El crecimiento industrial ha acarreado grandes avances tecnológicos para nuestra sociedad. Lamentablemente, el precio a pagar por estos avances ha sido un aumento significativo de los niveles de contaminación del aire en todo el mundo, afectando tanto a zonas urbanas como a las zonas rurales. Por lo general, la monitorización de la calidad aire se realiza mediante estaciones de monitorización fijas. Sin embargo, este método es demasiado costoso, poco escalable y difícil de implementar en nuestras ciudades, las cuales están cada vez más pobladas. El uso de Mobile CrowdSensing, paradigma en el cual la monitorización la realizan los propios usuarios, permite realizar monitorización ambiental utilizando sensores móviles integrados en vehículos. Los posibles escenarios se pueden dividir en dos: entornos urbanos, donde hay un amplio conjunto de vehículos disponibles, y entornos rurales o industriales, donde el tráfico vehicular es escaso y está limitado a las principales arterias de transporte. Teniendo en cuenta estos dos escenarios, esta tesis propone una arquitectura, llamada EcoSensor, que permite monitorizar la contaminación del aire utilizando pequeños sensores de bajo coste instalados en diferentes tipos de vehículos, tales como bicicletas, automóviles o autobuses del sistema de transporte público, en el caso de entornos urbanos, y en drones o UAS en entornos rurales. La arquitectura propuesta está compuesta por tres componentes: un sensor de bajo coste para capturar datos de contaminación, un smartphone para realizar un preprocesamiento de la información y para transmitir los datos hacia un servidor central, y el servidor central, encargado de almacenar y procesar la información de contaminación ambiental. Para entornos urbanos, analizamos diferentes alternativas con respecto al diseño de una unidad de monitorización de bajo coste basada en plataformas de prototipado comerciales como RaspberryPi o Arduino, junto con sensores también de precio reducido. En la tesis realizamos un análisis, y proponemos un proceso, para llevar a cabo la monitorización ambiental utilizando la arquitectura propuesta. Este proceso abarca cuatro operaciones básicas: captura de datos, conversión de unidades, reducción de la variabilidad temporal, e interpolación espacial. Para entornos rurales, proponemos el uso de drones como unidades de sensorización móviles. Específicamente, equipamos el drone con capacidades de monitorización a través de un microordenador RaspberryPi y sensores de calidad del aire de bajo coste. Finalmente, se propone un algoritmo llamado PdUC para controlar el vuelo del UAV con el objetivo de realizar monitorización ambiental, identificando las áreas más contaminadas, y tratando de ese modo de mejorar la precisión general y la velocidad de monitorización. Además, proponemos una mejora a este algoritmo, denominada PdUC-D, basada en la discretización del área a monitorizar dividiéndola en pequeñas áreas (tiles), donde cada tile se monitoriza una sola vez, evitando así realizar muestreos redundantes. En general, verificamos que la monitorización móvil es una aproximación eficiente y fiable para monitorizar la contaminación del aire en cualquier entorno, ya sea usando vehículos o bicicletas en entornos urbanos, o UAVs en entornos rurales. Con respecto al proceso de monitorización ambiental, validamos nuestra propuesta comparando los valores obtenidos por nuestros sensores móviles de bajo coste con respecto a los valores típicos de referencia ofrecidos por las estaciones de monitorización fijas para el mismo período y ubicación, comprobando que los resultados son semejantes, y están acuerdo a lo esperado. Además, demostramos que PdUC-D, permite guiar autónomamente un UAV en tareas de monitorización del aire, ofreciendo un mejor rendimiento que los modelos de movilidad típicos, reduciendo tanto los errores de predicción como el tiempo para cubrir el área completa, / Industrial growth has brought unforeseen technological advances to our society. Unfortunately, the price to pay for these advances has been an increase of the air pollution levels worldwide, affecting both urban and countryside areas. Typically, air pollution monitoring relies on fixed monitoring stations to carry out the pollution control. However, this method is too expensive, not scalable, and hard to implement in any city. The Mobile Crowdsensing (MCS) approach, a novel paradigm whereby users are in charge of performing monitoring tasks, allows environment monitoring to be made using small sensors embedded in mobile vehicles. The possible scenarios can be divided into two: urban scenarios, where a wide set of vehicles are available, and rural and industrial areas, where vehicular traffic is scarce and limited to the main transportation arteries. Considering these two scenarios, in this thesis we propose an architecture, called EcoSensor, to monitor the air pollution using small sensors installed in vehicles, such as bicycles, private cars, or the public transportation system, applicable to urban scenarios, and the use of an Unmanned Aerial System (UAS) in rural scenarios. Three main components compose our architecture: a low-cost sensor to capture pollution data, a smartphone to preprocess the pollution information and transmit the data towards a central server, and the central server, to store and process pollution information. For urban scenarios, we analyze different alternatives regarding the design of a low-cost sensing unit based on commercial prototyping platforms such as Raspberry Pi or Arduino, and Commercial Off-the-shelf (COTS) air quality sensors. Moreover, we analyze and propose a process to perform pollution monitoring using our architecture. This process encompasses four basic operations: data reading, unit conversion, time variability reduction, and spatial interpolation. For rural scenarios, we propose the use of an Unmanned Aerial Vehicle (UAV) as a mobile sensor. Specifically, we equip the UAV with sensing capabilities through a Raspberry Pi microcomputer and low-cost air quality sensors. Finally, we propose an algorithm, called Pollution-driven UAV Control (PdUC), to control the UAV flight for monitoring tasks by focusing on the most polluted areas, and thereby attempting to improve the overall accuracy while minimizing flight time. We then propose an improvement to this algorithm, called Discretized Pollution-driven UAV Control (PdUC-D), where we discretize the target area by splitting it into small tiles, where each tile is monitored only once, thereby avoiding redundant sampling. Overall, we found that mobile sensing is a good approach for monitoring air pollution in any environment, either by using vehicles or bicycles in urban scenarios, or an UAVs in rural scenarios. We validate our proposal by comparing obtained values by our mobile sensors against typical values reported by monitoring stations at the same time and location, showing that the results are right, matching the expected values with a low error. Moreover, we proved that PdUC-D, our protocol for the autonomous guidance of UAVs performing air monitoring tasks, has better performance than typical mobility models in terms of reducing the prediction errors and reducing the time to cover the whole area.Moreover, we analyze and propose a process to perform pollution monitoring using our architecture. This process encompasses four basic operations: data reading, unit conversion, time variability reduction, and spatial interpolation. / El creixement industrial ha implicat grans avanços tecnològics per a la nostra societat. Lamentablement, el preu que cal pagar per aquests avanços ha sigut un augment significatiu dels nivells de contaminació de l'aire a tot el món, que afecta tant zones urbanes com zones rurals. En general, el monitoratge de la qualitat aire es fa mitjançant estacions de monitoratge fixes. No obstant això, aquest mètode és massa costós, poc escalable i difícil d'implementar a les nostres ciutats, les quals estan cada vegada més poblades. L'ús de Mobile CrowdSensing (MCS), paradigma en el qual el monitoratge el duen a terme els mateixos usuaris, permet realitzar monitorització ambiental tenint sensors mòbils integrats en vehicles. Els possibles escenaris es poden dividir en dos: entorns urbans, on hi ha un ampli conjunt de vehicles disponibles, i entorns rurals o industrials, on el trànsit vehicular és escàs i està limitat a les principals artèries de transport. Tenint en compte aquests dos escenaris, aquesta tesi proposa una arquitectura, anomenada EcoSensor, que permet monitorar la contaminació de l'aire utilitzant petits sensors de baix cost instal·lats en diferents tipus de vehicles, com ara bicicletes, automòbils o autobusos del sistema de transport públic, en el cas d'entorns urbans, i en UAVs (Unmanned Aerial Vehicles) en entorns rurals. L'arquitectura proposada està composta per tres components: un sensor de baix cost per a capturar dades de contaminació, un smartphone per a realitzar un preprocessament de la informació i per a transmetre les dades cap a un servidor central, i el servidor central, encarregat d'emmagatzemar i processar la informació de contaminació ambiental. Per a entorns urbans, analitzem diferents alternatives pel que fa al disseny d'una unitat de monitoratge (sensor mòbil) de baix cost basada en plataformes de prototipatge comercials com Raspberry Pi o Arduino, juntament amb sensors també de preu reduït. En la tesi fem una anàlisi, i proposem un procés, per a dur a terme el monitoratge ambiental utilitzant l'arquitectura proposada. Aquest procés abasta quatre operacions bàsiques: captura de dades, conversió d'unitats, reducció de la variabilitat temporal, i interpolació espacial. Per a entorns rurals, proposem l'ús de drons o Unmanned Aerial Vehicles (UAVs) com a unitats de sensorització mòbils. Específicament, equipem el dron amb capacitats de monitoratge a través d'un microordinador Raspberry Pi i sensors de qualitat de l'aire de baix cost. Finalment, es proposa un algorisme anomenat PdUC (Pollution-driven UAV Control) per a controlar el vol del UAV amb l'objectiu de realitzar monitoratge ambiental, que identifica les àrees més contaminades i que, d'aquesta manera, tracta de millorar la precisió general i la velocitat de monitoratge. A més, proposem una millora a aquest algorisme, denominada PdUC-D, basada en la discretització de l'àrea a monitorar dividint-la en xicotetes àrees (tiles), on cada tile es monitora una sola vegada, fet que evita dur a terme mostrejos redundants. En general, verifiquem que el monitoratge mòbil és una aproximació eficient i fiable per a monitorar la contaminació de l'aire en qualsevol entorn, ja siga usant vehicles o bicicletes en entorns urbans, o UAVs en entorns rurals. Pel que fa al procés de monitoratge ambiental, validem la nostra proposta comparant els valors obtinguts pels nostres sensors mòbils de baix cost pel que fa als valors típics de referència oferits per les estacions de monitoratge fixes per al mateix període i ubicació, i es comprova que els resultats són semblants, i estan d'acord amb el resultat esperat. A més, es demostra que PdUC-D permet guiar autònomament un UAV en tasques de monitoratge de l'aire, oferint un millor rendiment que els models de mobilitat típics, reduint tant els errors de predicció com el temps per a cobrir l'àrea completa, i aconseguint una major precisió dins de les àrees més / Alvear Alvear, ÓP. (2018). Mobile Sensing Architecture for Air Pollution Monitoring [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/107928

The Heating, Ventilation and Air Conditioning (HVAC) systems are nowadays in almost every new building, develop or improve better control strategies for them is very common, looking to have more energy efficiency and require less input parameters from the user. In this project, new control strategies based in previous theory models has been used with a new approach in order to find a good solution for irregular occupied spaces. In this new approach a feed-forward filter with a fixed preheating time, using an algorithm based on an identified model, calculates how much degrees the temperature room can be decreased and regulate the power of the radiators to do it.The results of this project displays that the chosen model have to be changed but the idea is interesting, because the simulations of the reference building give, with a preheating timeof 2 hours, around 3ºC of temperature reduction during 18 days and savings of 33% of the heat energy needed for the whole month.Considering that buildings and the residential sector currently account for 40 percent of Sweden's energy consumption and around 25 percent of other countries like USA or Spain, and that irregular spaces are more or less a 10% of the governmental, institutional, academic or public buildings, the potential savings are not negligible. The evaluation of this control strategy with its mathematical model as well as its resultsduring the month of January and the behavior of the system along the year have been made with the help of IDA program for simulation of the reference building and its energy system.

[ES] El aumento en el uso de combustibles fósiles para la generación de energía ha contribuido significativamente a la crisis del calentamiento global. Diferentes lugares alejados de la infraestructura eléctrica emplean generadores a base de gasolina que aumentan la contaminación ambiental. En este contexto, la introducción masiva de microrredes en la sociedad ha traído oportunidades para la generación de energía de forma distribuida, beneficiando a personas en todo el mundo. Por ejemplo, las microrredes pueden brindar electricidad a poblaciones vulnerables que viven en áreas remotas con acceso limitado a infraestructuras de transmisión y distribución. Además, las microrredes promueven el uso de recursos renovables, reduciendo el impacto ambiental en comparación con los métodos tradicionales de generación de electricidad, como las plantas de energía térmica o las instalaciones nucleares. Además, las microrredes permiten la generación de electricidad a pequeña escala, lo que permite que las familias logren la independencia energética y vendan el exceso de energía a la compañía eléctrica local. Cualquier inversor en una microrred necesita un algoritmo de control para realizar una regulación en bucle cerrado. En este contexto, el control por modos deslizantes de segundo orden es una estrategia de control robusta que ha ganado atención en las aplicaciones de inversores de microrredes. Mediante el uso de este enfoque, el inversor puede lograr un control preciso y rápido, incluso en presencia de incertidumbres y perturbaciones. El uso de estrategias de control robustas mejora la estabilidad y el rendimiento general del sistema de microrredes, asegurando una gestión de energía óptima. El proceso de ajuste es esencial para los algoritmos de control en bucle cerrado, ya que modifica la respuesta del controlador para alcanzar los objetivos de control. La optimización por enjambre de partículas (PSO por sus siglas en inglés) es un eficiente algoritmo de optimización empleado en controladores en lazo cerrado que puede resolver de manera efectiva problemas multi-objetivo formulados en una sola función de costo. Los parámetros de control del inversor de la microrred pueden ser optimizados mediante la utilización de PSO para lograr los objetivos deseados, ajustando de manera eficiente una estrategia de control. Para controladores por modos deslizantes, algunas estrategias de ajuste se basan en técnicas heurísticas. La función de costo única resuelve varios problemas en una microrred, pero existen dificultades cuando diferentes objetivos en un proceso no pueden ser mejorados simultáneamente debido a su relación conflictiva. Estrategias como Algoritmos Genéticos Multi-Objetivo (MOGA por sus siglas en inglés), Evolución Diferencial Multi-Objetivo (MODE por sus siglas en inglés) y Algoritmo Artificial de Ovejas Multi-Objetivo (MOASA por sus siglas en inglés), han demostrado su capacidad para mejorar el rendimiento del inversor mediante la optimización de objetivos conflictivos. Estos algoritmos pueden equilibrar de manera efectiva objetivos como la reducción del tiempo de respuesta y la minimización del sobreimpulso en la señal de salida del inversor. En consecuencia, el rendimiento general y la eficiencia de los inversores de la microrred pueden mejorar. La integración de algoritmos de control multi-objetivo en los inversores de la microrred tiene un gran potencial para abordar los desafíos de gestión de energía y optimizar el rendimiento. Los inversores de la microrred pueden lograr una mayor estabilidad, eficiencia y confiabilidad utilizando técnicas como el control por modos deslizantes de segundo orden y algoritmos de optimización como PSO, MOGA, MODE y MOASA. Al adoptar estos enfoques, se presenta una nueva metodología para un futuro energético más sostenible y resiliente, al tiempo que se mitigan los efectos adversos del calentamiento global causado por el consumo de combustibles fósiles en la generación convencional de energía. / [CA] L'augment en l'ús de combustibles fòssils per a la generació d'energia ha contribuït significativament a la crisi de l'escalfament global. Diferents llocs allunyats de la infraestructura elèctrica empleen generadors a base de gasolina que augmenten la contaminació ambiental. En aquest context, la introducció massiva de microxarxes a la societat ha comportat oportunitats per a la generació d'energia de forma distribuïda, beneficiant persones arreu del món. Per exemple, les microxarxes poden proporcionar electricitat a poblacions vulnerables que viuen en àrees remotes amb accés limitat a infraestructures de transmissió i distribució. A més, les microxarxes promouen l'ús de recursos renovables, reduint l'impacte ambiental en comparació amb els mètodes tradicionals de generació d'electricitat, com les plantes d'energia tèrmica o les instal·lacions nuclears. A més a més, les microxarxes permeten la generació d'electricitat a petita escala, la qual cosa permet que les famílies aconsegueixin la independència energètica i venguen l'excedent d'energia a la companyia elèctrica local. Qualsevol inversor en una microxarxa necessita un algoritme de control per a realitzar una regulació en bucle tancat. En aquest context, el control per modes lliscants de segon ordre és una estratègia de control robusta que ha guanyat atenció en les aplicacions d'inversors de microxarxes. Mitjançant l'ús d'aquest enfocament, l'inversor pot aconseguir un control precís i ràpid, fins i tot en presència d'incerteses i pertorbacions. L'ús d'estratègies de control robustes millora l'estabilitat i el rendiment general del sistema de microxarxes, assegurant una gestió d'energia òptima. El procés d'ajust és essencial pels algoritmes de control en bucle tancat, ja que modifica la resposta del controlador per a aconseguir els objectius de control. L'optimització per enjambre de partícules (PSO per les seues sigles en anglés) és un eficient algoritme d'optimització emprat en controladors en bucle tancat que pot resoldre de manera efectiva problemes multi-objectiu formulats en una sola funció de cost. Els paràmetres de control de l'inversor de la microxarxa poden ser optimitzats mitjançant l'utilització de PSO per a aconseguir els objectius desitjats, ajustant de manera eficient una estratègia de control. Per a controladors per modes lliscants, algunes estratègies d'ajust es basen en tècniques heurístiques. La funció de cost única resol diversos problemes en una microxarxa, però existeixen dificultats quan diferents objectius en un procés no poden ser millorats simultàniament a causa de la seua relació conflictiva. Estratègies com Algorismes Genètics Multi-Objectiu (MOGA per les seues sigles en anglés), Evolució Diferencial Multi-Objectiu (MODE per les seues sigles en anglés) i Algorisme Artificial de Xais Multi-Objectiu (MOASA per les seues sigles en anglés), han demostrat la seua capacitat per a millorar el rendiment de l'inversor mitjançant l'optimització d'objectius conflictius. Aquests algorismes poden equilibrar de manera efectiva objectius com la reducció del temps de resposta i la minimització del sobreguiny a la senyal de sortida de l'inversor. En conseqüència, el rendiment general i l'eficiència dels inversors de la microxarxa poden millorar. La integració d'algorismes de control multi-objectiu en els inversors de la microxarxa té un gran potencial per a abordar els desafiaments de gestió d'energia i optimitzar el rendiment. Els inversors de la microxarxa poden aconseguir una major estabilitat, eficiència i fiabilitat utilitzant tècniques com el control per modes lliscants de segon ordre i algorismes d'optimització com PSO, MOGA, MODE i MOASA. En adoptar aquests enfocaments, es presenta una nova metodologia per a un futur energètic més sostenible i resilient, al mateix temps que es mitiguen els efectes adversos de l'escalfament global causat pel consum de combustibles fòssils en la generació convencional d'energia. / [EN] The increase in fossil fuel usage for power generation has significantly contributed to the global warming crisis. Various remote areas, detached from electrical infrastructure, rely on gasoline-based generators that escalate environmental pollution. In this context, the widespread implementation of microgrids in society has brought forth opportunities for distributed energy generation, benefiting people worldwide. For instance, microgrids can provide electricity to vulnerable populations in remote areas with limited access to transmission and distribution infrastructures. Furthermore, these microgrids advocate for using renewable resources, diminishing environmental impact compared to traditional methods such as thermal power plants or nuclear facilities. Additionally, microgrids enable small-scale electricity generation, empowering families to achieve energy independence and sell surplus energy to local power companies. Any investor in a microgrid requires a closed-loop control algorithm. In this realm, the second-order sliding mode control is a robust strategy garnering attention in microgrid inverter applications. Through this approach, the inverter can achieve precise and rapid control despite uncertainties and disturbances. Using robust control strategies enhances microgrid systems' stability and overall performance, ensuring optimal energy management. Adjustment processes are pivotal for closed-loop control algorithms, modifying the controller's response to meet control objectives. Particle Swarm Optimization (PSO) is an efficient optimization algorithm employed in closed-loop controllers that can effectively solve multi-objective problems formulated in a single cost function. Control parameters of the microgrid inverter can be optimized using PSO to attain desired objectives, efficiently fine-tuning a control strategy. For sliding mode controllers, some adjustment strategies rely on heuristic techniques. While a single cost function resolves various issues within a microgrid, difficulties arise when different objectives in a process cannot be simultaneously improved due to conflicting relationships. Strategies like Multi-Objective Genetic Algorithms (MOGA), Multi-Objective Differential Evolution (MODE), and Multi-Objective Artificial Sheep Algorithm (MOASA) have proven their ability to enhance inverter performance by optimizing conflicting objectives. These algorithms effectively balance objectives like reducing response time and minimizing overshoot in the inverter's output signal. Consequently, the overall performance and efficiency of microgrid inverters can be enhanced. Integrating multi-objective control algorithms into microgrid inverters holds significant potential in addressing energy management challenges and optimizing performance. Microgrid inverters can achieve greater stability, efficiency, and reliability by utilizing second-order sliding mode control and optimization algorithms like PSO, MOGA, MODE, and MOASA. By embracing these approaches, a new methodology emerges for a more sustainable and resilient energy future while mitigating the adverse effects of global warming caused by conventional fossil fuel consumption in power generation. / Gonzales Zurita, ÓO. (2024). Multi-objective Control on Inverter-Based Microgrids [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203120