Tesis por compendio / [ES] La energía, la comunicación y la informática son componentes fundamentales de la sociedad moderna, ya que sientan las bases para el desarrollo tecnológico y el crecimiento económico. La estrecha interrelación entre estos pilares se ha hecho cada vez más evidente en los últimos años, a medida que los avances en computación y análisis de datos han permitido nuevos enfoques de gestión y sostenibilidad de la energía. En este contexto, el uso eficiente de la energía se ha convertido en un objetivo clave para los investigadores, los responsables políticos y las empresas por igual. Al aprovechar el poder de las técnicas informáticas y de aprendizaje automático (ML), es posible destacar los desafíos de asegurar los sistemas de energía y optimizar el uso de la energía, lo que lleva a la necesidad de técnicas avanzadas como algoritmos bio-inspirados y redes neuronales. Esta tesis doctoral tiene como objetivo analizar los programas y estrategias de gestión de la carga, el consumo y la demanda en el panorama energético actual. El núcleo central presenta un estudio exhaustivo sobre la integración de algoritmos bio-inspirados, como la optimización de enjambres de partículas (PSO) y los modelos de redes neuronales artificiales (ANN) en los sistemas de gestión de la carga para hacer frente a los retos de la gestión de la carga y utilizar la energía de forma eficiente y segura. El cuerpo principal de esta tesis comprende tres publicaciones científicas, cada una de las cuales corresponde a una etapa distinta dentro del marco general de investigación de este estudio: la primera etapa propone un sistema de monitorización de bajo coste para aplicaciones energéticas que introduce un sistema SCADA basado en web rentable que era un del 80% más barato que una solución similar. La arquitectura de bajo coste propuesta, diseñada para bancos de pruebas de microrredes, ofrece monitorización en tiempo real, accesibilidad remota y control fácil de usar para aplicaciones académicas y de investigación. La segunda etapa combina la optimización híbrida de enjambre de partículas (PSO) en cascada con redes neuronales feed-forward para pronosticar y optimizar con precisión la demanda de energía en una microrred en AC, mejorando la integración de fuentes de energía renovables como gasificación de biomasa. Los resultados muestran que el modelo PSO-ANN propuesto tiene un rendimiento un 23,2% mejor en términos de MSE que los modelos de RNA de retropropagación feed-forward (FF-BP) y propagación directa en cascada (CF-P). La tercera y última etapa se centró en un sistema inteligente de gestión de la carga reforzado con criptografía híbrida para garantizar la comunicación protegida y la privacidad de los datos, abordando así de manera efectiva los desafíos de seguridad energética en entornos residenciales. Los resultados mostraron que el modelo propuesto de Gestión de Carga aplicado a Sistemas Residenciales de Seguridad (SRS-LM) fue un 37% mejor en rendimiento (costo de energía, utilización de energía, tiempo computacional) y con una reducción de carga máxima del 60% en comparación con un modelo de Medidor de Energía Inteligente Universal (USEM). / [CA] L'energia, la comunicació i la informàtica són components fonamentals de la societat moderna, ja que establixen les bases per al desenvolupament tecnològic i el creixement econòmic. L'estreta interrelació entre estos pilars s'ha fet cada vegada més evident en els últims anys, a mesura que els avanços en computació i anàlisi de dades han permés nous enfocaments de gestió i sostenibilitat de l'energia. En este context, l'ús eficient de l'energia s'ha convertit en un objectiu clau per als investigadors, els responsables polítics i les empreses per igual. En aprofitar el poder de les tècniques informàtiques i d'aprenentatge automàtic (ML), és possible destacar els desafiaments d'assegurar els sistemes d'energia i optimitzar l'ús de l'energia, la qual cosa porta a la necessitat de tècniques avançades com a algorismes bio-inspirats i xarxes neuronals. Esta tesi doctoral té com a objectiu analitzar els programes i estratègies de gestió de la càrrega, el consum i la demanda en el panorama energètic actual. El nucli central presenta un estudi exhaustiu sobre la integració d'algorismes bio-inspirats, com l'optimització d'eixams de partícules (PSO) i els models de xarxes neuronals artificials (ANN) en els sistemes de gestió de la càrrega per a fer front als reptes de la gestió de la càrrega i utilitzar l'energia de manera eficient i segura. El cos principal d'esta tesi comprén tres publicacions científiques, cadascuna de les quals correspon a una etapa diferent dins del marc general d'investigació d'este estudi: la primera etapa proposa un sistema de monitoratge de baix cost per a aplicacions energètiques que introduïx un sistema SCADA basat en web rendible que era un del 80% més barat que una solució similar. L'arquitectura de baix cost proposada, dissenyada per a bancs de proves de microxarxes, oferix monitoratge en temps real, accessibilitat remota i control fàcil d'usar per a aplicacions acadèmiques i d'investigació. La segona etapa combina l'optimització híbrida d'eixam de partícules (PSO) en cascada amb xarxes neuronals feed-forward per a pronosticar i optimitzar amb precisió la demanda d'energia en una microxarxa en AC, millorant la integració de fonts d'energia renovables com a gasificació de biomassa. Els resultats mostren que el model PSO-ANN proposat té un rendiment un 23,2% millor en termes de MSE que els models d'RNA de retropropagació feed-forward (FF-BP) i propagació directa en cascada (CF-P). La tercera i última etapa es va centrar en un sistema intel·ligent de gestió de la càrrega reforçat amb criptografia híbrida per a garantir la comunicació protegida i la privacitat de les dades, abordant així de manera efectiva els desafiaments de seguretat energètica en entorns residencials. Els resultats van mostrar que el model proposat de Gestió de Càrrega aplicat a Sistemes Residencials de Seguretat (SRS-LM) va ser un 37% millor en rendiment (cost d'energia, utilització d'energia, temps computacional) i amb una reducció de càrrega màxima del 60% en comparació amb un model de Mesurador d'Energia Intel·ligent Universal (USEM). / [EN] Energy, communication, and computing are critical components of modern society, providing the foundation for technological development and economic growth. The close interrelation between these pillars has become increasingly apparent in recent years, as computing and data analysis advances have enabled new energy management and sustainability approaches. In this context, efficient energy usage has become a key focus for researchers, policymakers, and businesses alike. By harnessing the power of computing and machine learning (ML) techniques, it is possible to highlight the challenges of securing energy systems and optimizing energy usage, leading to the need for advanced techniques such as bio-inspired algorithms and neural networks. This doctoral thesis aims to analyse load consumption and demand management programs and strategies in the current energy landscape. The central core presents an study on integrating bio-inspired algorithms, such as particle swarm optimization (PSO) and artificial neural networks (ANN) models in load management systems to meet load management challenges and use energy efficiently and securely. The main body of this thesis comprises three scientific publications, each corresponding to a distinct stage within the overarching research framework of this study: the first stage covers the proposal of a low-cost architecture in energy systems introducing a cost-effective web-based SCADA system that was over 80% cheaper than a similar solution. The proposed low-cost architecture, tailored for microgrid testbeds, offers real-time monitoring, remote accessibility, and user-friendly control for academic and research applications. The second stage combined a cascade hybrid Particle Swarm Optimization (PSO) with feed-forward neural networks to accurately forecast and optimize energy demand in an AC microgrid, notably enhancing the integration of renewable energy sources like biomass gasification. The results showed that the proposed PSO-ANN model performs 23.2% better in terms of MSE than Feedforward Backpropagation (FF-BP) and Cascade forward propagation (CF-P) ANN models. The third and final stage focused on a smart load management system fortified with hybrid cryptography to ensure protected communication and data privacy, thereby effectively addressing energy security challenges in residential settings. Results showed that the proposed Security Residential System Load Management (SRS-LM) model was 37% better in performance (power cost, power utilization, computational time) and with a 60% peak load reduction compared to a Universal Smart Energy Meter (USEM) model. / Chiñas Palacios, CD. (2024). Bio-Inspired Algorithms and Artificial Neural Networks Applied to Smart Load Management Systems to Optimize Energy Usage [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/203128 / Compendio

Orientador: Percival Bueno de Araujo / Resumo: Este trabalho apresenta o Novel Bat Algorithm com uma nova técnica para realizar o ajuste coordenado dos parâmetros de controladores suplementares de amortecimento (Estabilizadores de Sistemas de Potência e do conjunto Generalized Unified Power Flow Controller – Power Oscillation Damping) em sistemas elétricos de potência multimáquinas. O objetivo principal é inserir amortecimento adicional aos modos oscilatórios de baixa frequência e, consequentemente, garantir a estabilidade do sistema elétrico frente a pequenas perturbações. Para representar o sistema elétrico de potência será utilizado o Modelo de Sensibilidade de Potência. Desse modo, todos os seus dispositivos e componentes foram modelados por injeções de potência. Análises estáticas e dinâmicas foram realizadas em dois sistemas teste, sendo: o Sistema Simétrico de Duas Áreas e o Sistema New England. A eficiência do dispositivo FACTS Generalized Unified Power Flow Controller atuando em conjunto com uma estrutura de controle baseada em controladores Proporcional – Integral foi criteriosamente avaliada para o controle de fluxos de potências ativa e reativa, para a melhoria do perfil de tensão do sistema elétrico e na redução das perdas no sistema de transmissão. O desempenho do Novel Bat Algorithm, no que concerne ao ajuste dos parâmetros dos controladores, foi comparado a outros quatro algoritmos bio-inspirados bastante difundidos na literatura: Particle Swarm Optimization, Bacterial Foragim Optimization, Bat Algorithm e... (Resumo completo, clicar acesso eletrônico abaixo) / Abstract: This work presents the Novel Bat Algorithm as a new technique for the to perform the coordinated tuning of the parameters of the supplementary damping controllers (Power Systems Stabilizers and Generalized Unified Power Flow Controller - Power Oscillation Damping) in multi-machine electric power systems. The main objective is to insert damping to low-frequency oscillations and thus ensure the stability of the electrical system against minor disturbances. The Power Sensitivity Model is used to represent the system. Thus, all devices and their components are modeled by power injection. Static and dynamic analyzes were performed in the two systems: the two-areas symmetric, and the New England. The performance of the proposed methodology (Novel Bat Algorithm), for tuning of the parameters of the controllers was compared to four other algorithms, presented in the literature: The Particle Swarm Optimization method, Bacterial Foraging Optimization method, Bat Algorithm method and a Genetic Algorithm with elitism. The results demonstrated that the Novel Bat Algorithm was more effective than the other techniques presented, generating robust solutions when variations on the scenarios of loads were considered, and therefore accredited it as a tool in the analysis of the study of small-signal stability. / Doutor

Submitted by Ednei Luiz Miotto (edneimiotto@utfpr.edu.br) on 2018-11-05T12:58:43Z No. of bitstreams: 1 TESE EDNEI LUIZ MIOTTO.pdf: 5057627 bytes, checksum: 74b7d6f2bd477e7e02941873ca291fa3 (MD5) / Approved for entry into archive by Cristina Alexandra de Godoy null (cristina@adm.feis.unesp.br) on 2018-11-08T19:07:02Z (GMT) No. of bitstreams: 1 miotto_el_dr_ilha.pdf: 5057627 bytes, checksum: 74b7d6f2bd477e7e02941873ca291fa3 (MD5) / Made available in DSpace on 2018-11-08T19:07:02Z (GMT). No. of bitstreams: 1 miotto_el_dr_ilha.pdf: 5057627 bytes, checksum: 74b7d6f2bd477e7e02941873ca291fa3 (MD5) Previous issue date: 2018-10-18 / Este trabalho apresenta o Novel Bat Algorithm com uma nova técnica para realizar o ajuste coordenado dos parâmetros de controladores suplementares de amortecimento (Estabilizadores de Sistemas de Potência e do conjunto Generalized Unified Power Flow Controller – Power Oscillation Damping) em sistemas elétricos de potência multimáquinas. O objetivo principal é inserir amortecimento adicional aos modos oscilatórios de baixa frequência e, consequentemente, garantir a estabilidade do sistema elétrico frente a pequenas perturbações. Para representar o sistema elétrico de potência será utilizado o Modelo de Sensibilidade de Potência. Desse modo, todos os seus dispositivos e componentes foram modelados por injeções de potência. Análises estáticas e dinâmicas foram realizadas em dois sistemas teste, sendo: o Sistema Simétrico de Duas Áreas e o Sistema New England. A eficiência do dispositivo FACTS Generalized Unified Power Flow Controller atuando em conjunto com uma estrutura de controle baseada em controladores Proporcional – Integral foi criteriosamente avaliada para o controle de fluxos de potências ativa e reativa, para a melhoria do perfil de tensão do sistema elétrico e na redução das perdas no sistema de transmissão. O desempenho do Novel Bat Algorithm, no que concerne ao ajuste dos parâmetros dos controladores, foi comparado a outros quatro algoritmos bio-inspirados bastante difundidos na literatura: Particle Swarm Optimization, Bacterial Foragim Optimization, Bat Algorithm e o Algoritmo Genético com Elitismo. Os resultados demonstraram que o Novel Bat Algorithm foi mais eficiente que as demais técnicas avaliadas, obtendo soluções com amortecimento satisfatório, mesmo quando variações nos cenários de carregamento do sistema são consideradas, sendo, portanto, credenciado como ferramenta promissora para a análise da estabilidade a pequenas perturbações em sistemas elétricos de potência multimáquinas. / This work presents the Novel Bat Algorithm as a new technique for the to perform the coordinated tuning of the parameters of the supplementary damping controllers (Power Systems Stabilizers and Generalized Unified Power Flow Controller - Power Oscillation Damping) in multi-machine electric power systems. The main objective is to insert damping to low-frequency oscillations and thus ensure the stability of the electrical system against minor disturbances. The Power Sensitivity Model is used to represent the system. Thus, all devices and their components are modeled by power injection. Static and dynamic analyzes were performed in the two systems: the two-areas symmetric, and the New England. The performance of the proposed methodology (Novel Bat Algorithm), for tuning of the parameters of the controllers was compared to four other algorithms, presented in the literature: The Particle Swarm Optimization method, Bacterial Foraging Optimization method, Bat Algorithm method and a Genetic Algorithm with elitism. The results demonstrated that the Novel Bat Algorithm was more effective than the other techniques presented, generating robust solutions when variations on the scenarios of loads were considered, and therefore accredited it as a tool in the analysis of the study of small-signal stability.

Actuellement les smartphones possèdent un grand éventail de fonctionnalités. Ces objets tout en un, sont constamment connectés. Il est l'appareil favori plébiscité par les utilisateurs parmi tous les dispositifs de communication existants. Les applications actuelles développées pour les smartphones doivent donc faire face à une forte augmentation de la demande en termes de fonctionnalités tandis que - dans un même temps - les smartphones doivent répondre à des critères de compacité et de conception qui les limitent en énergie et à un environnement d'exécution pauvre en ressources. Utiliser un système riche en ressource est une solution classique introduite en informatique dans les nuages mobiles (Mobile Cloud Computing), celle-ci permet de contourner les limites des appareils mobiles en exécutant à distance, toutes ou certaines parties des applications dans ces environnements de nuage. Certaines architectures émergent, mais peu d'algorithmes existent pour traiter les propriétés dynamiques de ces environnements. Dans cette thèse, nous focalisons notre intérêt sur la conception d'ACOMMA (Ant-inspired Collaborative Offloading Middleware for Mobile Applications), un interlogiciel d'exécution déportée collaborative inspirée par le comportement des fourmis, pour les applications mobiles. C'est une architecture orientée service permettant de décharger dynamiquement des partitions d'applications, de manière simultanée, sur plusieurs clouds éloignés ou sur un cloud local créé spontanément, incluant les appareils du voisinage. Les principales contributions de cette thèse sont doubles. Si beaucoup d'intergiciels traitent un ou plusieurs défis relatifs à l'éxecution déportée, peu proposent une architecture ouverte basée sur des services qui serait facile à utiliser sur n'importe quel support mobile sans aucun exigence particulière. Parmi les principaux défis il y a les questions de quoi et quand décharger dans cet environnement très dynamique. A cette fin, nous développons des algorithmes de prises de décisions bio-inspirées : un processus de prise de décision bi-objectif dynamique avec apprentissage et un processus de prise de décision en collaboration avec les autres dispositifs mobiles du voisinage. Nous définissons un mécanisme de dépôt d'exécution avec une méthode de partitionnement grain fin de son graphe d'appel. Nous utilisons les algorithmes des colonies de fourmis pour optimiser bi-objectivement la consommation du CPU et le temps total d'exécution, en incluant la latence du réseau. Nous montrons que les algorithmes des fourmis sont plus facilement re-adaptables face aux modifications du contexte, peuvent être très efficaces en ajoutant des algorithmes de cache par comparaison de chaîne (string matching caching) et autorisent facilement la dissémination du profil de l'application afin de créer une exécution déportée collaborative dans le voisinage. / Not bounded by time and place, and having now a wide range of capabilities, smartphones are all-in-one always connected devices - the favorite devices selected by users as the most effective, convenient and neces- sary communication tools. Current applications developed for smartphones have to face a growing demand in functionalities - from users, in data collecting and storage - from IoT device in vicinity, in computing resources - for data analysis and user profiling; while - at the same time - they have to fit into a compact and constrained design, limited energy savings, and a relatively resource-poor execution environment. Using resource- rich systems is the classic solution introduced in Mobile Cloud Computing to overcome these mobile device limitations by remotely executing all or part of applications to cloud environments. The technique is known as application offloading. Offloading to a cloud - implemented as geographically-distant data center - however introduces a great network latency that is not acceptable to smartphone users. Hence, massive offloading to a centralized architecture creates a bottleneck that prevents scalability required by the expanding market of IoT devices. Fog Computing has been introduced to bring back the storage and computation capabilities in the user vicinity or close to a needed location. Some architectures are emerging, but few algorithms exist to deal with the dynamic properties of these environments. In this thesis, we focus our interest on designing ACOMMA, an Ant-inspired Collaborative Offloading Middleware for Mobile Applications that allowing to dynamically offload application partitions - at the same time - to several remote clouds or to spontaneously-created local clouds including devices in the vicinity. The main contributions of this thesis are twofold. If many middlewares dealt with one or more of offloading challenges, few proposed an open architecture based on services which is easy to use for any mobile device without any special requirement. Among the main challenges are the issues of what and when to offload in a dynamically changing environment where mobile device profile, context, and server properties play a considerable role in effectiveness. To this end, we develop bio-inspired decision-making algorithms: a dynamic bi-objective decision-making process with learning, and a decision-making process in collaboration with other mobile devices in the vicinity. We define an offloading mechanism with a fine-grained method-level application partitioning on its call graph. We use ant colony algorithms to optimize bi-objectively the CPU consumption and the total execution time - including the network latency.

Orientadores: Fernando Jose Von Zuben, Jonatas Manzolli / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica e de Computação / Made available in DSpace on 2018-08-06T18:10:14Z (GMT). No. of bitstreams: 1 Caetano_MarceloFreitas_M.pdf: 11758987 bytes, checksum: 2521dc99ef68d0b0a4e06b9ea4751fc5 (MD5) Previous issue date: 2006 / Resumo: Não há limitações teóricas para o uso do computador como fonte de sons musicais. O computador digital permite a produção de qualquer som concebivel dada a seqüência correta de números (amostras digitais). No entanto, produzir uma dada seqüência de números que corresponda a um som musical que possua determinadas características perceptivas desejadas é uma tarefa de difícil resolução. Grande parte dos métodos e sistemas de síntese sonora digital utiliza modelos e/ou incorpora técnicas que não levam em conta a natureza dinâmica dos sons musicais ou que não foram originalmente desenvolvidas para manipulação musical. Neste trabalho, é apresentada uma abordagem populacional para síntese sonora no domínio temporal. Foi estudado um espaço sonoro e um conjunto de atratores, isto é, um conjunto de formas de onda com qualidades sonoras desejadas e definidas a priori, e foi possível obter sons que possuem características associadas a um ou mais atratores, representando variantes dos mesmos. Este método de síntese de sons musicais pode ser interpretado como um processo de busca no espaço vetorial que contém todas as possibilidades sonoras decorrentes da representação adotada, e tem por objetivo a criação de formas de onda digítalizadas com características emergentes e potencial para serem utilizadas em diversas aplicações musicais. Os resultados representam variantes e/ou possuem íntersecções das características próprias dos atratores, responsáveis por indicar as regiões de interesse do espaço de busca. A proposta de pesquisa envolveu a utilização de algoritmos bioinspirados - os quais expressam propriedades de sistemas auto-organizados e adaptativos - como definidores de processos de geração e estruturação dos elementos sonoros, entendidos aqui como problemas de otimização. A auto-organização e os mecanismos de manutenção de diversidade e de adaptação, intrínsecos aos sistemas bio-inspirados, fundamentam a proposta no sentido de viabilizarem a emergência temporal de estruturas estáveis sem um elemento organizador externo / Abstract: There are no theoretical limitations to the use of the computer as a source of musical sounds. The digital computer allows for the production of any conceivable sound given the carrect sequence af numbers (digital samples). Nevertheless, producing the correct sequence of numbers that correspond to a musical sound expressing predefined perceptual characteristics is a very difficult task. Most sound synthesis methods and systems utilize models and/or incorporate techniques which do not take into account the dynamic nature of musical sounds or were not originally developed for the manipulation of musical tones. In this work we are proposing a populational sound synthesis approach in the time domain. A soundspace and a set of attractors, i.e. waveforms containing a priari desired features or qualities, and a population of agents communicating by means of local interaction were studied, and it was possible to attain sounds which share some qualities from more than one of the attractors, resulting exclusively from low-Ievel rules followed by these agents. This sound synthesis method can be regarded as a search in the vector space that contains ali the possible sounds resulting from the adopted representation, and its objective is to synthesize digital waveforms that possess emergent properties and the potential to be used in musical applications. The resulting sounds are variants or hybrids that share some of the intrinsic features of the attractors, which are responsible for indicating the regions of interest in the search space. This proposal involved the use of bio-inspired algorithms, which express features of adaptive, self-organizing systems, as definers of generating and structuring processes of sound elements, regarded herein as optimization processes. Self-organization and diversity maintenance and adaptation mechanisms, intrinsic to bio-inspired systems, lay the foundations of this proposal so as to make viable the temporal emergence of stable structures without an externa I organizing element / Mestrado / Engenharia de Computação / Mestre em Engenharia Elétrica