Optimizing Energy Savings on University Campus Using IoT and Automated Planning

• Kassia C. S. Lopes UFC
• Wellington Umbelino UFC
• Ana Lívia Lopes UFC
• Arthur R. da Silva UFC
• Cecília M. C. Mesquita UFC
• Marcus V. Nogueira UFC
• Maria E. S. Marques UFC
• Pedro N. Damacena UFC
• William M. Brito UFC
• Viviane Menezes UFC
• Michel Sales UFC

DOI: https://doi.org/10.5753/eniac.2025.14421

Resumo

O crescimento populacional e o desenvolvimento econômico têm impulsionado o aumento do consumo de energia. Nos prédios públicos, os sistemas de climatização e iluminação correspondem a uma parcela expressiva desse consumo. A adoção de tecnologias de automação, com o uso de dispositivos baseados em Internet das Coisas (IoT), pode contribuir para a redução do desperdício de energia nesse tipo de ambiente. No entanto, soluções baseadas exclusivamente em IoT tendem a desconsiderar a dinamicidade dos espaços e o comportamento dos usuários. Para superar essa limitação, abordagens baseadas em Inteligência Artificial, como Planejamento Automatizado, têm sido utilizadas para gerenciar esses dispositivos e alcançar metas como a minimização do consumo de energia mantendo o conforto e a segurança dos usuários. Neste contexto, este trabalho propõe a integração de uma camada física composta por sensores e atuadores a um sistema de planejamento automatizado, possibilitando a auto-adaptação dos dispositivos às condições e necessidades específicas do ambiente em tempo real. Uma versão preliminar do sistema proposto foi implementada no Campus da Universidade Federal do Ceará em Quixadá (UFC-Quixadá), permitindo o monitoramento e o controle inteligente dos dispositivos em ambientes reais.

Referências

Aleesha, M. and Laseena, C. A. (2022). Mqtt protocol for resource constrained iot applications: A review. In Proceedings of the International Conference on Systems, Energy and Environment 2022 (ICSEE 2022). Disponível em: [link] ou DOI: 10.2139/ssrn.4299372. Acesso em: 21 mai. 2025.

Amurim, A. D., da Silva, J. I., Ortiz, M. D., Rego, P. A., and de Souza, J. N. (2021). Uma solução de iot baseada no fiware para gerenciamento de recursos energéticos e serviços acadêmicos em um campus universitário. In Workshop de Computação Urbana (CoUrb), pages 265–278. SBC.

Coles, A., Coles, A., Fox, M., and Long, D. (2009). Temporal planning in domains with linear processes. pages 1671–1676.

da Conceição, W. N. E. and de Resende Costa, R. M. (2023). Análise do protocolo mqtt para comunicação iot através de um cenário de comunicação. In Anais da Escola Regional de Redes de Computadores (ERRC), Juiz de Fora, MG, Brasil. SBC - Sociedade Brasileira de Computação. ISSN 2595-5911.

Dias, U., Hell, M., Medeiros, Á., Silveira, D., and de Aguiar, E. (2019). Self-organizing fuzzy rule-based approach for dealing with the classification of indoor environments for iot applications. In Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), pages 1044–1055. SBC.

ENGIE (2024). Anuário estatístico de energia elétrica. Disponível em: [link]. Acesso em: 19 mai. 2025.

Fox, M. and Long, D. (2003). Pddl2.1: An extension to pddl for expressing temporal planning domains. J. Artif. Intell. Res. (JAIR), 20:61–124.

Georgievski, I., Schlatow, J., and Aiello, M. (2023). Ai temporal planning for energy smart buildings. Energy Informatics, 6(1):1–17.

Ghallab, M., Nau, D., and Traverso, P. (2004). Automated Planning: theory and practice. Elsevier.

Haslum, P., Lipovetzky, N., Magazzeni, D., Muise, C., Brachman, R., Rossi, F., and Stone, P. (2019). An introduction to the planning domain definition language, volume 13. Springer.

Ma, J., Bouloukakis, G., Kattepur, A., Yus, R., and Conan, D. (2023a). Demsa: a dt- enabled middleware for self-adaptive smart spaces. In Proceedings of the 1st International Workshop on Middleware for Digital Twin, pages 1–6.

Ma, J., Bouloukakis, G., Kattepur, A., Yus, R., and Conan, D. (2023b). DEMSA: a DT- enabled middleware for self-adaptive smart spaces. In Midd4DT ’23: Proceedings of the 1st International Workshop on Middleware for Digital Twin, pages 1–6, Bologna, Italy. ACM/IFIP.

Mesquita, R. P., Teixeira, E. H., Ribeiro, A. J., Gandolpho, B. D., and Pontes, F. L. F. (2024). Computer vision applied to smart markets: a case study for empty shelf detection. In Encontro Nacional de Inteligência Artificial e Computacional (ENIAC), pages 460–471. SBC.

Rio, L. S. D., Costa, M. R., and Silva, J. A. (2018). Proposta de ambientes inteligentes iot sob a ótica da eficiência energética. In Encontro Anual de Tecnologia da Informação, pages 122–130. SBC.

Rojek, I., Mikołajewski, D., Mroziński, A., Macko, M., Bednarek, T., and Tyburek, K. (2025). Internet of things applications for energy management in buildings using artificial intelligence—a case study. Energies, 18(7):1706.

Russell, S. J. and Norvig, P. (2004). Inteligência artificial. Elsevier.

Universidade Federal do Ceará (2022). Superintendência de infraestrutura e gestão ambiental - Água e energia. Disponível em: [link]. Acesso em: 19 mai. 2025.