Piattaforma del Progetto
L’immagine sottostante rappresenta ad alto livello i vari elementi che compongono la piattaforma PickUP, risultato complessivo dei diversi moduli implementati nel progetto.
Cliccando su "Piattaforma", è possibile avere l’idea di insieme del progetto, mentre, cliccando sui singoli box, è possibile visualizzare i video riassuntivi dei risultati ottenuti per ciascun modulo.
 |
|||||||||||||||||||
|
|
|
|
|
|
||||||||||||||
Dettaglio dei Moduli
CLOUD GATEWAY
LoRa Server / AWS Cloud
La creazione di un'infrastruttura IOT ha implicato l'implementazione di applicativi "server-side" e l'utilizzo di tecnologie cloud avanzate quali servizi Amazon Web Services e Docker.
Media:
SCUOLA/CASERMA
Impianto IOT/LoraWAN
L'attività sperimentale IOT ha coinvolto L'installazione e L'implementazione di un'infrastruttura di monitoraggio e attuazione all'interno della scuola Colombo Pertini e della caserma dei vigili urbani Clelia Corradini di Savona. In questo modulo sono state utilizzate le tecnologie LoraWAN, Edge Computing, Fog Compunting e micro controllori.
Media:
ADVANCED GATEWAY
Senseioty
Le attività di ricerca e sviluppo relative all’Advanced Gateway hanno permesso di raggiungere diversi obiettivi progettuali come, ad esempio, la realizzazione dei una piattaforma integrata hardware/software per il monitoraggio ambientale e l’efficienza energetica grazie alla raccolta e distribuzione di parametri endogeni ed esogeni. Inoltre, grazie all’utilizzo di tecnologie innovative (ad esempio, Internet of Things, Edge Computing, Big-Data, LoRa) è stato possibile realizzare un sistema di gestione dell’energia open, flessibile e interoperabile. In particolare, sono state integrate tecnologie di comunicazione wireless a bassa potenza per la raccolta dati in distretti urbani (Campus, residenze, complessi scolastici, etc.) al fine di abilitare servizi a valore aggiunto (AI Engine, Demand Response, Analisi Dati, Comfort).
Media:
LoRa Server / AWS Cloud
La creazione di un'infrastruttura IOT ha implicato l'implementazione di applicativi "server-side" e l'utilizzo di tecnologie cloud avanzate quali servizi Amazon Web Services e Docker.
Media:
SCUOLA/CASERMA
Impianto IOT/LoraWAN
L'attività sperimentale IOT ha coinvolto L'installazione e L'implementazione di un'infrastruttura di monitoraggio e attuazione all'interno della scuola Colombo Pertini e della caserma dei vigili urbani Clelia Corradini di Savona. In questo modulo sono state utilizzate le tecnologie LoraWAN, Edge Computing, Fog Compunting e micro controllori.
Media:
ADVANCED GATEWAY
Senseioty
Le attività di ricerca e sviluppo relative all’Advanced Gateway hanno permesso di raggiungere diversi obiettivi progettuali come, ad esempio, la realizzazione dei una piattaforma integrata hardware/software per il monitoraggio ambientale e l’efficienza energetica grazie alla raccolta e distribuzione di parametri endogeni ed esogeni. Inoltre, grazie all’utilizzo di tecnologie innovative (ad esempio, Internet of Things, Edge Computing, Big-Data, LoRa) è stato possibile realizzare un sistema di gestione dell’energia open, flessibile e interoperabile. In particolare, sono state integrate tecnologie di comunicazione wireless a bassa potenza per la raccolta dati in distretti urbani (Campus, residenze, complessi scolastici, etc.) al fine di abilitare servizi a valore aggiunto (AI Engine, Demand Response, Analisi Dati, Comfort).
Media:
FEEDBACK UTENTI
Mobile App Pick Confy
Il comfort dell’utente è il principale obiettivo dei sistemi di climatizzazione. Conoscere il confort percepito permette una migliore regolazione degli impianti ed un risparmio energetico. L’applicazione PicCmfy ha come obiettivo quello di raccogliere il feedback del comfort percepito all’interno di edifici. La finalità è quella di mettere in relazione questo dato per ottimizzare l’utilizzo dei sistemi di raffrescamento e riscaldamento degli ambienti. L’app utilizza un’ interfaccia intuitiva e di semplice utilizzo, e permette di selezionare luoghi in cui ci si trova e votare sulla base di 5 tipologie di giudizio.
Media:
AI ENGINE
Modelli Algoritmi Predittivi
Sono stati utilizzati metodi predittivi per la previsione della produzione e del consumo di energia nei vari edifici coinvolti nella sperimentazione. I workflow di analisi leggono i dati da Smart Aggregator, effettuano una fase di pulizia e arricchimento dei dati e usano algoritmi di regressione per effettuare una previsione sul giorno successivo sulla base del comportamento passato della componente analizzata e di alcuni parametri esterni, in particolare legati alle previsioni meteorologiche. Le previsioni effettuate vengono quindi caricate su Smart Aggregator e rese disponibili per gli altri servizi che ne abbiano necessità.
Media:
AGGREGATORE
SmartAggregator
Tutte le informazioni raccolte dai vari strumenti dislocati sul campo (sensori, gateway, feedback utenti...), arrivano a SmartAggregator, che si occupa di acquisirle in modo tale che possano essere poi utilizzate, con vari livelli e modalità di aggregazione, dalle altre componenti del sistema (analisi dati, algoritmi predittivi...).
Media:
Mobile App Pick Confy
Il comfort dell’utente è il principale obiettivo dei sistemi di climatizzazione. Conoscere il confort percepito permette una migliore regolazione degli impianti ed un risparmio energetico. L’applicazione PicCmfy ha come obiettivo quello di raccogliere il feedback del comfort percepito all’interno di edifici. La finalità è quella di mettere in relazione questo dato per ottimizzare l’utilizzo dei sistemi di raffrescamento e riscaldamento degli ambienti. L’app utilizza un’ interfaccia intuitiva e di semplice utilizzo, e permette di selezionare luoghi in cui ci si trova e votare sulla base di 5 tipologie di giudizio.
Media:
AI ENGINE
Modelli Algoritmi Predittivi
Sono stati utilizzati metodi predittivi per la previsione della produzione e del consumo di energia nei vari edifici coinvolti nella sperimentazione. I workflow di analisi leggono i dati da Smart Aggregator, effettuano una fase di pulizia e arricchimento dei dati e usano algoritmi di regressione per effettuare una previsione sul giorno successivo sulla base del comportamento passato della componente analizzata e di alcuni parametri esterni, in particolare legati alle previsioni meteorologiche. Le previsioni effettuate vengono quindi caricate su Smart Aggregator e rese disponibili per gli altri servizi che ne abbiano necessità.
Media:
AGGREGATORE
SmartAggregator
Tutte le informazioni raccolte dai vari strumenti dislocati sul campo (sensori, gateway, feedback utenti...), arrivano a SmartAggregator, che si occupa di acquisirle in modo tale che possano essere poi utilizzate, con vari livelli e modalità di aggregazione, dalle altre componenti del sistema (analisi dati, algoritmi predittivi...).
Media:
CAMPUS
Impianto IOT
La microrete Smart Polygeneration Microgrid (SPM), lo Smart Energy Building (SEB, palazzina Oliva) e le Nuove Residenze sono state usate come "test bed" per algoritmi per la programmazione ottima delle risorse (profilo di funzionamento giornaliero ottimo per impianti di produzione e carichi regolabili, anche tenendo conto di richieste di azioni di Demand Response) e per l'ottimizzazione di costi e comfort negli edifici.
Media:
ANALISI DATI
Dashboard Dati
La componente dashboard permette di visualizzare i dati archiviati all’interno dello Smart Aggregator per permetterne l’analisi. Attraverso l’utilizzo delle dashboard si possono portare avanti analisi real time e storiche attraverso moduli dedicati, visualizzazioni diversificate e KPI avanzate.
Media:
DEMAND RESPONSE
UVAM
Il sistema di Demand Response ha l’obiettivo di creare e gestire un aggregato di consumatori e generatori di energia assimilabile ad una UVAM. l’UVAM è stato formato aggregando due microturbine, una pompa di calore ed uno storage, presenti all’interno del Campus di Savona.Il sistema di gestione è basato su software ABB Symphony Plus. Ciascuna componente dell’aggregato ha un proprio sistema nativo di monitoraggio e regolazione.
Media:
Impianto IOT
La microrete Smart Polygeneration Microgrid (SPM), lo Smart Energy Building (SEB, palazzina Oliva) e le Nuove Residenze sono state usate come "test bed" per algoritmi per la programmazione ottima delle risorse (profilo di funzionamento giornaliero ottimo per impianti di produzione e carichi regolabili, anche tenendo conto di richieste di azioni di Demand Response) e per l'ottimizzazione di costi e comfort negli edifici.
Media:
ANALISI DATI
Dashboard Dati
La componente dashboard permette di visualizzare i dati archiviati all’interno dello Smart Aggregator per permetterne l’analisi. Attraverso l’utilizzo delle dashboard si possono portare avanti analisi real time e storiche attraverso moduli dedicati, visualizzazioni diversificate e KPI avanzate.
Media:
DEMAND RESPONSE
UVAM
Il sistema di Demand Response ha l’obiettivo di creare e gestire un aggregato di consumatori e generatori di energia assimilabile ad una UVAM. l’UVAM è stato formato aggregando due microturbine, una pompa di calore ed uno storage, presenti all’interno del Campus di Savona.Il sistema di gestione è basato su software ABB Symphony Plus. Ciascuna componente dell’aggregato ha un proprio sistema nativo di monitoraggio e regolazione.
Media: