The Smart Electric Metering (SEM), seeks to supply quality services without neglecting the reliability of the system. Therefore, a quality service must be closely linked to the wireless communication technologies, to technify the SEM, not only the read, but also cuts, reconnections, and another additional services that the infrastructure of intelligent measurement provides through wireless technologies, such as Cellular or WiFi. This article proposes an quasi-optimal planning and deployment model of smart meter (SM) for SEM in order to guarantee reliable wireless links communication at the lowest implementation cost. The proposed algorithm gives global solutions within a finite scenario, making it a scalable model in time capable of managing the use of available links.
La en la actualidad, se busca implementar nuevos conceptos de redes eléctricas inteligentes, aplicables al sistema eléctrico tradicional. El presente trabajo plantea resolver el problema combinatorio que en ciertos trabajos se han definido como NP-Complete [IOPSH+16]; de esta manera, presentamos una opción heurística para lograr un despliegue cuasi-óptimo de medidores inteligentes (MI). La información obtenida de cada MI se transmitirá mediante saltos, en caso de ser necesario, con una topología de enrutamiento basada en Copyright © 2017 by the paper’s authors. Copying permitted for private and academic purposes. árboles, de tal manera que, ayude a mejorar la velocidad de transmisión [IH16] introduciendo de esta manera el concepto de [GIKK11], que es una operación fundamental en redes inalámbricas.
Para la construcción de los conglomerados nos basaremos en el algoritmo de PRIM. Otros trabajos han presentado métodos para resolver este tipo de problemas basados en una previa clusterización articulados con árboles de mínima expansión según se presenta en [ICHA17]. Posteriormente, para el enrutamiento, se utiliza el algoritmo de Dijkstra.
laciones basándose en los parámetros de medición inteligente [IIO+17].
manera. En la sección II se introduce los requisitos fundamentales de redes híbridas para medición inteligente de energía eléctrica. En la sección III se plantea la formulación del problema. En la sección
2
Para el despliegue de redes inalámbricas se debe considerar aspectos como: enrutamiento fiable, ubicación segura y agregación segura de datos. Las redes inalámbricas están constituidas a partir de dos elementos básicos: muchos MIs y uno o varios puntos de agregación de datos (PADs) [NDL14] y forman una red dentro de una área de cobertura [IOPSH+16]. Los MIs capturan información de parámetros eléctricos, tales como: potencia reactiva y consumo para proyectar la respuesta a la demanda y, transmiten los datos hacia los PADs para que ellos se encarguen de retransmitir la información hacia las estaciones base (EB) más cercanas y finalmente las EBs se encargarán de reenviarlos a los centros de control [IIO+17]. Por lo tanto, los MI∈A(n)
X MI∈A(n) X S ≤ s∈S Xi,j = Zi,j =
M I = Zi,j , ∀ Z ∈ A(n) M I = Xi,j , ∀ X ∈ A(n) m, ∀ S ∈ A(n); ∀ m > 1
X rnii,j∈rds
X rnsi,j∈rdb rni ≤ rds, ∀ X ∈ A(n) rns ≤ rdb, ∀ Z ∈ A(n) (10) algoritmos de planeación, despliegue y enrutamiento juegan un papel muy importante en redes inalámbricas.
En nuestro método las agrupaciones se organizan en racimos. La característica fundamental de un PAD, radica en poseer doble tarjeta incorporada en el MI, es decir, un PAD es un MI con doble tarjeta de acceso inalámbrico (WiFi y Celular), diferenciándose así de un MI simple, que únicamente dispone de una sola tarjeta de acceso inalámbrico WiFi, pero con disponibilidad de dos slots. Por lo tanto, los PADs son capaces de recibir la información proveniente de los MIs mediante tecnología WiFi y reenviar los datos mediante tecnología celular. 3
eléctrica distribuidos aleatoriamente en un área A,
Z. Cada conglomerado tiene una capacidad de agrupar hasta m MIs. Suponemos que el rango máximo de transmisión bidireccional de los MIs hacia los PADs es rds, y desde los PADs hacia las EBs es de rdb. Es decir, cualquier pareja de nodos cuya distancia euclidiana rni y rns este dentro de rds y rdb respectivamente, pueden comunicarse entre sí. Los MIs X y PADs Z que no alcancen la distancia euclidiana máxima permitida a un solo salto h, lo harán mediante múltiples saltos.
tecnología celular hacia las EBs con un costo C1. Una vez identificado los conglomerados se eliminan los enlaces celular y se adiciona enlaces WiFi para establecer la comunicación intra-clúster a un costo C2. Además se advierte que , C1 >> C2.
Cwf = C2 ∗ Ccell = C1 ∗ k k X(sj − 1) j=1 min Cwf + Ccell
Ci ∈ <+, ∀ i = 1, 2
X (s − 1) + k = n, ∀ sk ∈ n; ∀ n ∈ A(n) (5) s,k ∈ n (6) (7) (8) (9) (1) (2) (3) (4)
La ecuación (3) corresponde a la función objetivo, que consiste en minimizar los costos empleando redes inalámbricas híbridas. La ecuación (4) afirma que necesariamente existe dos tipos de costos. En la ecuación (5) presenta una restricción de verificación, en la que debe cumplirse que, la suma de enlaces mediante tecnología WiFi y la suma de enlaces con tecnología celular no supere el número total de medidores inteligentes desplegados en el área, de esta manera se garantiza que no exista bucles o loops.
pacidad, de la ecuación (8), limita el número de MIs intra-clúster. En las ecuaciones (9) y (10) se da lugar a la existencia de los diferentes enlaces (Celular o WiFi), que formaran parte de la red.
Basándose en el Algoritmo de PRIM, que se ha modificado para los fines de la investigación, se construye los conglomerados considerando las restricciones de distancias máximas permitidas. En el algoritmo 1 se da solución al despliegue de MIs mediante redes heterogéneas. 4
siguientes: distancias máximas Celular y WiFi 1.5 y 0.5 respectivamente, ubicación de las EBs [0,75 1,5] [2,25 1,5], número de exploraciones 100, capacidad máxima de MIs de cada agrupación 23 y la densidad de MIs es 512.
ción de los conglomerados es a partir de distancias entre MIs. El objetivo es generar diferentes escenarios, partiendo de distintas distancias tomadas en cada iteración.
encuesta ← usados.
Paso: 2 x= [xs EBx], y= [ys EBy]
return: tmp Paso: 5 nivel inferior while encuesta ≤ n do if indice6= 1 indice(tmp) = 1 encuesta= sum(sum(indice)) endif f or k → length(tmp) f or j → length(tmp)
G(tmp(k), tmp(j)) = 1 G(tmp(j), tmp(k)) = 1 endf or endf or endwhile
for i → 1 : length(P AD) G(i, EB) = 1, G(EB, i) = 1. if rns > rdb G(i, EB) = 0, G(EB, i) = 0. endif endf or.
En la Figura 1 se ubican los MIs, PADs y las EBs representados con circunferencias de color azul, verde y triángulos amarillos respectivamente.
3 2.5 ) 2 m k ( a ic1.5 n a itD1 s 0.5
BS1
BS2 las EB mediante tecnología celular representado de color celeste. Por lo tanto, en la Figura 1 se ilustra la topología tipo árbol cuasi-óptima para el despliegue de MIs al menor costo garantizando cobertura al 100%.
En la Figura 2, cuando la capacidad de un PAD de albergar MIs es mínima y la población aumenta, la necesidad de agregar PADs se torna indispensable para garantizar de cobertura a los MIs. Por otro lado, cuando el PAD tiene mucha capacidad disponible, la necesidad de PADs disminuye considerablemete en relación a un PAD con capacidades mínimas. Por lo tanto, a mayor capacidad disponible en los PADs y a mayor número de MIs desplegados, se puede reducir al máximo el uso de tecnología celular, la cual es muy costosa, y esto responde únicamente a que, dentro de una red vecindaria se dispone de conglomerados claramente definidos evitando la dispersión que a la larga se traduce en pérdidas.
) 147 # B (E46 )B45 d ( L FS440 100 200 300 400 500 600
Número de MI ) 247 # B (E46 )B45 d ( L FS440 100 200 300 400 500 600
Número de MI
Cap-PAD 3 Cap-PAD 6 Cap-PAD 12 Cap-PAD 15 Cap-PAD 18 Cap-PAD 21 Cap-PAD 3 Cap-PAD 6 Cap-PAD 12 Cap-PAD 15 Cap-PAD 18 Cap-PAD 21 00 0.5 1 1.5
Distancia (km) Estación Base MI Enlace Celular 2 2.5
3
Enlace Wi-Fi PAD
Cuando el escenario tiene pocos PADs el promedio de las pérdidas por propagación en el espacio libre (FSL) es menor, pero cuando la población de PADs aumenta el promedio de FSL aumenta. Por lo tanto, en la Figura 3 se expresa que, a medida que los MIs considerados como PADs se acercan a la EB, el promedio de FSL disminuyen, y por el contrario, cuando los
tan. Otra información importante que se obtiene de la Figura 3 es que el FSL no depende de la capacidad de los PADs, sino que depende de las distancias y la frecuencia del espectro radioeléctrico, que para el caso del cálculo de FSL se lo hace con una frecuencia de 5 GHz.
Se realizó varios ensayos para poder determinar porcentajes máximos a los que se puede reducir el uso de tecnología celular para minimizar costos de la IMA de energía eléctrica. En la Figura 4, se ensayó con diferentes densidades de MIs. La iteración 0 representa el punto inicial del problema, partiendo del supuesto que todos los MIs pueden ser DAPs, situación muy costosa. A medida que el algoritmo encuentra soluciones cuasi-óptimas la necesidad de emplear DAPs va disminuyendo. Además, se puede apreciar que, a medida que la densidad de MIs es menor, menor es el porcentaje posible para reducir costos. Por lo tanto, el algoritmo siempre logra reducir los costos de implementación de una IMA de energía eléctrica observando criterios de capacidad y cobertura.
600 500 400 s D A300 P # 200 100 00 1 5
necesario de PADs para medición de energía eléctrica proporcionando de cobertura a un número n de MIs. Una característica fundamental del modelo propuesto es que se adapta a las condiciones de la red inalámbrica requerida para medición inteligente de energía eléctrica. Al modificar los clústeres el algoritmo modifica la topología y almacena las matrices de conectividad para presentar al final la solución cuasi-óptima fruto de varias exploraciones. La simulación del algoritmo ha permitido analizar el uso de tecnología requerida en la infraestructura híbrida propuesta, logrando con ello determinar la mínima cantidad de PADs a emplearse, lo que nos lleva a requerir al mínimo, la tecnología celular que es la mas costosa. Además, el modelo admite parámetros reales tales como: capacidad y cobertura. En futuros trabajos se presentará una heurística con diferentes criterios de clusterización y la inclusión de flujos de información para evaluar cada enlace considerando un multígrafo. [GIKK11]