Gerenciamento autonômico de energia de ambientes inteligentes com dispositivos de Internet das Coisas e Fog Computing

Tese (doutorado) - Universidade Federal de Santa Catarina, Centro Tecnológico, Programa de Pós-Graduação em Ciência da Computação, Florianópolis, 2021. Apresentamos uma solução de Sistema de Gerenciamento de Energia, ou Energy Management Systems (EMS), para otimizar o consumo de energia de dispositivos de Internet das Coisas (IoT) em sistemas de larga escala, correlacionando as variações de ambiente com informações de comportamento dos usuários, promovendo ajustes para regular a utilização de energia em uma base regular. A proposta descreve mecanismos de orquestração avançados para gerenciar ciclos de trabalho IoT dinâmicos para economia de energia extra. A solução funciona ajustando os ciclos conforme a mudança de estados, Casa (H) e Ausente (A), com base em informações contextuais, como condições ambientais, comportamento do usuário, variação de comportamento, regulamentações de utilização de energia e recursos de rede, entre outras. Apresentamos uma prova de conceito com um sistema de alarme de incêndio Fog e IoT, com a descrição de um protótipo de alarme de incêndio, em cenários de residências inteligentes, também considerando a escalabilidade para condomínios e limitações de tempo de resposta. Realizamos uma análise de desempenho, considerando um cenário de condomínio inteligente com 300 dispositivos IoT, e limite do tempo de hibernação do ciclo de trabalho T menor que 3 segundos. Os resultados apresentados indicam economia média de energia de $58,4\%$. Incrementamos um sistema de agendamento de horários dos residentes, de forma a determinar os horários H e A. Propomos uma modificação no modo de operação do ciclo de trabalho, para os horários em que o residentes não se encontram em casa (A). Durante o período A, permitimos que o tempo de hibernação T exceda o limite de tempo preestabelecido, sendo denominado hibernação longa, ou Long Sleep (LS). Assim, com LS=4 segundos estimamos $61,51\%$ de economia de energia, sendo 3,11\% de economia extra. Porém, verificamos que não há relação linear ao aumentar o tempo LS e aumento de economia de energia. Agregamos um sistema de Controle de Acesso Residencial com o uso de RFID, responsável por mapear os horários exatos de entrada e saída dos residentes de suas casas, visando uma estimativa de economia de energia mais precisa. Utilizamos uma rede neural para os cálculos de estimativa de economia de energia extra, onde o resultado da predição indica que a economia extra mais próxima da realidade seria de 2,23\%. Também incorporamos um módulo de segurança contra ataques de negação de serviço (DoS), como um Sistema de Detecção (IDS), em busca de garantia de qualidade de Serviço (QoS) das aplicações, seja o atacante de origem externa(internet) ou interna. O objetivo desta Tese é promover a gestão autonômica como uma solução para desenvolver edifícios mais eficientes em energia e cidades inteligentes, em direção a objetivos sustentáveis. Abstract: We present an Energy Management System (EMS) solution to optimize the energy consumption of Internet of Things (IoT) devices in large-scale systems, correlating environmental variations with user behavior information, promoting adjustments to regulate energy use on a regular basis. The proposal describes advanced orchestration mechanisms to manage dynamic IoT work cycles for extra energy savings. The solution works by adjusting cycles as states change, Home (H) and Away (A), based on contextual information such as environmental conditions, user behavior, behavior variation, energy usage regulations and network resources, among others. We present a proof of concept with a Fog and IoT fire alarm system, describing a prototype fire alarm, in smart home scenarios, also considering the scalability for condominiums, and response time limitations. We carried out a performance analysis considering a smart condominium scenario with 300 IoT devices, and duty cycle sleep time limit T less than 3 seconds. The results indicate an average energy savings of $58.4\%$. We have also added a home scheduling system for resident behavior, in order to determine H and A times. We propose a modification in the work cycle operating mode, for times when residents are not at home (A). During period A, we allow the sleep time T to exceed the pre-set time limit, named Long Sleep (LS). Thus, with LS=4 seconds we estimate $61.51\%$ of energy savings, with 3.11\% of extra savings. However, we found that there is no linear relationship between increasing LS time and increasing energy savings. We added a Residential Access Control system using RFID, responsible for mapping the exact entry and exit times of residents from their homes, aiming at a more accurate energy savings estimate. We use a neural network for extra energy savings estimate calculations, where the prediction result indicates that the extra savings would be 2.23\%. We also incorporate a security module against denial of service (DoS) attacks, such as an Intrusion Detection System (IDS), in search of quality of service (QoS) guarantee for applications, whether the attacker has an external (internet) or internal source. The objective of this Thesis is to promote Autonomic Management as a solution to develop more energy-efficient buildings and smart cities, towards sustainable goals.