Comunicación presentada al I Congreso Edificios Inteligentes:
Autores
- Francisco Javier Ferrández Pastor, Universidad de Alicante
- Juan Manuel García Chamizo, Universidad de Alicante
- Vicente Romacho Agud, Universidad de Alicante
- Rafael Valdivieso Sarabia, Universidad de Alicante
- José Ramon Padilla Lopez, Universidad de Alicante
Resumen
Desde que en la década de los 80 apareció por primera vez el término intelligent building, la evolución de las instalaciones en los edificios ha ido de la mano de los diferentes avances en tecnologías de control y comunicación. De edificios con subsistemas eléctricos y de comunicación analógica se ha pasado a propuestas que integran tecnologías digitales con altos niveles de cómputo y de comunicación. Como consecuencia la automatización de las instalaciones actuales logran hacer interoperables los diferentes subsistemas y ofrecen nuevas posibilidades para desarrollar servicios que ofrecen un salto cualitativo en relación a los inicios. Para esto, es necesario desarrollar un nivel capaz percibir y de actuar sobre el entorno.
A partir de este nivel cabe el diseño un sistema experto que aprenda, razone y actúe con criterios de sostenibilidad, eficiencia y servicio a los habitantes. En este trabajo se propone un modelo de plataforma software basada en el paradigma de agentes inteligentes que actúa como sistema experto que automatiza decisiones de gestión, control y que evoluciona en función del tipo de uso dado al edificio. Un prototipo realizado en el Laboratorio de Domótica del grupo DAI de la Universidad de Alicante se presenta como caso de uso de dicho modelo en una instancia que implementa servicios para la gestión energética.
Introducción
Un edificio es inteligente cuando comienza a tomar una entidad propia, es capaz de percibir el entorno, comprende las diferentes situaciones en las que se encuentra y toma todas las acciones necesarias para resolver problemas. Para alcanzar estos requerimientos es necesario desarrollar un nivel capaz percibir y actuar sobre todo el entorno en su conjunto con criterios de sostenibilidad, eficiencia, y servicio a los habitantes. Este nivel lo proporcionan tecnologías basadas en Inteligencia Artificial las cuales deben soportar niveles de interoperabilidad y acceso a los diferentes subsistemas de los edificios tanto para obtener su estado como para actuar sobre la propia instalación. El carácter distribuido y la fácil implementación en la red (internet) que ofrece el paradigma de agentes inteligentes lo hacen idóneo como tecnología para la provisión de servicios digitales en edificios inteligentes.
Estado del arte
En la actualidad, la realización de grandes edificaciones para el sector terciario incorporan sistemas automáticos para el control y supervisión del edificio: autorregulación de la iluminación, control de calderas, control de accesos, sistemas de video vigilancia, control antiincendios, sistema de megafonía y alarmas, sistema de guiado al aparcamiento y otros. Sin embargo estos sistemas suelen ser autónomos e inconexos, por lo que existen numerosas instalaciones donde se duplican los equipos instalados, encareciendo la instalación. Aparecen lagunas en la ejecución de la especificación funcional del edificio, es decir, se quedan necesidades sin cubrir por ninguno de los sistemas instalados y se dificulta la adquisición de personal para el explotación de estos sistemas, por la elevada tasa de especialización necesaria. Como solución a estos problemas se definieron los sistemas de gestión de edificios más comúnmente conocidos como BMS (building management system) (Bushby S.T., 1997; Clark & Mehta, 1997; Wang & Xie, 2002).
Según (Suzuki, M. & Yagishita, M, 1990) un BMS permite un funcionamiento sin errores de los dispositivos de utilidad en el edificio al limitar el acceso del operador a los controles de los dispositivos de utilidad a aquellos dispositivos que el operador está autorizado a controlar. El sistema incluye una unidad terminal y una estación central. Más adelante, (Knibbe, E.J., 1996) constata que un BMS mejora la regulación y controla el funcionamiento de aparatos, como luminarias, persianas y equipos de calefacción en un edificio e introduce el concepto de red de control indicando que los aparatos deben estar conectados a través de un bus de comunicación a un sistema de control, que lleva a cabo la regulación y control automático. Se amplía la capacidad de acción de un BMS en (Thomas R.J. et. al, 2009) indicando que puede gestionar uno o más edificios; haciendo énfasis en la necesidad de realizar interfaces de gestión lo más ajustados al modelo de la instalación que se desea gestionar, utilizando mecanismos de representación tridimensional o interpretación, o virtualización. También indica que un BMS debe ser capaz de aportar información sobre las características de los dispositivos gestionados así como también poder registrar la información que estos registren.
Un factor importante para el impulso de estos sistemas ha sido el desarrollo de los protocolos de control y comunicación desarrollando sobre Internet. Tecnologías web y middleware para control permiten avanzar en nuevas propuestas de servicios e integración (Cabo–Díez, M. et al 2011). Esta evolución de las comunicaciones permite proponer sistemas distribuidos en arquitecturas horizontales de servicios (intranets) sobre las que se están evolucionando nuevos paradigmas de Inteligencia Artificial como son los agentes inteligentes. (Jennings et al., 1998; Wooldridge, 1999; McArthur et al, 2007).
Paradigma de agentes inteligentes
Los agentes y, en general, los sistemas multiagente permiten analizar, diseñar e implementar soluciones software para problemas complejos (Jennings et al., 1998). El uso de agentes permite que las decisiones generales se realicen de forma local, ya que cada agente únicamente dispone de una visión parcial de la información necesaria para la resolución del problema, de forma que los agentes pueden interaccionar con los demás para acceder al resto de información. Este enfoque permite concebir soluciones de inteligencia artificial distribuida para problemas complejos de diversos ámbitos, cuya resolución de forma centralizada se vuelve computacionalmente prohibitiva.
Existe una diversidad de conceptos relacionados con los agentes, que a menudo se encuentran solapados entre sí y cuyas definiciones no están universalmente aceptadas, entre ellas: ‘Agente’, ‘Sistemas Basados en Agentes’, ‘Sistemas Multiagente’. Aunque no se hayan consensuado las definiciones generales, en cada uno de esos conceptos subyacen una serie de características básicas reconocidas por la comunidad científica. Estas características están plasmadas en (Jennings et al., 1998), en el que se define un agente o agente inteligente, como un sistema de cómputo, software/hardware, que se encuentra ubicado en un entorno de forma que es capaz de realizar acciones de forma autónoma para alcanzar unos objetivos. De dicha definición se pueden extraer unas características mínimas de ‘Dependencia de contexto’, ‘Autonomía’ y ‘Flexibilidad’. La dependencia del contexto se refiere a la capacidad del agente de obtener datos y realizar acciones sobre entorno en el que está ubicado. Por su parte, autonomía hace alusión a la capacidad de funcionamiento desasistido, es decir, sin intervención humana o de otros agentes, siendo capaz de tomar sus propias decisiones, en función de su estado interno y de los datos obtenidos del entorno, para realizar las acciones sobre dicho entorno.
El concepto de autonomía es amplio, por lo que da cabida por ejemplo a la capacidad de aprender de la experiencia previa. La flexibilidad hace referencia a la capacidad de realizar acciones para alcanzar sus objetivos. Este concepto también es suficientemente amplio, por lo que da cabida a características más concretas como son: ‘receptivo’, ‘proactivo’ y ‘social’. Receptivo para percibir el entorno y responder en un tiempo determinado a los cambios que ocurran en el entorno. Proactivo para tener iniciativa propia de forma que sea capaz de prever posibles situaciones y actuar consecuentemente para anticiparse. Social para interactuar con el resto de agentes o usuarios, cuando sea pertinente, para alcanzar sus objetivos y/o ayudar al resto de agentes a conseguir los suyos.
Descripción de la solución
Este trabajo propone una plataforma software para el diseño de servicios basada en tres niveles.
- El primer nivel denominado middleware hace interoperable y accesibles todos los subsistemas e instalaciones.
- El segundo nivel captura el contexto del entorno que percibe la capa middleware (enviándolo a la capa superior para su análisis) y construye las acciones que se ordenan desde el nivel superior.
- La tercera capa realiza tareas de análisis, consulta a la base de conocimientos y toma decisiones que comunica al módulo de la capa inferior. Tanto la capa de contexto como la de análisis y toma de decisión se construyen con módulos (procesos software) bajo el paradigma de agentes inteligentes.
DAI smart building utiliza como soporte una capa middleware (Cabo–Díez, M. et at, 2011) que integra los diferentes subsistemas de los edificios y hace interoperables todos los elementos (sensores, actuadores) existentes en las instalaciones de control. La capa middleware recoge la información en tiempo real de la instalación, envía su estado a la capa de contexto y realiza todas las acciones de control ordenadas desde la capa superior. En la capa de contexto cada módulo se diseña e implementa como un agente inteligente, materializado en un proceso (programa) que puede ejecutarse en un sistema embebido, regulador o computador conectados a la red de control. Se trata de agentes con procesos ligeros que encapsulan el estado para el cual han sido diseñados. Por ejemplo, el agente de energía (adquisición de contexto) contiene información de los subsistemas de climatización, iluminación, máquinas y contadores. La información encapsulada por los agentes de contexto se envía a la capa superior (análisis para la toma de decisión). En la capa de análisis la información recibida por los diferentes agentes es analizada tanto para la toma de decisiones como para la creación de una base de conocimiento de la propia instalación. En esta capa los agentes tienen una carga de procesamiento mayor. Cada agente especializado compite con el resto de agentes para elaborar órdenes de control y supervisión. Siguiendo con el ejemplo del agente energético, el contexto enviado a la capa de análisis (clima, consumos, máquinas conectadas) en un momento dado puede sugerir el apagado de ciertos circuitos bajo la consigna de ahorro energético, sin embargo en ese instante el agente de confort puede sugerir que se mantengan conectados. El paradigma de agentes inteligentes resuelve esta circunstancia según los patrones de gestión del edificio. La base de conocimiento se forma en una primera fase supervisada por expertos que definen reglas, políticas de gestión y patrones de funcionamiento. También se actualiza conforme evolucione su rendimiento, pudiendo incorporar nuevas reglas e incluso sustituir otras no eficientes.
Metodología
Para el diseño de la plataforma se han considerado las necesidades de un edificio genérico como un conjunto de servicios, en lugar de la visión clásica de conjunto de instalaciones. Vistos los servicios que se deben controlar en el edificio se han definido un conjunto de agentes para supervisar y controlar cada uno de esos servicios. También se han definido otros agentes para controlar las políticas de gestión del edificio. En la tabla I se muestra en la primera columna el conjunto de los servicios existentes en un edificio genérico, en la columna siguiente se muestra los agentes de contexto, de menor carga y procesamiento, encargados de partes de un servicio o únicamente al control de parte de la instalación utilizada para proporcionar el servicio; le siguen los agentes de análisis, quienes con una carga de procesamiento mayor implementan reglas de control, su misión sigue estando muy interrelacionados con el servicio que se desea conseguir; los agentes de toma de decisiones utilizan patrones y reglas. En este nivel se controlan y supervisan el funcionamiento del edificio en su totalidad con la información filtrada por agentes de menor nivel.
Caso de uso y resultados
El modelo que propone DAI smart builing se ha testando en Laboratorio con el objetivo de verificar tanto las tomas de decisión como la creación supervisada de bases de concocimiento. Se ha realizado una primera prueba creando dos agentes externos a la plataforma DAI middleware ya implementada. El primer agente es capaz de monitorizar los consumos de los circuitos del cuadro eléctrico donde está instalado (figura 3). Este agente, implementado en un hardware especializado tiene la capacidad de leer el consumo de los circuitos y registrarlos en una memoria para conectarse con el sistema DAI smart building y enviar la información registrada. De forma simultánea es capaz de proporcionar esta información en el instante que se le realiza una consulta.
El segundo agente, es un agente de análisis (figura 4), implementado en un sistema pc embebido conectado en red. Tiene la misión de gestionar el encendido y apagado de dispositivos mediante el análisis del consumo eléctrico. Este agente consulta patrones y toma decisiones que construyen señales de control sobre la conexión y desconexión de los circuitos (figura 4). Si no recibe entradas de otros agentes especializados de su mismo nivel (confort, seguridad) actúa de forma autónoma según patrones de gestión energética. En caso contrario se establecen funciones de relación y competencia entre ellos según la teoría de agentes. En la actualidad se están implementando estos agentes que tienen objetivos que, en determinadas ocasiones, son contrapuestos a las del agente energético. Esta instancia del modelo propuesto está instalada sobre un cuadro eléctrico que gestiona diferentes circuitos de una sala. Para cada cuadro eléctrico del edificio el sistema se replica y los agentes se adaptan al tipo de circuitos que gestiona cada cuadro eléctrico. Como resultado se obtiene un sistema interconectado con reglas de conexión-desconexión de circuitos definidas en programas (agentes) que acceden a reglas y patrones que dependen del uso de la instalación.
Tanto el agente de medición de consumo como el de análisis, toma de decisión y actuación se han materializado con harware estándar de bajo coste sobre el cual se han programado los diferentes agentes y bases de conocimiento.
Conclusiones
Siguiendo el paradigma de agentes y la metodología definida anteriormente se pueden adecuar el número de grados de inteligencia del sistema en función del problema a resolver para poder responder a las nuevas necesidades. Gracias al alto nivel de modularidad, no se necesita una alta especialización de todo el personal implicado en el desarrolla del sistema y se facilita la interoperabilidad y comunicación, llegándose a paralelizar el desarrollo de muchas de las funcionalidades del sistema DAI smart building. La actuación de los agentes inteligentes y la adquisición de una base de conocimiento de la propia instalación permite que la gestión del edificio pueda adquirir nuevos niveles de automatización inteligentes.
Referencias
- Bushby S.T., BACnet TM: a standard communication infrastructure for intelligeny buildings, Automation in Construction 6, 1997.
- Clark G., Mehta P., Artificial intelligence and networking in integrated building management systems, Automation in Construction 6, 1997.
- Jennings, N. R., Sycara K, Wooldridge M., A Roadmap of Agent Research and Development, Autonomous Agents and Multi-Agent Systems, 1998.
- ANSI/EIA 709.1-A-1999, Control network protocol specification, EIA, 1999.
- Wooldridge, M.J., Jennings, N.R., Software engineering with agents: pitfalls and pratfalls, Internet Computing, IEEE, 1999
- Wang S., Xie J., Integrating Building Management System and facilities management on the Internet, Automation in Construction 11,2002
- McArthur S.D.J., Davidson E.M., Catterson V.M., Dimeas A.L. Hatziargyriou N.D., Ponci F., Funabashi T.,Multi-Agent Systems for Power Engineering Applications—Part I: Concepts, Approaches, and Technical Challenges, IEEE TRANSACTIONS ON POWER SYSTEMS, 2007.
- Cabo–Díez, M., Ferrández–Pastor, F.J., Flórez-Revuelta, F., Romacho–Agud, V. DAI Middleware: plataforma de Hogar Digital para la provisión de servicios orientados a la vida asistida por el entorno, Congreso Internacional de diseño, redes de investigación y tecnología para todos, Madrid, Junio 2011.