Infraestrutura avançada de medição para gestão inteligente de gás natural em clientes industriais

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: Araujo, Everton Camoleze de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Estadual Paulista (Unesp)
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: http://hdl.handle.net/11449/242814
Resumo: Os serviços de fornecimento e gestão de insumos como água, energia elétrica e gás são chamados de utilities. Um dos maiores desafios existentes dentro deste setor está no desenvolvimento de métodos robustos, escaláveis e de baixo custo para a realização massiva do faturamento de clientes. Com o avanço da Internet das Coisas (IoT), uma Infraestrutura de Medição Avançada (AMI) é a base para qualquer solução de gestão inteligente de utilities. Uma AMI une elementos de hardware (medição remota), de comunicação sem fio de longa distância e de software (visualização de dados). O foco deste trabalho consiste no estudo e desenvolvimento de uma AMI para gestão inteligente de gás natural de clientes industriais usando IoT. A arquitetura da AMI consiste num módulo eletrônico de aquisição de dados, comunicação usando LoRaWAN para medição remota e numa plataforma de gestão inteligente do consumo de gás natural. O módulo remoto desenvolvido é responsável por coletar os dados de processo do equipamento fiscal de medição de gás natural e transmitir esses dados via rede LoRaWAN para uma plataforma de gestão. A gestão inteligente inclui o monitoramento contínuo de variáveis, controle supervisório, detecção de anomalias e notificação de alarmes. Resultados experimentais demonstraram que a rede LoRaWAN é adequada para medição remota fiscal de gás natural e a gestão inteligente é capaz de analisar dados históricos de consumo e detectar comportamentos atípicos, como por exemplo, fraudes e vazamentos.