Ontologias Aplicadas à Modelagem de Sistemas Prediais
Carlos André Barbosa de Almeida, BSc
carlosbarbosa1964@hotmail.com
José do Carmo Rodrigues, MSc, PhD
jcrodrigues@uol.com.br
Curso de Pós-Graduação Lato Sensu em Engenharia e Arquitetura de Software da UNESA –
Universidade Estácio de Sá
Resumo
Ontologias são representações de um determinado domínio de conhecimento. A
representação de sistemas prediais através da modelagem empregando bases de
conhecimento disponibiliza aos projetistas e desenvolvedores de sistemas de supervisão
predial uma ferramenta de apoio em projetos que visam eficiência energética. Existem
diversos ambientes de desenvolvimento de ontologias, como o Protégé, o TODE – Tool for
Ontology Development and Editing, dentre outros. As ontologias permitem a classificação dos
dados em taxonomias e a utilização de reasoners que adicionam a capacidade de realizar
inferências sobre as informações da base de conhecimento, produzindo resultados que
alimentam outros sistemas. Neste trabalho são apresentados os conceitos fundamentais da
engenharia de ontologias, a aplicação desta metodologia no domínio dos sistemas de
automação predial bem como um exemplo de modelagem conceitual que objetiva
demonstrar a aplicação prática proposta, onde são exploradas as possibilidades de aumento
da eficiência energética, conservação de energia e utilização de recursos energéticos
distribuídos.
Palavras-chave: ontologias, automação, predial, energia, conservação, sistema.
1.
Introdução
A área de engenharia de software começou a reconhecer a importância do que tornouse conhecido como engenharia de domínio a partir dos trabalhos da equipe de Arango na
década de 1990, motivados pela necessidade de reduzir os custos de manutenção de software
e a necessidade de reforçar o reuso de software em um nível mais elevado de abstração do
que meramente código de programação (GIZZARDI, 2010, p.59). O uso racional e eficiente da
energia, predominantemente de natureza elétrica nos prédios sempre esteve à frente da
temática da automação predial, devido ao alto consumo dos sistemas de Heating, Ventilation
and Air Conditioning - HVAC, iluminação e de transporte (elevadores, escadas rolantes), que
são essenciais na operação diária dos edifícios. A automação predial compreende uma ampla
gama de sistemas especializados de supervisão e controle das diversas funcionalidades em
um prédio, reunidos sob a sigla BAS – Building Automation Systems, sendo essenciais para a
operação e manutenção segura do empreendimento.
A demanda mundial por energia deverá crescer em cerca de um terço da capacidade
atual de geração até 2035, segundo a Energy International Agency - EIA (2012), em seu
relatório do World Energy Outlook de 2013. No Brasil, de acordo com o Plano Nacional de
Energia 2030 (PNE2030, p.66), há uma estimativa de um consumo de energia elétrica da
ordem de 1.500 TWh para 2030, representando um aumento médio de 4,0% ao ano desde
2
2005, considerado o cenário B2, de crescimento médio da economia. A estratégia para
atender esta demanda, segundo o PNE2030 (2007, p.62), contempla iniciativas induzidas de
eficiência energética para suprir pelo menos 5,0% desta demanda, o que significa cerca de
54,17TWh. Do lado da oferta, o PNE2030 prevê uma redução das perdas totais, consideradas
em no máximo 13,8% (PNE2030, 2007 p.62).
Os edifícios comerciais possuem em sua grande parte sistemas de automação
designados como BMS (Building Management Systems), quer permitem a supervisão e
controle sobre diversos sistemas e equipamentos que consomem energia para realizar
funções ou disponibilizar um ambiente de trabalho adequado aos usuários do
empreendimento. Alguns prédios possuem recursos energéticos distribuídos como geradores,
bancos de baterias, Veículos Elétricos Plugáveis - PEV, geradores eólicos, geradores
fotovoltaicos ou sistemas de termo acumulação. Mais recentemente, com o surgimento do
conceito das REI - Redes Elétricas Inteligentes (em inglês smart grids), e sua regulamentação
em 2012 pela ANEEL, os consumidores passam a ter um papel importante no contexto da
eficiência energética, uma vez que poderão participar ativamente, tanto na busca da redução
do consumo através da tarifa branca, como na possibilidade da micro geração, tornando-se
assim um agente ativo por meio de fontes alternativas de energia, sendo que esta premissa é
aplicável também aos prédios comerciais, que são o escopo principal deste estudo.
Sendo um conceito recente, a maior parte dos prédios existentes não possui sistemas
de BMS preparados para a integração com as redes inteligentes, gerando uma demanda por
profissionais e ferramentas capazes de proporcionar uma modelagem e análise da condição
de cada sistema em particular, permitindo assim a elaboração de projetos novos e de retrofit
adequados a cada situação. Há que se considerar a necessidade de preencher esta lacuna
através do desenvolvimento de uma metodologia para permitir a interoperabilidade destes
sistemas prediais com as redes elétricas inteligentes, utilizando bases de conhecimento
denominadas de ontologias. Segundo Fensel et al, (2011, p.110) ontologias são a
compreensão comum e partilhada de um domínio que pode ser transmitida entre pessoas e
sistemas heterogêneos e distribuídos, proporcionando uma forma de desenvolvimento de
bases de conhecimento. Uma ontologia é uma coleção de dados, organizados em classes,
subclasses, entidades e suas propriedades de acordo com a natureza dos dados, apresentando
como característica comum a sua aplicabilidade
Este trabalho está organizado de forma a apresentar no item 2 os fundamentos da
engenharia de ontologias e da engenharia de automação predial, no item 3 são apresentadas
as técnicas de modelagem propostas com desenvolvimento de uma ontologia de demandas,
no item 4 são analisados os dados obtidos e no item 5 são apresentadas as conclusões do
estudo.
2.
Fundamentação Teórica
2.1
A engenharia de domínio
Para Guizzardi (2010, p.59), o processo de engenharia de domínio é composto das
subatividades de análise de domínio e desenho do domínio, este último sendo então
decomposto em especificação de infraestrutura e implementação de infraestrutura.
Intuitivamente, engenharia de domínio pode ser considerado análogo com engenharia de
software (engenharia de aplicação de software), no entanto, operando em um meta-nível
conforme apresentado no Quadro 1.
3
Engenharia de aplicação
Análise de requisitos
Desenho de aplicação
Implementação de aplicação
Engenharia de domínio
Análise de domínio
Especificação de infraestrutura
Implementação de Infraestrutura
Quadro 1 – Comparativo
Fonte: Adaptado de (GUIZZARDI, 2010, p.59)
Uma análise deste quadro comparativo nos mostra que na engenharia de domínio,
diversamente da engenharia da aplicação, ao invés de desvendar requisitos, desenhar e
implementar aplicações específicas, tem-se como objetivo toda uma família de aplicações em
um dado domínio. Segundo Guizzardi (2010, p.59), o termo Análise de Domínio surge com
Neighbors que a definiu como: Análise de domínio é uma tentativa de identificar objetos,
operações e relações que especialistas no domínio percebem como importantes em dado
do í io. (GUIZZARDI, 2010, p.59). O produto da fase de análise de domínio é um modelo de
domínio. Um modelo de domínio define objetos, eventos e relações que capturam
similaridades e regularidades em um dado domínio de discurso. O modelo resultante é uma
arquitetura composta por elementos conceituais que são comuns para uma família de
aplicações, permitindo o reuso. Pode ser usado para identificar, explicar e predizer fatos em
um dado domínio, o qual pode ser fortemente observado diretamente (GUIZZARDI, 2010,
p.60). Serve ainda ao propósito de um modelo unificado para usar-se quando ambiguidades
surgem em discussões sobre o domínio (comunicação) e a fonte do conhecimento pode ser
usada em um processo de aprendizagem sobre o domínio. Segundo GUIZZARD (2010, p.61), a
especificação produzida pela atividade de modelagem do domínio é uma representação
compartilhada de entidades do domínio que especialistas entendem como relevantes em um
universo de discurso, as quais podem ser usadas para promover solução de problemas, para
comunicação, para aprendizagem e reuso em um alto nível de abstração.
2.2
O Gerenciamento da Demanda
O gerenciamento pelo lado da demanda ou DMS - (Demand Side Management) é uma
das principais funcionalidades agregadas às Redes Elétricas Inteligentes (REI), o que pode ser
feito por meio do padrão openADR (Automated Demand Response). O padrão openADR
permite basicamente três modos de resposta do consumidor, onde ele pode recusar a
solicitação de DR, atender parcialmente ou totalmente à solicitação. No entanto o openADR
apesar atender a aspectos importantes de interoperabilidade, que é permitir o despacho de
recursos DRE (Distributed Energy Resource), não permite saber qual a disponibilidade atual de
DR (McPARLAND, 2011, p.1). Segundo NOGA et al, (2013, p.228), os recursos distribuídos de
energia são o ponto chave das redes elétricas inteligentes quanto à micro geração distribuída,
que permite maior resiliência, capacidade de auto reconfiguração (self healing) e redução de
perdas tanto por efeito joule como por redução da energia reativa da rede. Um prédio possui
uma capacidade de carga instalada, que representa a máxima carga que a entrada de energia
permite suprir o prédio e indica para a rede elétrica inteligente a máxima carga a ser suprida
para aquele determinado consumidor. Este mesmo prédio possui ainda uma carga
demandada que representa de forma dinâmica o consumo atual do prédio. Esta carga
demanda então será o objeto de análise para aplicação de estratégias de Resposta à Demanda,
do inglês Demand Response - DR.
4
2.3
O Protocolo OpenADR
O sucesso dos programas de DR baseados em preços dinâmicos desenvolvidos por
concessionárias de energia depende de comunicações oportunas e confiáveis de eventos e
informações entre os participantes dos programas de DR. Se as comunicações DR enviadas
puderem ser automaticamente traduzidas em blocos de carga ou agendamento de redução
de consumo pelos participantes, sem a necessidade de intervenção humana, então o processo
de participação nos programas de resposta à demanda pode ser mais rentável, confiável e
fácil de ser implementado.
Segundo Ghatikar e Bienert (2011, p.1), o OpenADR estabelece uma estrutura de
software visando a interoperabilidade para edificações comerciais, escritórios, indústrias e
prédios públicos, visando permitir a participação das instalações prediais nas redes elétricas
inteligente. Esta especificação descreve um conjunto de funções e capacidades que permitem
a comunicação automática de troca de informações entre serviços públicos ou DR e seus
participantes. O OpenADR faz parte das novas tecnologias de Smart Grid como a informação
avançada, controle e tecnologias de comunicação. Estas tecnologias são projetadas para
ajudar a otimizar as relações entre oferta e demanda elétrica. A especificação do OpenADR
compreende um conjunto de funções que devem ser implementadas em um chamado DRAS
– Demand Response Automated Server (MCPARLAND, 2011).
Segundo McParland (2011, p.2), o DRAS é um componente de infraestrutura OpenADR
utilizado para a entrega automática de eventos de DR para as instalações e agregadores de
carga, tendo como padrão as especificações OpenADR, a qual possui os seguintes objetivos:
- Permitir às concessionárias de energia a capacidade de interface entre a sua
infraestrutura de Tecnologia da Informação (TI) para um DRAS.
- Permitir que os fabricantes uma interface padrão para o sistema de automação
predial e o módulo EMCS – Energy Control Management System ou outros controles com o
padrão DRAS.
- Permitir uma variedade de operadores (por exemplo, instalações e operadores
participantes) venham a obter uma compreensão do nível de controle em sua participação em
programas de DR com precificação dinâmica, utilizando um padrão DRAS.
- Permitir que o pessoal de TI crie interfaces de usuário (UI), tanto para a
concessionária como para os operadores participantes de um padrão DRAS.
- Permitir a terceiros construir um DRAS padrão ou clientes que podem receber sinais
de DR de um DRAS ou DRAS Cliente.
2.4
A ferramenta Protégé
Segundo Noy & McGuinnes (2014, p.1), uma ontologia define um vocabulário comum
para pesquisadores compartilharem informações sobre um domínio de conhecimento.
Desenvolvido na Universidade de Stanford – EUA, é uma plataforma aberta e gratuita
na internet que proporciona a uma comunidade crescente de usuários um conjunto de
ferramentas para construção de modelos de domínios e aplicações de bases de conhecimento
com antologias. No seu núcleo, Protégé implementa um rico conjunto de estruturas de
modelagem de conhecimento e ações para suportar a criação, visualização e manipulação de
ontologias em vários formatos de representação. O Protégé pode ser customizado via web
para proporcionar suporte amigável para criação de modelos de conhecimento e entrada de
dados. Protégé pode ser estendido por meio de uma arquitetura de plug-in e uma Application
Programming Interface (API) baseada em Java para a construção de ferramentas e aplicações
baseadas no conhecimento (PROTÉGÉ, 2014).
5
Segundo Tudorache et.al. (2011 p.9), o WebProtégé fornece amplos recursos de
colaboração, que estão integrados como parte do desenvolvimento das ontologias.
O editor Protégé-Frames, ou WebProtégé, fornece uma interface com plenos diretos
de usuário e um servidor de conhecimento para apoiar os usuários na construção e
armazenamento de ontologias de domínio com base em quadros, personalização de
formulários de entrada de dados, e inserir dados de instância. Protégé-Frames implementa
um modelo de conhecimento, que é compatível com o protocolo aberto Open Knowledge
Base Connectivity (OKBC). Neste modelo, uma ontologia consiste de um conjunto de classes
organizadas em uma hierarquia de subordinação, ou taxonomias, para representar um
domínio de conceitos salientes, um conjunto de slots associados a classes para descrever suas
propriedades e relacionamentos, e um conjunto de instâncias dessas classes, ou indivíduos,
exemplos de conceitos que possuem valores específicos para suas propriedades (PROTÉGÉ,
2014).
2.5
A Lógica Fuzzy aplicada a axiomas na Ontologia - SoftFACTS
Segundo Lisi e Stracia (2013, p. 505), a lógica de conjuntos Fuzzy pode ser aplicada à
área de ontologias, onde as informações são organizadas de acordo com relações de
subordinação, axiomas, papéis e restrições no sentido de estabelecer as interpretações
necessárias sobre os conceitos considerados no domínio em estudo. A lógica Fuzzy possui um
conjunto de valores que permitem atribuir um determinado grau de certeza a uma
determinada definição, estabelecendo assim uma escala relativa de pertinência de acordo
com o grau de incerteza de cada suposição (LISI e STRACIA, 2013, p.503). Stracia (2010, p.4116)
apresenta o plug-in do reasoner para ontologias empregando lógica descritiva através de
conjuntos Fuzzy, denominado SoftFACTS, que possui uma arquitetura com dois componentes
básicos: o componente de base DL da ontologia (o nível intencional) e o componente de base
de dados (o nível extensional) como mostrado na Fig. 1.
Figura 1 – Arquitetura do SoftFACTS
Fonte: Straccia (2010, p.4115)
Para Straccia (2010, p.4116), o componente-DL suporta tanto a definição da ontologia
e consulta eletrônica, pois fornece uma linguagem lógica de consulta e de representação, que
é uma extensão da linguagem DL DLR-Lite e oferece suporte a consultas de classificação. No
que se refere ao componente de banco de dados, SoftFacts suporta o acesso a vários sistemas
6
de banco de dados diferentes. O acesso a estes sistemas é transparente se gerenciado por um
empacotador apropriado. Segundo Straccia (2010, p.4116), a lógica SoftFACTS adotada baseiase na extensão Fuzzy do DLR-Lite, que é uma DL sem negação. DLR-Lite é uma extensão do DLLite (lógica por trás OWL QL, o qual é o perfil da linguagem OWL 2). Como ele suporta relações
n-árias, considerando que habitualmente DL suportam apenas relações unárias (chamado de
conceitos) e relações binárias (chamados de papéis). Há que se observar que SoftFacts não
considera negação de átomos, como suporte no DL-Lite, uma vez que estes não
desempenham qualquer papel em consulta respondendo tempo, a tarefa principal apoiada
por SoftFACTS.
3.
Materiais e Métodos
3.1
Uma ontologia de Demandas Predial
Os sistemas BMS naturalmente possuem a capacidade de obter as informações de
cargas ativas, reativas, consumo instantâneo, consumo médio, curva de carga que permitem
traçar um perfil de consumo e mais ainda, disponibilizar estas informações de forma dinâmica,
com o uso de um plug-in adequado. Estas informações, organizadas em uma base de
conhecimento do domínio específico, ou uma Ontologia de Demandas Predial, torna-se uma
ferramenta de grande utilidade para que as operadoras, concessionárias de energia ou
organismos especializados em comercializar redução de demanda possam através de
aplicações específicas, consultar em tempo real a situação da rede elétrica. A Ontologia de
Demandas Predial proposta foi elaborada usando a ferramenta webProtégé, empregando o
framework via web, através da organização dos diversos subsistemas prediais em classes e
subclasses cuja taxonomia permite classificar os equipamentos efetivamente instalados em
cada prédio de acordo com sua prioridade de utilização, potência instalada, aplicabilidade,
entre
outros
fatores
eletivos.
A
ontologia
está
disponível
no
link:
http://webprotege.stanford.edu/#Edit:projectId=9cee0685-2522-45ef-9633-8dc513973f8a,
e a figura 2 apresenta um modelo das classes principais criadas e suas taxonomias.
Figura 2 – Parte do gráfico das classes da Ontologia de Demanda Predial (webProtégé).
Fonte:Do autor (2014).
A figura 2 ilustra a organização dos sistemas em classes como prioridades de geração,
prioridades de uso, sistemas internos e sistemas externos. Esta taxonomia permite classificar
7
os diversos equipamentos em função da natureza de uso e aplicação, visando criar os axiomas
e relacionamentos que vão nortear as inferências a serem aplicadas no sistema.
Os diversos sistemas que compõem o BMS disponibilizam as informações necessárias
para criar a ontologia de demandas prediais, preenchendo com as entidades que
correspondem a cada classe e subclasse, bem como as propriedades inerentes como potência
ativa, potência reativa, fator de potência, prioridade de acionamento, restrições de
desligamento ou ligamento. As requisições de redução de carga ou mesmo de acionamentos
de recursos energéticos distribuídos são originados da conexão com o DRAS, através de
eventos de OpenADR, sendo então analisados à luz das prioridades e demais propriedades
existentes na ontologia, que através de reasoners, que são algoritmos de inferência, com
lógica Fuzzy permitem a tomada de decisão sobre quais cargas devem ser ligadas, desligadas
e a agenda destes eventos. As informações obtidas da ontologia são disponibilizadas para o
ECMS, o qual atua sobre as cargas diretamente ou mesmo através do BMS, de acordo com as
estratégias de resposta à demanda configuradas no sistema.
A figura 3 ilustra um diagrama UML de Uso de Caso que evidencia o processo proposto
de aquisição de informações, organização destas informações acerca da operação do sistema
de automação predial sob análise, aplicação do reasoner para selecionar as informações
adequadas ao processo em questão e disponibilizar estas informações para uso pelo sistema
acima da Ontologia de Demandas da Rede.
Figura 3 – Diagrama de Uso de Caso do sistema proposto.
Fonte – Do autor
3.2
Uma Ontologias de Demandas da Rede
Através das informações disponibilizadas nas Ontologias de Demandas Predial, as
quais estão residentes em cada unidade de consumo ou sistema predial, pode-se estabelecer
uma Ontologia de Domínio compartilhando estas informações através da web.
Os sistemas BMS conectam-se à Ontologia usando webservices, para atualização a
intervalos periódicos programados das informações armazenadas na Ontologia,
disponibilizando de forma dinâmica o status de cada prédio em função da sua ocupação,
condições meteorológicas, situação de uso. As operadoras, concessionárias ou empresas de
comercialização de redução de demandas (stakeholders) acessam a Ontologia de Demandas
através de aplicativos por meio de XML, buscando as informações sobre a disponibilidade de
DER, cargas demandas, capacidade de redução em tempo real para uma determinada região,
por perfil de consumidor, por nível de criticidade ou outros critérios que podem ser inferidos
8
pelo sistema. Com estas informações, estes stakeholders podem então, via OpenADR realizar
as requisições de ADR, previamente analisadas em função das informações inferidas pela
Ontologia, com uma previsão da real viabilidade de redução. As requisições de despacho de
recursos energéticos distribuídos – DER, podem ser feitas diretamente via OntoWEB, através
do aplicativo de comunicação com o sistema BMS em cada instalação.
Uma Ontologia de Demandas da Rede, organizada em classes de consumo, recursos
energéticos disponíveis, localização geográfica, alimentadores, subestações, com suas
respectivas propriedades representam as informações que podem viabilizar ações
coordenadas de diversos tipos, entre as quais:
- Auto reconfiguração em resposta a eventos críticos como quedas de alimentadores,
permitindo solicitar OpenADR por região, despacho de DER;
- Deslocamento de cargas por natureza de uso da energia, classe de consumo,
criticidade da aplicação, visando otimização da capacidade da rede de distribuição;
- Conservação de energia por oferta de tarifas dinâmicas mais atrativas em função do
carregamento da rede;
- Despacho de micro geração visando atendimento de demandas pontuais ou
localizadas;
Figura 4 – Diagrama de Uso de Caso do sistema proposto.
Fonte – Do autor.
A Figura 4 apresenta o diagrama UML de Uso de Caso para a aplicação do conceito em
pauta, onde podem-se identificar os agentes externos, representados pelas concessionárias
de energia (ISO do inglês Independent System Operators), o sistema OpenADR que através do
DRAS envia requisições ou eventos de DR. A Ontologia Predial envia as informações do sistema
BMS de cada prédio, como disponibilidade de redução de cargas, disponibilidade de
acionamento de recursos energéticos distribuídos. Através da taxonomia da rede de
distribuição de energia, e com base nos parâmetros dinâmicos de prioridades de alimentação
de cargas, capacidade de redução ou deslocamento de cargas e da capacidade de geração da
rede, aplica-se o algoritmo Fuzzy do reasoner, cujos resultados devem indicar qual o melhor
cenário a ser adotado visando principalmente a estabilidade dos parâmetros elétricos da rede,
como fase, frequência, potência ativa e reativa.
De acordo com Straccia (2010, p.4118), o emprego de recursos de lógica Fuzzy permite
estabelecer graus de pertinência, aqui aplicados tanto para as prioridades de cargas a serem
9
alimentadas, aos recursos disponíveis, aos alimentadores da rede, bem como aos parâmetros
de controle e estabilidade do sistema elétrico considerado, a lógica retornará a configuração
mais adequada, ou cenário mais favorável a ser adotado, de forma dinâmica. O uso de
Ontologias como representação do domínio de conhecimento dos sistemas elétricos prediais
e da rede de distribuição de energia (alimentadores) permite o uso de recursos da OWL –
Ontology Web Language, como web services, XML – Extensible Markup Language,
disponibilizando assim a funcionalidade de interoperabilidade necessária entre os diversos
sistemas que compõem o modelo.
3.3
O plug-in reasoner SoftFACTS
O Soft-FACTS disponibiliza um plug-in com o Protégé, bem como uma interface gráfica
de usuário que permite sua rápida configuração de conexão com a base de dados relacional
(STRACCIA, 2010 p.4120). O conceito proposto neste trabalho não se resume a criar apenas
uma ontologia de demandas prediais e uma ontologia de demandas compartilhadas, mas
inclui adicionar ao conjunto a capacidade de conexão com a base de dados relacional do DRAS,
permitindo assim utilizar as informações da ontologia de forma compartilhada com o
OpenADR. Neste contexto, os fatos ou FACTS são as requisições de previsão de DR originados
pelas operadoras do sistema de distribuição de energia, que neste modelo deixam de ser
apenas de requisição de redução de cargas enviadas através do OpenADR, de forma genérica,
e passam a ser requisições baseadas nas informações de disponibilidade real de redução de
cargas e geração local distribuída, obtidas por meio de consultas com base nos resultados
obtidos pelo reasoner de lógica Fuzzy de acordo com a situação de cada instalação predial,
que é dinâmica em função de diversos fatores internos e externos.
3.4
Estratégias de Resposta à Demanda para sistemas BMS
Os sistemas BMS possuem uma base de dados local que armazenam as informações
sobre os dispositivos e equipamentos como máquinas de ar condicionado, controladores de
demanda, utilidades e equipamentos de geração como geradores a diesel, eólicos e painéis
fotovoltaicos. Acima destes sistemas pode existir ou não uma camada de gerenciamento
geral, o ECMS que centraliza as informações e possui os algoritmos de aplicação das
estratégias de resposta à demanda eventualmente solicitadas através do OpenADR. Estas
informações no entanto estão disponíveis e são usadas apenas no escopo interno de cada
sistema predial, não oferecendo um cenário mais abrangente para a concessionária de
fornecimento de energia. O conceito ora proposto visa disponibilizar estas informações
através da Ontologia de Demandas, que após avaliadas aplicando-se o reasoner baseado em
lógica Fuzzy, apresentará um cenário composto pelo conjunto das informações dos sistemas
prediais de uma determinada região, abastecida por um alimentador específico. Estas
informações devidamente processadas através de um algoritmo de controle permitem ao
administrador do sistema de controle da rede de distribuição uma previsibilidade em termos
de demanda futura, possibilidades de redução de carga e mesmo disponibilidade de
acionamento de recursos energéticos distribuídos como geradores.
4.
Resultados ou Discussão
O modelo conceitual proposto compreende dois níveis de aplicação das ontologias,
o primeiro nível restringe-se à parte interna do sistema predial, e tem por objetivo gerar
métricas que permitam a aplicação de estratégias de DR adequadas à dinâmica do processo
10
de supervisão e controle predial, sendo assim possui interface com o sistema de banco de
dados do BMS e atuação sobre os dispositivos de campo por meio do ECMS. A ontologia de
demandas compartilhadas é uma base de conhecimentos de uso amplo dentro das redes
elétricas inteligentes, ou smart grids, com o objetivo de disponibilizar as informações dos
diversos prédios com sistemas BMS, devidamente analisadas e com base no algoritmo de
raciocínio com lógica Fuzzy, permitir ao gerenciador da rede elétrica a tomada de decisões
sobre qual a efetiva disponibilidade, em tempo real, da capacidade de DR e geração distribuída
em cada malha da rede. De uma forma mais abrangente, o emprego de técnicas de engenharia
de domínios, que permitem adicionar recursos de raciocinadores e máquinas de
aprendizagem representam uma abordagem diferenciada em relação ao método proposto
pelo OpenADR, sem perder as funcionalidades do protocolo aberto, porém adicionando novas
facilidades ao sistema.
Figura 5 – Diagrama simplificado do sistema proposto
Fonte: O autor (2014)
Há que se considerar ainda que o modelo conceitual proposto é genérico sendo
preciso desenvolver os métodos de aplicação dos algoritmos de raciocínio em função das
diversas estratégias de resposta à demanda possíveis.
5.
Conclusões
O campo de aplicação das ontologias é vasto e diversificado, sendo que neste
trabalho foi realizado um exercício de inferências sobre a aplicabilidade da engenharia de
domínios e suas ferramentas no campo da engenharia de automação predial. Diversos
trabalhos têm sido desenvolvidos com o objetivo de possibilitar a interoperabilidade entre os
sistemas de automação predial e as redes elétricas inteligentes, visando principalmente
explorar recursos como capacidade de auto reconfiguração da rede, chaveamento de
alimentadores em função de cargas prioritárias, acionamento de sistemas de geração
distribuída disponíveis nos sistemas de automação predial, como geradores de energia. A
dinâmica dos sistemas elétricos prediais e das redes elétricas requer que sistemas de
gerenciamento de demanda, tanto do lado da geração, DSM como no lado do consumo, DR
devem ser rápidos, eficientes, dinâmicos, flexíveis e distribuídos geograficamente, capazes de
raciocinarem em tempo real sobre as informações disponíveis nas bases de dados relacionais,
o que expande sua definição para bases de conhecimento através da web.
11
O advento das redes elétricas inteligentes (REI) ou smart grids, proporcionou o
surgimento do conceito de Internet of Things ou IoT, Internet das Coisas, que propõe a
interoperabilidade entre sistemas diversos chegando do nível do dispositivo comandado
remotamente. Neste sentido, a aplicação de ontologias vem de encontro a estas necessidades,
ao proporcionar uma base de conhecimento do estado atual de cada dispositivo a ser
comandado, disponibilizando estas informações na web de forma transparente. A COPEL –
Companhia Paranaense de Energia apresentou no SmartEnergy 2014 o projeto Paraná Smart
Grid, uma aplicação piloto de um sistema de gerenciamento de redes de distribuição escrito
em linguagem de script Lua, que apresentava a funcionalidade de permitir a auto
reconfiguração em função de falhas em alimentadores, porém sem interoperabilidade com os
consumidores, o que será um próximo passo a ser alcançado, porém que exige um meio de
comunicação que atenda aos requisitos de interoperabilidade (PEDRETTI, 2014 p. 6-7).
Referências Bibliográficas
FENSEL, Dieter; et al. Semantic Web Services. Londres: Springer Science & Business, 2011.
GUIZZARDI, Giancarlo. [E-Book] Ontological Foundations for Structural Conceptual Models.
2010. Disponível em: http://www.inf.ufes.br/~gguizzardi/OFSCM.pdf. Acesso em 10
ago. 2014.
GHATIKAR, Girish; BIENERT Rolf. Smart Grid Standards and Systems Interoperability - A
Precedent with OpenADR. In: Grid-Interop. Phoenix: EOLBNL, 2011. p. 1-7.
LISI, Francesca A.; STRACCIA, Umberto. A Logic-based Computational Method for the
Automated Induction of Fuzzy Ontology Axioms. Fundamenta Informaticae, Pisa, v.
124, p.503–519, 2013.
McPARLAND, Charles. OpenADR Open Source Toolkit - Developing Open Source Software for
the Smart Grid. In: Grid-Interop. Detroit: EOLBNL, 2011 p. 1-9.
NOGA, Marian; et al. Active Consumers in Smart Grids Systems - Applications of the Building
Automation Technologies. Przegland Elektrotchniczny, Praga, v. 89, p.227-233, out.
2013.
NOY, Natalia; MCGUINNESS, Dedorah. Ontology Development 101- A Guide to Creating Your
First
Ontology.
Standford,
2014.
Disponível
em:
<http://protege.stanford.edu/publications/ontology_development/ontology101-noymcguinness.html>. Acesso em 22 jan. 2015.
PEDRETTI, André. Projeto Paraná Smart Grid. In: Conferência Internacional Paraná
Smart
Energy.
Curitiba:
2014.
Disponível
em:
http://smartenergy.org.br/2014/images/palestras/09maio_tarde/andrepedretti.pdf
Acesso em 10 jan. 2015.
Ministério das Minas e Energia (MME). Plano Energético Nacional 2030 (PNE2030). Brasília:
2007. Disponível em: http://www.epe.gov.br/PNE/20080111_1.pdf. Acesso em 20 abr.
2014.
12
PROTÉGÉ, 2014. On line documentation. Standford: Standford University, 2014. Disponível em
http://protegewiki.stanford.edu/wiki/WebProtege. Acesso em 10 jan. 2015.
STRACCIA, Umberto. SoftFACTS: A Top-K Retrieval Engine for Ontology Mediated Access do
Relational Databases. In: 2010 IEEE INTERNATIONAL CONFERENCE ON SYSTEM MAN
AND CYBERNETICS: Istanbul, Anais da Conferência IEEE. Pisa: IEEE,2010 p. 4115-4122.
TUDORACHE, Tania; et al. WebProtégé: A collaborative ontology editor and knowledge
acquisition tool for the web. Standford: IO Press, 2011. Disponível em:
http://www.semantic-web-journal.net/sites/default/files/swj210_1.pdf . Acesso em
11 jan. 2015.
International Energy Agency (EIA). WEO 2013 - Word Energy Outlook, 2013 Paris. 2012.
Disponível em: < http://www.worldenergyoutlook.org >. Acesso em 18.01.2015.