Ingenieros del MIT construyen una toma de corriente inteligente

Jul 17, 2023

Las imágenes para descargar en el sitio web de la oficina de noticias del MIT están disponibles para entidades no comerciales, la prensa y el público en general bajo una licencia Creative Commons Attribution Non-Commercial No Derivatives. No puede alterar las imágenes proporcionadas, excepto para recortarlas al tamaño. Se debe utilizar una línea de crédito al reproducir imágenes; si no se proporciona uno a continuación, acredite las imágenes a "MIT".

Imagen anterior Imagen siguiente

¿Alguna vez enchufó una aspiradora y se apagó sin previo aviso antes de terminar el trabajo? O tal vez la lámpara de su escritorio funcione bien, hasta que encienda el aire acondicionado que está enchufado en la misma regleta.

Estas interrupciones son probablemente "disparos molestos", en los que un detector instalado detrás de la pared activa el circuito eléctrico de un tomacorriente cuando detecta algo que podría ser una falla de arco, una chispa potencialmente peligrosa en la línea eléctrica.

El problema con los detectores de fallas de arco de hoy en día, según un equipo de ingenieros del MIT, es que a menudo se equivocan al ser demasiado sensibles, cortando la energía de un tomacorriente en respuesta a señales eléctricas que en realidad son inofensivas.

Ahora, el equipo ha desarrollado una solución a la que denominan "toma de corriente inteligente", en forma de un dispositivo que puede analizar el uso de corriente eléctrica de una o varias tomas, y puede distinguir entre arcos benignos, picos eléctricos inofensivos como los causados ​​por electrodomésticos comunes y arcos peligrosos, como las chispas que resultan de un cableado defectuoso y que podrían provocar un incendio. El dispositivo también se puede entrenar para identificar lo que podría estar conectado a un tomacorriente en particular, como un ventilador en comparación con una computadora de escritorio.

El diseño del equipo comprende hardware personalizado que procesa datos de corriente eléctrica en tiempo real y software que analiza los datos a través de una red neuronal, un conjunto de algoritmos de aprendizaje automático inspirados en el funcionamiento del cerebro humano.

En este caso, el algoritmo de aprendizaje automático del equipo está programado para determinar si una señal es dañina o no comparando una señal capturada con otras que los investigadores usaron previamente para entrenar el sistema. Cuantos más datos esté expuesta la red, con mayor precisión podrá aprender las "huellas dactilares" características que se utilizan para diferenciar lo bueno de lo malo, o incluso para distinguir un dispositivo de otro.

Joshua Siegel, científico investigador del Departamento de Ingeniería Mecánica del MIT, dice que la toma de corriente inteligente puede conectarse a otros dispositivos de forma inalámbrica, como parte de la "internet de las cosas" (IoT). En última instancia, imagina una red omnipresente en la que los clientes pueden instalar no solo una toma de corriente inteligente en sus hogares, sino también una aplicación en su teléfono, a través de la cual pueden analizar y compartir datos sobre su uso eléctrico. Estos datos, como qué electrodomésticos están enchufados, dónde y cuándo se disparó un tomacorriente y por qué, se compartirían de forma segura y anónima con el equipo para refinar aún más su algoritmo de aprendizaje automático, lo que facilita identificar una máquina y distinguirla. un evento peligroso de uno benigno.

"Al hacer que IoT sea capaz de aprender, puede actualizar constantemente el sistema, de modo que su aspiradora puede activar el disyuntor una o dos veces la primera semana, pero se volverá más inteligente con el tiempo", dice Siegel. "Para cuando tenga 1000 o 10 000 usuarios que contribuyan al modelo, muy pocas personas experimentarán estos viajes molestos porque hay muchos datos agregados de tantas casas diferentes".

Siegel y sus colegas publicaron sus resultados en la revista Engineering Applications of Artificial Intelligence. Sus coautores son Shane Pratt, Yongbin Sun y Sanjay Sarma, los profesores de ingeniería mecánica Fred Fort Flowers y Daniel Fort Flowers y vicepresidente de aprendizaje abierto en el MIT.

Huellas dactilares eléctricas

Para reducir el riesgo de incendio, los hogares modernos pueden utilizar un interruptor de circuito por falla de arco (AFCI), un dispositivo que interrumpe los circuitos defectuosos cuando detecta ciertos patrones eléctricos potencialmente peligrosos.

"Todos los modelos AFCI que desarmamos tenían pequeños microprocesadores y estaban ejecutando un algoritmo regular que buscaba firmas simples y bastante primitivas de un arco", dice Pratt.

Pratt y Siegel se propusieron diseñar un detector más perspicaz que pudiera discriminar entre una multitud de señales para diferenciar un patrón eléctrico benigno de uno potencialmente dañino.

Su configuración de hardware consiste en una microcomputadora Raspberry Pi Model 3, un procesador de bajo costo y bajo consumo de energía que registra los datos de corriente eléctrica entrantes; y una pinza amperimétrica inductiva que se fija alrededor del cable de un tomacorriente sin tocarlo, que detecta el paso de la corriente como un campo magnético cambiante.

Entre la pinza amperimétrica y la microcomputadora, el equipo conectó una tarjeta de sonido USB, un hardware básico similar al que se encuentra en las computadoras convencionales, que utilizaron para leer los datos actuales entrantes. El equipo descubrió que tales tarjetas de sonido son ideales para capturar el tipo de datos que producen los circuitos electrónicos, ya que están diseñadas para captar señales muy pequeñas a altas velocidades de datos, similares a las que emitiría un cable eléctrico.

La tarjeta de sonido también vino con otras ventajas, incluido un convertidor de analógico a digital incorporado que muestrea señales a 48 kilohercios, lo que significa que toma medidas 48,000 veces por segundo, y un búfer de memoria integrado, lo que permite que el dispositivo del equipo monitoree la electricidad. actividad de forma continua, en tiempo real.

Además de registrar los datos entrantes, gran parte de la potencia de procesamiento de la microcomputadora se dedica a ejecutar una red neuronal. Para su estudio, entrenaron a la red para establecer "definiciones" o reconocer patrones eléctricos asociados, producidos por cuatro configuraciones de dispositivos: un ventilador, una computadora iMac, un quemador de estufa y un generador de ozono, un tipo de purificador de aire que produce ozono. cargando eléctricamente el oxígeno del aire, lo que puede producir una reacción similar a una peligrosa falla de arco.

El equipo ejecutó cada dispositivo varias veces en una variedad de condiciones, recopilando datos que alimentaron a la red neuronal.

"Creamos huellas dactilares de los datos actuales y las etiquetamos como buenas o malas, o qué dispositivo individual son", dice Siegel. "Están las buenas huellas dactilares, y luego las huellas dactilares de las cosas que queman tu casa. Nuestro trabajo a corto plazo es averiguar qué va a quemar tu casa y qué no, y a largo plazo , descubra exactamente qué está enchufado y dónde".

"Inteligencia cambiante"

Después de entrenar la red, ejecutaron toda su configuración (hardware y software) con datos nuevos de los mismos cuatro dispositivos y descubrieron que podía distinguir entre los cuatro tipos de dispositivos (por ejemplo, un ventilador frente a una computadora) con un 95,61 %. exactitud. Al identificar las señales buenas de las malas, el sistema logró una precisión del 99,95 %, un poco más que los AFCI existentes. El sistema también pudo reaccionar rápidamente y disparar un circuito en menos de 250 milisegundos, igualando el rendimiento de los detectores de arco certificados contemporáneos.

Siegel dice que su diseño de toma de corriente inteligente solo se volverá más inteligente con el aumento de datos. Él imagina ejecutar una red neuronal a través de Internet, donde otros usuarios pueden conectarse e informar sobre su uso eléctrico, brindando datos adicionales a la red que la ayudan a aprender nuevas definiciones y asociar nuevos patrones eléctricos con nuevos electrodomésticos y dispositivos. Estas nuevas definiciones luego se compartirían de forma inalámbrica con los puntos de venta de los usuarios, mejorando su rendimiento y reduciendo el riesgo de viajes molestos sin comprometer la seguridad.

"El desafío es que, si estamos tratando de detectar un millón de dispositivos diferentes que se conectan, debes incentivar a las personas para que compartan esa información contigo", dice Siegel. "Pero hay suficientes personas como nosotros que verán este dispositivo, lo instalarán en su casa y querrán entrenarlo".

Más allá de los enchufes eléctricos, Siegel ve los resultados del equipo como una prueba de concepto de "inteligencia omnipresente" y un mundo compuesto por dispositivos y electrodomésticos cotidianos que son inteligentes, autodiagnósticos y sensibles a las necesidades de las personas.

"Todo esto es trasladar la inteligencia al borde, a diferencia de un servidor, un centro de datos o una computadora de escritorio", dice Siegel. "Creo que el objetivo principal es tener todo conectado, todo el tiempo, para un mundo más inteligente e interconectado. Esa es la visión que quiero ver".

Elemento anterior Elemento siguiente