EnergiQ: Una plataforma inteligente impulsada por un gran lenguaje prescriptivo para interpretar los patrones de...

Área de la Ciencia:

• Tecnología de hogares inteligentes
• Inteligencia artificial
• Sistemas de gestión de la energía

Sus antecedentes:

• Los sensores inteligentes ofrecen oportunidades pero también complejidades en la gestión de la energía residencial.
• Los sistemas actuales de gestión de la energía (SGE) carecen de interpretabilidad, adaptabilidad y participación de los usuarios.
• Es crucial cerrar la brecha entre el análisis energético complejo y la comprensión del usuario.

Objetivo del estudio:

• Presentar EnergiQ, una plataforma inteligente que integra sensores y LLM para mejorar la gestión de la energía.
• Mejorar la comprensión por parte de los usuarios de los datos sobre el consumo de energía mediante la retroalimentación en lenguaje natural.
• Fomentar la participación proactiva de los consumidores en las prácticas de eficiencia energética y de vivienda sostenible.

Principales métodos:

• Integración de sensores IoT basados en enchufes inteligentes y aprendizaje automático de series temporales (ML).
• Utilización de clasificadores XGBoost para la identificación de aparatos y codificadores automáticos CNN-LSTM para la detección de anomalías.
• Implementación de una capa de razonamiento de LLM con modelos ajustados a las instrucciones para retroalimentación personalizada.

Principales resultados:

• Alta precisión de clasificación del aparato (94%) lograda con XGBoost basado en características estadísticas.
• Detección efectiva de anomalías demostrada en varios dispositivos utilizando un autoencoder CNN-LSTM.
• La capa LLM mostró más del 91% de acuerdo con las recomendaciones de ahorro de energía de los expertos.

Conclusiones:

• EnergiQ traduce con éxito datos complejos de energía en información intuitiva y procesable.
• La plataforma permite a los consumidores gestionar de manera proactiva el uso de la energía y mejorar la eficiencia.
• La integración de LLM mejora significativamente la interpretabilidad y el compromiso del usuario con el SME.