Ingenieros de la Escuela de Ingeniería James Watt de la Universidad de Glasgow han desarrollado un prototipo de herramienta digital que puede monitorizar y gestionar dispositivos inactivos, la electricidad que consumen dispositivos como ordenadores o equipos de oficina cuando están conectados a la red eléctrica, pero no se utilizan activamente. Investigaciones anteriores han demostrado que hasta un tercio de la electricidad utilizada en edificios de oficinas puede atribuirse a la alimentación fantasma.
El equipo de investigación se propuso utilizar su experiencia en tecnología de gemelos digitales para desarrollar un enfoque más inteligente y adaptativo al comportamiento para gestionar la carga fantasma.
Optimización del consumo eléctrico mediante algoritmos
Los gemelos digitales son modelos virtuales dinámicos basados en datos, diseñados para representar sistemas adaptativos complejos. Mediante sensores inteligentes, capturan continuamente datos del mundo real sobre variables como el consumo de electricidad, lo que permite obtener información en tiempo real y capacidades predictivas.
Además, el sistema del equipo extrae datos de una red de sensores de energía inteligentes que envían información sobre la electricidad a un servidor central mediante el protocolo LoRaWAN, un estándar ampliamente utilizado en sistemas del Internet de las Cosas.
El servidor del sistema utiliza avanzados algoritmos de lógica difusa para identificar patrones de consumo de energía, distinguiendo entre dispositivos en uso activo y aquellos que consumen alimentación fantasma. Esta capacidad permite un monitoreo detallado y en tiempo real del consumo eléctrico en oficinas y laboratorios.
Cuando el sistema detecta periodos prolongados de inactividad, envía notificaciones a los usuarios para confirmar si están trabajando de forma remota o si existen procesos en segundo plano. Esto asegura que la gestión de energía no interrumpa tareas legítimas y fomenta la conciencia sobre el uso responsable de los dispositivos.
En ese sentido, si los usuarios no responden o confirman que el dispositivo no es necesario, el sistema puede apagar automáticamente el equipo, eliminando por completo la carga fantasma. Además, el sistema puede procesar los datos recopilados para generar predicciones de consumo eléctrico para el día siguiente, optimizando la eficiencia energética de manera continua.
El equipo de la Universidad de Glasgow validó la herramienta en un laboratorio con más de 30 dispositivos conectados. Los resultados mostraron una reducción del 40% del consumo semanal de las estaciones de trabajo y estiman que, con la implementación completa, la herramienta podría reducir la carga fantasma en un 82%, generando un ahorro anual de alrededor de 9.000 libras en electricidad.