Esta tesis propone e implementa un mini-reactor para recolectar energía de los fluidos en entornos industriales. Los resultados de las pruebas muestran que el sistema desarrollado proporciona una eficiencia del 20% y entrega a la carga una potencia entre 15 y 333 mW para presiones de aire en tuberías de 20 a 163 mbar, respectivamente.

Para analizar la viabilidad de un gestor dual de potencia en sistemas de recolección, se han utilizado dos tipos de recolectores de referencia en este trabajo, uno DC (panel solar) y otro AC, el mini-reactor. El proceso para obtener los datos para diseñar y escalar la potencia y eficiencia de los convertidores AC/DC y DC/DC, requiere modelar los recolectores. Así, esta tesis introduce un modelo estructural y eléctrico de la celda solar y un nuevo modelo electromecánico del mini-reactor. Los resultados de las pruebas presentadas muestran que el sistema de DC basado en células solares proporciona más energía durante largos períodos, debido a la disponibilidad periódica de la luz. Por otra parte, el mini-reactor y su convertidor AC/DC suministran más energía a la carga, pero durante períodos cortos. El objetivo de los futuros desarrollos es lograr un sistema universal de gestión de la energía para n-número de fuentes de energía.

El modelo matemático y el algoritmo de inteligencia artificial desarrollados están dedicados a las aplicaciones de recolectores de energía para redes inalámbricas de sensores de baja potencia. Esta tarea constituye una mejora del estado del arte en los modelos electro-matemáticos de supercondensadores para aplicaciones de baja potencia ya que utiliza sus parámetros más característicos. Además, los resultados de simulación y las pruebas muestran que proporciona la misma precisión que los modelos electroquímicos y mayor precisión que los modelos matemáticos más avanzados. La mejora del modelo electro-matemático con algoritmos de aprendizaje automático requiere menos datos experimentales que los modelos electroquímicos para lograr la misma precisión. Además, el algoritmo de aprendizaje automático no requiere ningún parámetro electroquímico para implementar el modelo.

Esta tesis evalúa si los métodos y algoritmos predictivos, tomados del campo de la inteligencia artificial y de la analítica avanzada, constituyen la solución para superar los retos técnicos de la gestión de potencia. El trabajo realizado se basa en la posibilidad de predecir tanto la disponibilidad de energía como los requisitos de consumo de energía. Y gracias a ello, el sistema de gestión de la energía podría tomar decisiones en situaciones críticas y abordar tareas relacionadas con el uso y la distribución de la energía disponible en una red de sistemas IIoT. Sin embargo, los resultados obtenidos en este trabajo muestran que no todos los algoritmos testeados son adecuados para los sistemas IIoT, por lo que se requiere más investigación en algoritmos, recolectores y aplicaciones de recolección de energía. Uno de los campos de investigación pertinentes debería ser el consumo de energía y la eficiencia energética de los algoritmos.

Resumiendo, la investigación presentada en esta tesis demuestra que los sistemas de recolección de energía son una alternativa factible para reducir o eliminar la dependencia de las baterías de los dispositivos IIoT, contribuyendo así al paradigma de la Industria 4.0 y a su despliegue efectivo.