM. De manera similar. sin DSM. Sin embargo. Análisis de rendimiento Para fines de ilustración. La cosecha de energía se puede clasificar generalmente en dos categorías: • En la recolección de energía ambiental. Es importante notar que en algunas ocasiones la carga total para ambos La gestión óptima de la energía y la gestión de la energía no es la misma. 0. Lavavajillas y vehículo eléctrico. El general Objetivo es programar los aparatos de tal forma que el costo total sea mínimo. respectivamente.Consideramos una red doméstica inteligente en la que NA es el conjunto de tipos de carga. Cosecha de energía en ciudades inteligentes La cosecha de energía se considera como una solución potencial para aumentar la vida útil de los dispositivos IoT en ciudades inteligentes. y se pueden activar en en cualquier momento. señales RF en el ambiente. Esto es porque hay Ninguna carga desplazable en este momento. donde xt na es una variable binaria con Valor 1 cuando el aparato del tipo de carga n-ésima en la ranura de tiempo t está encendido. es decir. Por ejemplo. Resolvimos el problema de optimización utilizando un Algoritmo heurístico. 4b muestra que la carga total es menor en el caso de una gestión óptima de la energía cuando el arancel es alto. La Figura 4a muestra la tarifa y el tiempo de la ranura para (Ranuras gruesas) y sin DSM (ranuras delgadas). y Pt na Potencia del dispositivo de tipo n- ésimo tipo de carga en la ranura de tiempo t. A para todos los intervalos de tiempo T. . C ^ t. En contraste. El problema de optimización aquí es la programación entera. los dispositivos IoT recogen energía de fuentes Como viento. que no siempre está garantizada.

la colocación óptima y el número de Las fuentes de energía dedicadas son cuestiones cruciales en la recolección de energía dedicada. La cantidad de energía cosechada por cada dispositivo IoT depende de la sensibilidad de la cosecha Circuitos. Energía tasa de llegada: El nivel de incertidumbre de la tasa de llegada de la energía es más alto en energía Cosecha de fuentes ambientales que en la recolección de energía dedicada. Esto puede ocasionar el agotamiento de la energía de Lejos de las fuentes de energía dedicadas y así reducir la vida útil de la red. Entonces. las fuentes de energía se despliegan Entorno de los dispositivos IoT. Sin embargo. la conversión de RF a DC es la Ingrediente fundamental de la recolección de energía RF.Basado en la energía. Por lo tanto. • En la recolección de energía dedicada. Colocación de un mínimo Número de fuentes de energía dedicadas: dispositivos de IoT que están espacialmente distantes de fuentes de energía Puede resultar en una cosecha de energía desigual. La programación de transmisores de energía: la energía consumida por las fuentes de energía puede ser dedicados Reducido mediante la introducción de la recolección de energía basada en tareas. Así. en la que los Programado para la transferencia de potencia RF basado en los requisitos de recolección de dispositivos IoT. Por lo tanto. La sensibilidad requerida para el circuito de cosecha es Receptores tradicionales. Multi-Path Energía de enrutamiento: multi-ruta de enrutamiento de energía almacena la energía de RF dispersada de Diferentes fuentes con la ayuda de enrutadores de energía RF. el éxito de la recolección de energía para los dispositivos IoT en las ciudades inteligentes tiene que enfrentarse a varios Que se analizan a continuación. estos enrutadores de energía pueden transferir Energía a través de una vía alternativa a los dispositivos IoT. Además. Por lo tanto. El enrutamiento energético multipista se basa en la idea de Multihop de transferencia de energía en la que los nodos de retransmisión se despliegan cerca de dispositivos IoT. la distancia entre un dispositivo IoT y una fuente de energía. Podemos hacer En el caso de las fuentes de energía ambiente. Esto ayudará a Reducen la pérdida . El modelado preciso y detallado de la tasa de llegada de energía es indispensable para Analizar el desempeño de los sistemas de recolección de energía en ciudades inteligentes. etc. un circuito de recolección eficiente y confiable El diseño es necesario para maximizar la energía cosechada. la programación de Transmisores de energía con cobertura garantizada y duración es vital para la eficiencia Cosecha de energía dedicada. Esto se debe a que el Utiliza fuentes de energía renovables. Esta Requiere un cierto nivel de cobertura y tiempo suficiente para cosechar. lo que puede dar lugar a fluctuaciones en la transferencia de energía debido al medio ambiente Y la movilidad (fuente de energía y dispositivos IoT). los diseñadores de circuitos deberían Eficiencia de RF-toDC conversión utilizando tecnologías avanzadas. el entorno. Receptor de recolección de energía Diseño: El diseño del circuito de recolección es la principal preocupación en la RF. mientras que la segunda utiliza fuentes de energía Cuya localización es establecida por diseñadores de redes en base a los requisitos de cosecha de IoT Dispositivos.

5.de trayecto entre el nodo de retransmisión y los dispositivos de IoT. El controlador puede asignar varias tareas desde K (K es un conjunto de tareas) a los transmisores de energía. Los dispositivos IoT solicitan transferencia de potencia desde el controlador enviando Solicitan si su energía residual es menor que un umbral predeterminado xTh. como se muestra en la Fig. Que es 1 si la tarea k está en el rango de cosecha de ey 0 en caso contrario. Proponemos un esquema de programación para transmisores de energía en la recolección de energía dedicada para IoT Dispositivos. El nodo con energía residual ≤ xTh obtiene acceso al canal antes de la transmisión de datos por otros Nodos de sensores. S. El controlador de cosecha es Considerado como un controlador de nube. El paquete de solicitud Contiene el ID del nodo solicitante. Deje que el consumo de energía Del transmisor de energía eth en modo activo sea xe. Estudio de caso: programación de fuentes de energía en la recolección de energía dedicada para dispositivos IoT. 5. que es un conjunto centralizado de recursos con información sobre La localización de dispositivos IoT y transmisores de energía. El controlador de recolección recibe esta solicitud para la tarea k Y calcula fet para todos los transmisores de energía. que es 1 si la El transmisor de energía e está programado / activado y 0 en caso contrario. Los nodos que tienen datos para transmitir se ven obligados a congelar sus temporizadores de backoff como La transmisión de datos no es posible en este momento. que se considera como tarea k. Se puede activar un transmisor de energía para Recolectando el (los) dispositivo (s) IOT objetivo si y sólo si la tarea k está dentro del intervalo de cosecha de e. Se supone que los transmisores de energía tienen una fuente de alimentación continua y Puede satisfacer los requisitos de todos los dispositivos IoT en la zona. Consideramos una red en ciudades inteligentes con transmisores de energía de RF dedicados que consiste en NI IoT (cada dispositivo está equipado con un circuito de recolección) y transmisores de energía NE. La potencia de transmisión de la energía eth El transmisor es denotado por Pe. Definimos una variable binaria ψe. y también mejoran el RF-to-DC eficiencia de conversión. El transmisor de energía e puede transferir el poder a una tarea k ∈ K si el Solicitando que el dispositivo IoT esté en el rango de recolección de e. adoptar el RF-medio de control de acceso (RF-MAC) protocolo propuesto en [15]. el ID del controlador y los requisitos de recolección de energía. Los dispositivos IoT pueden solicitar Transferencia de un controlador de cosecha. es decir. Mostrado en la Fig. Un sensor Nodo con energía residual menor que un umbral preestablecido puede enviar RFP para Un mecanismo de prioridad de acceso (para más detalles sobre este mecanismo. El controlador recibe este paquete y los procesos Para activar el (los) transmisor (es) de energía. El objetivo aquí es activar el número mínimo de transmisores de energía para minimizar el Energía consumida por los transmisores de energía . Aquí. El umbral se establece mientras Considerando que el nodo tiene suficiente energía para operaciones críticas. El intervalo de recolección se denotan por fet. A y en modo de reposo xe. Y la tarea k está programada / activada en él. Fet = 1. véase [15]).

Consideramos un tamaño de red pequeño para el que La probabilidad de que las tareas estén espacialmente cercanas es alta. podemos Necesitan activar el mismo número de transmisores de energía en función de su ubicación. Por lo tanto. Búsqueda exhaustiva y una red de sensores inalámbrica tradicional [WSN]). Así. NE = 10 y 20). Que es computacionalmente caro y poco realista para un gran número de transmisores de energía Y tareas. Este paquete tiene la información de la frecuencia central del El transmisor de energía y la duración de la carga de energía. los tradicionales ilustran la importancia de la energía administración. Una forma de obtener una solución óptima es enumerar todas las combinaciones posibles de ψe. El primer estudio de caso presenta la optimización de la programación de dispositivos en casa . es decir. El transmisor Y recibir energía para los dispositivos IoT se consideran de las especificaciones MICA2. Análisis de rendimiento: Evaluamos el desempeño de la programación de bajo consumo de la energía Transmisores. Los esquemas propuestos pueden modificarse para utilizarlos con transmisores de energía direccional Superar las pérdidas de trayectoria. Finalmente. De la fig. consideramos un algoritmo de ramificación y enlazado para la programación de Fuentes de energía RF. 6b. El consumo de energía en el esquema propuesto Se reduce al costo de la sobrecarga y el retraso debido al intercambio de paquetes entre dispositivos IoT. Por lo tanto. En contraste.(Para un número dado de transmisores de energía. Así. para un esquema de programación energéticamente eficiente (rama y límite. Los transmisores de energía están activados todo el tiempo. Esto está sujeto A las restricciones en la cobertura fet. puede observarse que el consumo de energía Para esquemas eficaces de programación no es muy afectada por el aumento de los transmisores de energía NE Para un número determinado de tareas (K = 5 y K = 15). S. respectivamente.dedicados. la duración de la cosecha de energía y la energía de cosecha objetivo -CE.ψe) xe. Controlador y transmisores de energía. Esto se debe a que los transmisores de energía se activan en función del número de Ubicación en lugar de un número total de transmisores de energía. Podemos necesitar un número diferente de Transmisores de energía activa si los dispositivos solicitantes están lejos o cerca uno del otro. que se distribuyen al azar en un campo rectangular de 100 m × 100 m. es decir. es decir. La energía Consumo en las WSN tradicionales es constante independientemente del número de tareas. ψexe. Una vez optimizada la activación de las fuentes de energía en el controlador. Consideramos transmisores de energía omnidireccionales que irradian ondas con poder 46 dBm. Consideramos NI = 200 dispositivos IO. para diferentes números de tareas. A + (1 . se Para un paquete de transferencia de potencia se envía a los transmisores de energía que se seleccionan para la potencia de RF transferir. La figura 6a muestra que la El consumo de energía se incrementa lentamente con el aumento en el número de tareas en una relación energía. Las figuras 6a y 6b ilustran el impacto de una serie de tareas y transmisores de energía sobre la energía Consumo. Se superponen las curvas. la (s) fuente (s) de energía envían el paquete de acuse de recibo al dispositivo (s) IOT que Solicitó la transferencia de energía. lo que sin duda puede ayudar a mejorar la eficiencia de carga. el consumo de energía se duplica NE = 20 comparado con el caso cuando NE = 10.

• La eficiencia energética y la complejidad de los protocolos de seguridad son aspectos Su aplicación práctica en IoT. por lo tanto Es importante estudiar el consumo de energía de los dispositivos de niebla para aplicaciones de IoT. • Transmisión de energía direccional a partir de fuentes de energía dedicadas para energía inalámbrica transferir. . Posible Las futuras direcciones para la gestión de la energía en las ciudades inteligentes son: • Mecanismos de eficiencia energética para soluciones IoT definidas por software. es importante investigar la seguridad robusta Protocolos para dispositivos IoT de restricción de energía. Por lo tanto.inteligente Redes cuyo objetivo es reducir el coste de la electricidad. El segundo estudio de caso Eficiente de fuentes de energía dedicadas para dispositivos IoT en ciudades inteligentes. Resultados de la simulación Se presentan para mostrar la ventaja de la gestión de la energía en IoT para las ciudades inteligentes. que escalables y con conocimiento del contexto. • La computación de niebla puede conducir al ahorro de energía para la mayoría de las aplicaciones de IoT.