Optimización de una red para una casa inteligente basada en IEEE 802.15.4g para una infraestructura de medición avanzada
Optimizing a network for smart home based on IEEE 802.15.4g for advanced metering infrastructure
Maricela Alexandra Arciniega Calderón 1,
Nelson Andrés Ayala Arciniegas 1
Esteban Mauricio Inga Ortega 1
1Universidad Politécnica Salesiana
[email protected], [email protected], [email protected]
Resumen– En el presente artículo se expone la optimización de la infraestructura y elementos que intervienen en la comunicación y transmisión de información. En el modelo se minimizará el número de Puntos de Acceso Inalámbrico (WAP), teniendo en cuenta restricciones de capacidad, cobertura e interferencia con tecnología LTE en un sistema WLAN para una red de sensores IEEE 802.15.4g bajo el concepto de Smart Home mediante la utilización de softwares Matlab y LPSolver, se presenta una formulación matemática, la cual se utilizará para la ubicación de un conjunto de Puntos de Acceso Inalámbrico que otorgan cobertura a los Dispositivos Inteligentes la utilización del software LPSolver facilitará la resolución de ecuaciones llegando a proporcionar una reducción de tiempos y recursos para el estudio de diseño en Smart Metering, mediante la ejemplificación de problemas reales que son de gran relevancia para condiciones de diseño de redes inalámbricas, aplicando una topología jerárquica.
Palabras claves– Capacidad, casa inteligente, cobertura, infraestructura de medición avanzada, interferencia, optimización, redes eléctricas inteligentes.
Abstract– This article describes the optimization of infrastructure and elements involved in the communication and transmission of information. In the model will minimize the number of points of wireless Access-Point (WAP), taking into account restrictions on capacity, coverage and interference with LTE technology in a WLAN system for a network of sensors IEEE 802.15.4g under the concept of Smart Home through the use of software Matlab and LPSolver, presents a mathematical formulation, which will be used for the location of a set of wireless Access-Point that give coverage to the smart devices using the software LPSolver will facilitate the resolution of equations to provide a reduction of time and resources for the study of design in Smart Metering, through the exemplification of problems which are of great importance for design conditions of wireless networks, applying a hierarchical topology.
Keywords– Capacity, Smart home, coverage, Advanced Metering Infrastructure, interference, optimization, Smart Grid.
1. Introducción
Este trabajo presenta los estudios de optimización basados en la colocación dinámica de puntos candidatos para Access-Point (AP), uyos resultados se obtienen por medio de los algoritmos basados en el análisis de diseño de redes de comunicaciones.
Las redes inalámbricas permiten la interconexión entre dos o más puntos, por medio de las ondas que viajan a través del espacio llevando la información entre mecanismos de comunicación, una de las formas de transmisión más efectiva de datos es a través de una antena la cual será estación de servicio donde esta tendrá conexiones de fibra óptica para realizar un Smart Grid on el objetivo de administrar de manera eficiente los datos hacia los dispositivos que se acoplarán a la antena.
En una red inalámbrica sus usos no tienen límites ya que se puede realizar sistema de información, sistemas de control, sistemas de comunicación, sistemas de vigilancia, etc [1].
En la medición inteligente el intercambio bidireccional de información entre las empresas de distribución y los usuarios, facilita la construcción de una red inteligente [2].
Los medidores de energía son equipos sólidos con una robustez en sus protocolos de comunicación para una alta confiabilidad en sus sistemas de medición y de seguridades de las redes [3-4].
En la última década con el avance de las comunicaciones, las organizaciones se han visto en la necesidad de entregar soluciones efectivas para diferentes áreas, como dispositivos de control, gestión de energía, casas eficientes, sector comercial, dispositivos de consumo electrónico, en la construcción e industrias [5].
El avanzar hacia la gestión inteligente de la energía requiere no solo cambios en la forma de suministrar la energía sino también, la forma en la que se controla y se medirá la energía para evitar las pérdidas. ZigBee es el nombre de la especificación de un conjunto de protocolos de alto nivel de comunicación inalámbrica para su utilización con radiodifusión digital de bajo consumo, basada en el estándar IEEE 802.15.4 de redes inalámbricas de área personal [6]. ZigBee para el control de dispositivos y la gestión de la energía incluye redes de áreas residenciales para la energía, para el uso de sub-energías dentro de una casa o apartamento y comunicación de los dispositivos dentro del hogar. Las iniciativas de estandarización internacional también están jugando su papel en especificar estándares industriales aplicables a nivel mundial [7-8].
LaIEEE 802.15.4g Smart Utility Networks (SUN) es un pionero de su tipo para especificar un estándar global que facilita el proceso de la escala muy grande de aplicaciones de control capaz de soportar grandes y diversas redes con potencialmente millones de terminales fijos [9]. Estas soluciones deberían integrarse como un solo ecosistema.
Existen tres tipos de transacciones de transferencia de datos. El primero es la transferencia de datos a un coordinador en el que un dispositivo transmite los datos. La segunda operación es la transferencia de datos de un coordinador en el que el dispositivo recibe los datos. La tercera transacción es la transferencia de datos entre dos dispositivos de pares [10-11].
En la topología de estrella, se usan solo dos de estas transacciones porque los datos solo podrán ser transmitidos entre el coordinador y un dispositivo. En una topología de punto a punto, los datos pueden ser intercambiados entre dos dispositivos en la red. La IEEE 802.15.4 LR-WPAN emplea diversos mecanismos a mejorar la probabilidad de transmisión de datos con éxito, estos mecanismos son los CSMA-CA. Cuando el coordinador desea transferir datos a un dispositivo en una HAN faro habilitado se indica en la baliza de red que está pendiente el mensaje de datos. El dispositivo escucha periódicamente a la baliza de la red y, si un mensaje es pendiente, transmite un comando que solicita la MAC de datos, utilizando ranurado CSMA- CA. El coordinador reconoce la recepción exitosa de la petición de datos mediante la transmisión de una trama de confirmación. Luego se envía la trama de datos en espera usando ranurado CSMA-CA o, si es posible, inmediatamente después de la reconocimiento[12].
La figura 1 representa la idea conceptual de una red doméstica (HAN), donde sensores en aparatos se comunican de forma inalámbrica entregando la información del uso y el medidor inteligente conecta la casa con la red inteligente de intercambio bidireccional de información.
Figura 1.Red de área doméstica
2. Infraestructura de medición inteligente
Al grupo de tarea IEEE 802.15.4g SUN se da la responsabilidad de especificar una enmienda de capa física (PHY) y modificación de capas de control (MAC) relacionados con acceso al medio [9].
El ámbito principal de 802.15.4g es proporcionar un estándar global que facilita aplicaciones de control de proceso a muy gran escala tales como la smart grid network con gran capacidad de soporte [9].
Al inicio de los tiempos en los que se transmitía energía hacia los usuarios, tanto residenciales como industriales, y cuya forma de contabilizar su consumo, era mediante contadores de energía analógicos, los mismos que aún se utilizan en países en vías de desarrollo [13]. Varios países están optando por relevar esta forma de contabilizar el consumo de suministro energético, y dinamizar el trabajo con la ayuda de sistemas de medición inteligentes; uno de estos sistemas es AMR (Adaptive Multi-Rate), y debido a sus limitaciones en transmisión de información al igual que su almacenamiento de información es limitada, y dependiente de enlaces de última milla proporcionada por empresas de comunicación de los distintos países, que prestan sus servicios e instalaciones a las empresas de distribución de energía, para realizar la transmisión[14]. Actualmente ya no se están utilizando los sistemas de AMR, debido a que estos dispositivos limitan la capacidad de transmisión de información, al igual que el almacenamiento de información y cuya interoperabilidad solo se da con dispositivos de la misma marca comercial [14].
A pesar que este fue uno de los pioneros y primeros sustitutivos de los medidores de energía analógicos; donde se llegaba a la lectura automática sin la necesidad de que una persona la realice de forma presencial y cuyos datos se los enviaban a las empresas de distribución de energía eléctrica. Estos también están siendo sustituidos por sistemas AMI (“Advanced Metering Infraestructure”) que en los últimos tiempos ha tenido un gran impacto en el desarrollo de la Medición Inteligente (“Smart Metering”) basados en la recolección de información o datos de los Medidores Inteligentes (“Smart Meters”). Uno de los principales problemas radica enla gran rapidez con la cual se están desarrollando las tecnologías de transmisión de información, en donde basta con unos tres años de utilización de los diversos dispositivos, estos pasen a ser obsoletos debido a los avances de la tecnología y desarrollo de la transmisión de la información, por lo que es de mucha importancia el saber el desarrollo de nuevas tecnologías, donde es necesario saber cuál es el talón de Aquiles en el caso de suceder un desastre [15].
Diferentes tecnologías inalámbricas se han incorporado a las casas o departamentos debido a la interoperabilidad, flexibilidad, rentabilidad, y las consiguientes mejoras en muchas aplicaciones en casas inteligentes. La proliferación de los bien conocidos estándares inalámbricos como ZigBee, Z-Wave, Wi-Fi, Bluetooth, Insteon y EnOcean pueden considerarse una ventaja desde un punto de vista tecnológico, pero un comercial inconveniente al mismo tiempo [14].
Una de las especificaciones inalámbricas más difundida es la IEEE 802.15.4, diseñada para bajo consumo de energía inalámbrica y redes de área con baja velocidad de datos de hasta 250 kb/s. La IEEE 802.15.4 se puede utilizar como una base para protocolos de capa superior como la ZigBee, desarrollado por la Alianza ZigBee que incorpora enrutamiento predefinido y redes funcionales para la gestión de redes de fácil administración [14].
Al asumir la adopción de dispositivos inalámbricos ZigBee y el uso de la terminología correspondiente, la arquitectura básica de la WSN despliega para el hogar inteligente aplicaciones, se basa en el apoyo a la topología de la malla de red, y asociados a un coordinador de la red que gestiona la red y recoge los datos [14].
El coordinador es interconectado con una unidad de control como la puerta de entrada a casa, Smart TV, ordenador portátil, etc., para permitir el reenvío de datos, procesamiento, y la visualización. A partir de una cadena principal heterogénea tales funcionalidades deberían fácilmente integrarse añadiendo a la red un conjunto de dispositivos finales específicos en toda la casa y el establecimiento de los enlaces inalámbricos con los routers cercanos[16-17].
El energy-roaming nos permite controlar un área de cobertura móvil, que puede pasar de un lado hacia el otro en cuestión de segundos sin la necesidad de perder conectividad y garantizar la comunicación en el servicio, los mismos que se hallan presentes también en sistemas Ad-Hoc que operan sin la necesidad de una infraestructura fija existente [2].
Interoperabilidad: En la actualidad es necesaria la creación de dispositivos que permitan interactuar con diferentes dispositivos de diversas marcas o casa fabricantes, lo que lograría un mayor desarrollo de las AMI para medición inteligente, ya que actualmente se disponen de AMI que están bajo un código de propietario, que no me permite interactuar con diversos AMI de diversos fabricantes[2].
Escalabilidad en el proceso de transmisión de datos: la realización de estas actualizaciones, es necesaria obviamente la utilización de un sistema de control de energía que permita verificar si el sistema está o no sobrecargado, sin perder la propiedad deseable del sistema, permitiendo tener un excelente control en el proceso de transmisión de datos y asegurar la información transmitida de manera fiable, efectiva y veras [2].
Lo primero que opera Smart Grid es, eficiencia y confiabilidad. Es necesario que en un sistema nuevo de medición inteligente, este sea de un costo bajo y que funcione con eficiencia cuyos datos de comunicación sean factibles, realizables y económicamente sustentables en el tiempo [4].
2.1 Red de área doméstica
Dentro de un red doméstica, las cargas eléctricas podrán ser interrumpibles (termostatos, refrigeradoras) e interrumpibles pero controlables (lavadoras), también pueden ser no controladas, no interrumpibles (iluminación) e interrumpibles no controlables (televisor, equipo de sonido, ordenador); pero en definitiva todas las cargas podrán ingresar al medidor inteligente y enviar la información de consumo a las empresas de distribución a esto se suma la generación distribuida de fuentes solares y eólica que son las más empleadas en los sistemas domésticos. Cada hogar podrá entonces tener un controlador de la demanda que advierta e informe el empleo en cada dispositivo, inclusive cargas como la de los autos eléctricos; a este concepto de lo denominaHome Area Network-HAN [2].
Todos los dispositivos inteligentes necesitan una forma para hablar con otros. En el hogar la comunicación probablemente tendrá lugar sobre una red de área doméstica (HAN) en el que cada aparato es un nodo y la red está conectada a un medidor de energía inteligente. Ver figura 2.Figura
Figura 2. Comunicación de los dispositivos inteligentes a través de una red de área local.
2.2 Capacidad, cobertura e interferencia
La cobertura se halla en relación al número de usuarios, que acceden a un servicio dentro de un área determinada, que en este caso vendrá determinada por las características del Access-Point, dando cobertura variable ya sea de un cien por ciento o menor, por los diversos tipos de interferencia que se puede suscitar, especialmente debido al tipo de área geográfica que cubrimos, que es uno de los principales problemas que hallamos dentro de la medición inteligente [18]. Por esta razón no se puede garantizar que el cien por ciento de la capacidad de la señal sea transmitido hacia todos los usuarios.
El radio de cobertura puede ser fijo o variable, el mismo que se considerará fijo si trabajamos con la misma casa comercial y el mismo tipo de equipos de Access-Point, mientras que se considerará variable si trabajamos con diferentes marcas comerciales o equipos diferentes de Access-Point, donde para nuestro caso vamos a considerar que trabajamos con una misma marca y con los mismos equipos de transmisión de información [1], cuyo radio de cobertura estará desglosado en dos casos, para cuando nuestro radio de cobertura esté en el peor de los casos que será a una distancia de 15 km y en el mejor de los casos a una distancia de 25 km; con el objetivo de garantizar que los AMI, entreguen toda la información respectiva a cada uno de las respectivas bases de una forma eficiente[2].
Cuando el número de AP aumenta también lo hace la interferencia, disminuyendo la capacidad. Los canales inalámbricos a través de nodos intermedios para coordinar sus actividades de detección introducirán interferencia entre las infraestructuras, si están desplegadas en zonas próximas, bajo este escenario se necesitaría la utilización de asignación de recursos y de control[6]. Se propone un algoritmo de despliegue de nodos, basado en la optimización de la cobertura y la energía de consumo, pero el movimiento de nodos está limitada por el medio.
La interferencia en entornos extremadamente ocupados se la puede abstraer de acuerdo al canal que se comunique, es decir, dos o más dispositivos deben hallarse operando a diferente canal de transmisión lo que otorga confiabilidad.
El monitoreo de una área amplia fiable con redes de sensores inalámbricos sigue siendo un problema. Simplemente despliega más nodos para cubrir áreas más amplias en general no es una solución viable, debido al despliegue y los costes de mantenimiento y el aumento de la interferencia de radio [19].
Una posible solución es el uso de un número reducido de los nodos con trayectorias controlable. El problema consiste en planear una red donde los AP muy cercanos entre si se interfieren unos con otros. Es decir, no se puede arbitrariamente colocar dos AP muy cercanos porque se interfieren el uno al otro. Los AP que están dentro de una distancia de interferencia no pueden encenderse simultáneamente. Este modelo es la base para otros modelos que buscan asignar canales.
3. Metodología
Supongamos una zona cuadrada, abierta y plana. En esta zona se van a ubicar AP de WLAN para dar conectividad usuarios que se encuentren dentro de un radio de cobertura. La capacidad de un AP es limitada y está dada por el número de usuarios simultáneos que puede atender. Los usuarios pueden ubicarse en cualquier posición dentro de la región (casa) y buscan conectarse a algún AP que se encuentre disponible y con capacidad para atenderlo.
Para el estudio de capacidad, cobertura e interferencia en un sistema de conexiones inalámbricas Smart Home, se modelará en un departamento de una planta donde tendremos dispositivos que se puedan conectar a una red inalámbrica y se colocarán los Access-Point y por medio de los softwares Matlab y LPSolver se realizará la optimización de equipos de Access-Point reduciendo el costo de la instalación y el costo de los equipos no utilizados. Se utilizarán restricciones dadas a continuación:
Suponga un conjunto N de usuarios ubicados aleatoriamente en la región. Suponga así mismo M posibles localizaciones de AP en la región, una posible localización es un lugar donde se podría colocar un AP, pero no necesariamente se ubique uno.
Se define que un usuario es cubierto, si se encuentra dentro de una distancia R de al menos un AP activo.
Se define que un sitio candidato se considera un sitio activo, si en el sitio candidato se habilita un AP.
Los AP tienen una cantidad de atender C usuarios simultáneos.
3.1 Análisis matemático
Para la mención del problema se considera un conjunto de N usuarios.
El costo de implementación de una radio base se considera uniforme con valor CBS. Para la ubicación de radio bases se tiene un conjunto de sitios candidatos S, los mismos que están predefinidos considerando las limitaciones geográficas de la zona de implementación de la red.
La conexión entre radio base se realiza considerando los siguientes parámetros:
, si la radio base b se encuentra emplazada en el sitio candidato i; de otra manera es igual a 0.
, si existe un enlace entre la radio base i y la radio base j; de otra manera es igual a 0.
Donde: Asumimos la minimización de costos por operación de la red.
Establecemos la existencia de enlaces activos
Delimitamos el número de usuarios conectados a una radio base.
Localizamos la distancia máxima de un usuario a una radio base radio de la zona de cobertura.
Restringimos la distancia de un enlace para que no supere el valor de longitud máximo permitido.
Aplicamos una cantidad K de radio bases.
Limitamos el valor porcentual de utilización de una ruta.
Revela la suma de los flujos de tráfico parciales. ´
Muestra un recorrido en el que puede usar el enlace entre dos estaciones base i, j si dicho enlace consta activo dentro de la topología.
La cobertura se halla en función de la probabilidad que tenemos al realizar la asignación de usuarios y puntos de acceso inalámbrico modificando el radio de cobertura del equipo. La función objetivo va desde z1,z2,z3 hasta el número N de Access-Point que vayamos a colocar.
La restricción (este es un proceso de igualdad o una inecuación) está en función de la cobertura de cada usuario, en donde la probabilidad de cobertura está dada dentro de los siguientes parámetros.
Cuando el resultado sea:
1 es cuando la distancia del nodo del usuario es menor al radio.
0 es cuando la distancia del nodo del usuario es mayor al radio.
El número de ecuaciones de restricción es solamente una para todos los usuarios.
En binario se imprime el número de usuarios conectados, y con ello sabemos el porcentaje de cobertura. La optimización se da cuando al menos se optimiza un Access-Point para que el algoritmo sea eficiente.
Función objetivo:
Minimizar el número de Access-Point.
Minimizar el número de usuarios.
La restricción está en función de la cobertura de cada usuario, a la cual a cada usuario damos la misma restricción de igualdad.
A continuación, se ingresa una matriz de cobertura de todos los usuarios, donde cada usuario tendrá un número determinado de Access-Point al que puede conectarse.
Donde:
1 es cuando la distancia del nodo del usuario es menor al radio.
0 es cuando la distancia del nodo del usuario es mayor al radio.
4. Análisis de resultados
Se presenta los resultados obtenidos tras correr el algoritmo en MatLab. Se analiza cada caso; el primero con restricción de cobertura el segundo con restricciones de cobertura y capacidad y el tercero con restricciones de cobertura, capacidad e interferencia. Para cada uno de los casos se presentan dos gráficas, la primera presenta la ubicación de un numero de AP que consideramos para dar cobertura a cada uno de los puntos dentro de una casa donde existiría carga a ser medida y la segunda muestra la optimización dándonos el punto de ubicación final reduciendo así el número de AP que serán los encargados de dar cobertura a la red de sensores IEEE 802.15.4g y estos a su vez transmitirán los datos que serán recogidos por el medidor inteligente.
4.1 Cobertura
Se procede a realizar el problema con la conformación y selección de criterios propuestos. Supongamos un conjunto N de usuarios ubicados en la región, así mismo M posibles localizaciones de AP en la figura 3. Se define que un usuario es cubierto, si se encuentra dentro de una distancia R del al menos un AP. Encontrar el mínimo número de sitios activos tales que cubran al menos el porcentaje de los usuarios.
Figura 3. Arquitectura no óptima.
La figura 3 presenta la cobertura de los Access- Point sin optimización para un total de 22 usuarios (representan los posibles puntos de uso), el radio es de 15 mts por cada AP y 9 puntos candidatos para la ubicación de los mismos.
Figura 4. Arquitectura óptima.
La figura 4 es el resultado de la ubicación óptima para los AP que de 9 puntos candidatos posteriores a la optimización se reducen a 2.
4.2 Cobertura y capacidad
Para la resolución de este ejercicio se plantea el problema considerando no solo la cobertura sino la capacidad de la red, se logra cubrir al menos un 95% de un conjunto arbitrario de usuarios, ubicando AP arbitrariamente. Cada AP tiene un radio determinado y una capacidad limitada en cuanto al número de usuarios.
Figura 5. Arquitectura no óptima.
La figura 5 presenta el grafico de la cobertura de los Access-Point sin optimización con restricciones de capacidad y cobertura, se utiliza como herramienta fundamental un algoritmo en Matlab. El radio es de 10 mts por cada AP, la capacidad máxima es 5, se logra cubrir al menos el 95% del conjunto, existe un total de 22 usuarios (representan los posibles puntos para los sensores) y 14 puntos candidatos para la ubicación de los AP.
Figura 6. Arquitectura óptima.
La figura 6 es el resultado de la ubicación óptima para los AP teniendo en cuenta la restricción de capacidad máxima 5, por tanto, los 14 puntos candidatos posteriores a la optimización se reduce a 2.
4.3 Cobertura, capacidad e interferencia
Para la resolución de este ejercicio se plantea el problema considerando restricciones de capacidad, cobertura e interferencia. Supongamos una zona cuadrada, abierta y plana. En esta zona se van a ubicar AP de WLAN para dar conectividad usuarios que se encuentre dentro de un radio de cobertura. La capacidad de un AP es limitada y está dada por el número de usuarios simultáneos que puede atender. Los AP operan en un mismo canal, por lo que no puede haber dos AP a menos de una distancia de interferencia, pues producirían interferencia uno con otro. Los usuarios pueden ubicarse en cualquier posición dentro de la región y buscan conectarse a algún AP que se encuentre disponible y con capacidad para atenderlo.
Figura 7. Arquitectura no óptima.
Teniendo en cuenta la nueva restricción de interferencia. La figura 7 presenta el grafico de la cobertura de los Access-Point sin optimización. Para el análisis de este ejercicio no se ha tomado en cuenta el grosor de las paredes. El radio es de 13 mts por cada AP, la capacidad máxima es 6, se logra cubrir al menos el 85% del conjunto, el número de canales disponibles es 3, existe un total de 22 usuarios (representan los posibles puntos para los sensores) y 9 puntos candidatos para la ubicaciones de los AP.
Figura 8. Arquitectura óptima.
La Figura 8 es el resultado de la ubicación óptima para los AP teniendo en cuenta también la restricción de interferencia que limita el número de canales disponibles para cada AP, por tanto, los 9 puntos candidatos posteriores a la optimización se reducen a 4.
5. Conclusiones
En actualidad se realizan estudios avanzados para desarrollar nuevas tecnologías y softwares para la transmisión de datos. El optimizar los recursos de ubicación de los dispositivos representa costos, aquí radica la importancia de implementar un algoritmo de optimización debido que los equipos de comunicación independiente de su uso y la marca los costos pueden ser muy elevados.
El número de puntos candidatos para la ubicación de los Access-Point está directamente relacionado al número de ecuaciones que crea el LPSolver, por tanto, cuando al problema se añade restricciones de capacidad e interferencia, se utilizará más puntos candidatos. Si se toma en cuenta únicamente la cobertura el parámetro variable es el radio como resultado el número de Access-Point para cubrir el área total es 2, sin embargo, cuando se añade restricciones de capacidad e interferencia el número de Access-Point para cubrir el área total es 4, se concluye entonces que cuando existen limitaciones el número de dispositivos a utilizarse aumenta.
El tener una red inalámbrica Smart Grid y utilizar cada uno de sus componentes a su máxima capacidad nos permite tener una optimización y realizar un completo control de los dispositivos o sensores que se desea administrar. Por esta razón en este trabajo se propone que la solución más fiable puede ser una red de malla que incorpora comunicaciones de máquina a máquina, permitiendo que los dispositivos se comuniquen automáticamente con la mínima intervención humana. Estos dispositivos podrían reportar periódicamente información como la lectura de energía.
6. Referencias
[1] H. Wang, Y. Qian, and H. Sharif, “Multimedia communications over cognitive radio networks for smart grid applications,” IEEE Wirel. Commun., vol. 20, no. August, pp. 125–132, 2013.
[2] E. Inga and J. Rodriguez, “Estrategias de Negocio Para Medición Inteligente Acoplando Energías Renovables,” Prim. Congr. Int. y Expo Científica, vol. 1, pp. 281–291, 2013.
[3] A. Boustani, M. Jadliwala, H. M. Kwon, and N. Alamatsaz, “Optimal Resource Allocation in Cognitive Smart Grid Networks,” pp. 499–506, 2015.
[4] M. Collotta and G. Pau, “A Novel Energy Management Approach for Smart Homes using Bluetooth Low Energy,” IEEE J. Sel. Areas Commun., vol. 33, no. 12, pp. 1–1, 2015.
[5] S. E. Nezhad, H. J. Kamali, and M. E. Moghaddam, “Solving KCoverage Problem in Wireless Sensor Networks Using Improved Harmony Search,” 2010 Int. Conf. Broadband, Wirel. Comput. Commun. Appl., pp. 49–55, 2010.
[6] D.-M. Han and J.-H. Lim, “Smart home energy management system using IEEE 802.15.4 and ZigBee,” IEEE Trans. Consum. Electron., vol. 56, no. 3, pp. 1403–1410, 2010.
[7] M. Erol-Kantarci and H. T. Mouftah, “Wireless Sensor Networks for Cost-Efficient Residential Energy Management in the Smart Grid,” IEEE Trans. Smart Grid, vol. 2, no. 2, pp. 314 –325, 2011.
[8] R. Amin and J. Martin, “Smart Grid Communication using Next Generation Heterogeneous Wireless Networks,” Smart Grid Commun. (SmartGridComm), 2012 IEEE Third Int. Conf., pp. 229– 234, 2012.
[9] C. S. Sum, F. Kojima, and H. Harada, “Coexistence of homogeneous and heterogeneous systems for IEEE 802.15.4g smart utility networks,” 2011 IEEE Int. Symp. Dyn. Spectr. Access Networks, DySPAN 2011, no. d, pp. 510–520, 2011.
[10] R. Missaoui, H. Joumaa, S. Ploix, and S. Bacha, “Managing energy Smart Homes according to energy prices: Analysis of a Building Energy Management System,” Energy Build., vol. 71, pp. 155–167, 2014. [11] Y. Liu, “Wireless Sensor Network Applications in Smart Grid : Recent Trends and Challenges,” vol. 2012, pp. 2–7, 2012. [12] D. F. R. Hincapié and S. Céspedes, “Evaluation of mesh-under and route-over routing strategies in AMI systems,” Commun. Conf. (COLCOM), 2012 IEEE Colomb., pp. 1–6, 2012.
[13] O. Asad, M. Erol-Kantarci, and H. Mouftah, “Sensor network web services for Demand-Side Energy Management applications in the smart grid,” Consum. Commun. Netw. Conf. (CCNC), 2011 IEEE, pp. 1176–1180, 2011.
[14] F. Viani, F. Robol, A. Polo, P. Rocca, G. Oliveri, and A. Massa, “Wireless architectures for heterogeneous sensing in smart home applications: Concepts and real implementation,” Proc. IEEE, vol. 101, no. 11, pp. 2381–2396, 2013.
[15] R. Hincapié, “Optimal Planning for Cellular Networks for Smart Metering Infrastructure in Rural and Remote Areas * Óptima Planeación de Redes Celulares para la Infraestructura de Medición Inteligente en Zonas Rurales y Remotas,” vol. 11, no. 2, pp. 49–58, 2015.
[16] G. Koutitas and L. Tassiulas, “A delay based optimization scheme for peak load reduction in the smart grid,” Proc. 3rd Int. Conf. Futur. Energy Syst. Where Energy, Comput. Commun. Meet - e-Energy ’12, pp. 1–4, 2012.
[17] I. Workshop and S. Processing, “A LARGE SCALE AND LOW COST SOLUTION FOR REAL-TIME INDOOR Universit ´ e de technologie de Troyes Institut Charles Delaunay ICD , UMR STMR 6279 BP 2060 - 10010 TROYES Cedex email : [email protected],” no. 2, pp. 392–395, 2011.
[18] A. R. Devidas, T. S. Subeesh, and M. V. Ramesh, “Design and implementation of user interactive wireless smart home energy management system,” 2013 Int. Conf. Adv. Comput. Commun. Informatics, pp. 626–631, 2013.
[19] S. K. Das, D. J. Cook, A. Bhattacharya, E. O. Heierman, and T. Y. Lin, “The role of prediction algorithms in the MavHome smart home architecture,” IEEE Wirel. Commun., vol. 9, no. 6, pp. 77–84, 2002. [20] E. Inga, G. Arevalo, and R. Hincapié, “Optimal deployment of cellular networks for Advanced Measurement Infrastructure in Smart Grid,” Commun. Comput. (COLCOM), 2014 IEEE Colomb. Conf., pp. 1–6, 2014.