Ontologias Aplicadas à Modelagem de Sistemas Prediais
Carlos André Barbosa de Almeida, BSc
[email protected] José do Carmo Rodrigues, MSc, PhD
[email protected] 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 domínio.” (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: . 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.
