˜ DE PROGRAMAC ˜ LINEAR INTEIRA PARA POSICIONAMENTO UTILIZAC ¸ AO ¸ AO DE CONCENTRADORES GPRS EM REDES SMART GRID ´ vio H. T. Viera∗, Alisson A.

Cardoso∗, Cla ´ udio R. Lima∗, Gustavo B. de C. Souza∗, Fla ∗ ∗ ´ lio A. de Deus Ju ´ nior , Marcelo S. de Castro , Se ´rgio G. de Arau ´ jo∗ Getu

Escola de Engenharia El´ etrica, Mecˆ anica e Computa¸ ca ˜o(EMC) Universidade Federal de Goi´ as Goiˆ ania, Goi´ as, Brasil

Emails: gustavo2x4@gmail.com, flavio@eeec.ufg.br, alsnac@gmail.com, crlima100@gmail.com, getulio@eee.ufg.br, mcastro@eee.ufg.br, granato@eee.ufg.br
Abstract— The Smart Grids have become the major focus of development in the field of electricity. It has observed the importance of telecommunications systems to support the Smart Grid. RF Mesh Systems have contributed to much to smart metering, control and automation of the grid. This paper presents a methodology for optimization of ZigBee mesh networks as the communication technology support for a Smart Grid, based on Binary Linear Programming. More specifically, we propose an algorithm to determine the optimal location of GPRS devices concentrators applied to AMI (Advanced Metering Infrastructure), considering the traffic behavior in a Smart Grid. We validate the solution of GPRS concentrator positioning given by our algorithm by simulating the Smart Grid scenarios and collecting traffic statistics such as average delay and traffic load in the concentrator. Keywords— Smart Grid, Simulator, Mesh Networks, Binary Linear Programming, ZigBee.

Resumo— As Redes El´ etricas Inteligentes tˆ em se tornado o grande foco de desenvolvimento no campo da eletricidade. O que tem-se verificado ´ e a importˆ ancia dos sistemas de telecomunica¸ c˜ oes para suporte ` as Smart Grids. Sistemas de RF Mesh tˆ em contribu´ ıdo muito para ambientes de medi¸ c˜ ao inteligente, bem como controle e automa¸ c˜ ao da rede el´ etrica. Este trabalho apresenta uma metodologia de otimiza¸ c˜ ao de redes mesh ZigBee baseada em Programa¸ c˜ ao Linear Bin´ aria, propondo um algoritmo para determina¸ c˜ ao do posicionamento ´ otimo de dispositivos concentradores GPRS aplicados em Redes AMI (Advanced Metering Infrastructure). Os resultados obtidos s˜ ao comparados com simula¸ c˜ oes da rede para validar o algoritmo proposto. Palavras-chave— Smart Grid, Simulador, Redes Mesh, Programa¸ c˜ ao Linear Bin´ aria, ZigBee.

1

Introdu¸ c˜ ao

A principal finalidade de um sistema de medi¸ c˜ ao inteligente com base em RF (Radio Frequency ) Mesh (em malha) ´ e permitir que as concession´ arias realizem leituras autom´ aticas de dados em intervalos de tempo regulares e ofere¸ cam programas como Resposta a Demanda, ou Demand Response (DR), para o controle de cargas cr´ ıticas. Tais sistemas requerem comunica¸ c˜ ao bidirecional confi´ avel entre a medi¸ c˜ ao nos pontos finais e o sistema central da concession´ aria (Head-End System - HES). Atualmente, mais de 10 milh˜ oes de pontos de medi¸ c˜ ao em todo o mundo s˜ ao gerenciados via tecnologia RF Mesh (LICHTENSTEIGER et al., 2010). No entanto, grande parte das solu¸ c˜ oes s˜ ao propriet´ arias e n˜ ao padronizadas para a rede NAN (Neighbohood Area Networks ), sendo parte da arquitetura das Redes El´ etricas Inteligentes, estabelecida no Padr˜ ao T´ ecnico de Smart Grid do IEEE 2030 (SMART GRIDS IEEE 2030, 2011). Esse novo padr˜ ao, lan¸ cado em Setembro de 2011 pelo IEEE Standards Association (IEEE SA), define as arquiteturas padronizadas, conceitos, elementos, conex˜ oes e interoperabilidade de Redes El´ etricas Inteligentes. Uma nova padroniza¸ c˜ ao espec´ ıfica de Redes Mesh, baseado no Padr˜ ao T´ ecnico IEEE 802.15.4g (IEEE 802.15 WPANTM Task Group 4g (TG4g), 2011) (evolu¸ c˜ ao do 802.15.4), ir´ a adequar

as atuais e futuras exigˆ encias, funcionalidades e interoperabilidade das redes Mesh com topologia NAN, ` as Redes El´ etricas Inteligentes definidas no IEEE 2030. Na arquitetura de rede considerada em (LICHTENSTEIGER et al., 2010), medidores em pontos finais transmitem e recebem dados a uma velocidade de 9,6 Kbps enquanto os n´ os coletores (concentradores) s˜ ao capazes de transmitir e receber nas velocidades de 9,6 Kbps ou o dobro, de 19,2 Kbps. Os concentradores geralmente s˜ ao montados estrategicamente no topo de postes de ilumina¸ c˜ ao e desfrutam de uma linha de visada de alta velocidade de comunica¸ c˜ ao vista por diversos medidores. Coletores s˜ ao implantados em toda a area coberta pela concession´ ´ aria, cobrindo todo o conjunto de medidores. Uma das topologias mais utilizadas de redes NAN, considera o uso de medidores inteligentes basado no protocolo de comunica¸ c˜ ao ZigBee mesh IEEE 802.15.4 no acesso final e comunica¸ c˜ ao GPRS (Global Packet Radio Service ) no concentrador da rede Mesh, conectando diretamente com o Head-End System da concession´ aria. Essa conex˜ ao GPRS ´ e considerada como sendo a rede backhaul (SAPUTRO et al., 2012). Por defini¸ c˜ ao, os medidores inteligentes, a rede de comunica¸ c˜ ao e o Head-End System comp˜ oem os m´ odulos b´ asicos que definem a tecnologia AMI (Advanced Metering Infrastruture ), predomi-

A Figura 1 apresenta esta arquitetura. prop˜ oe-se uma nova metodologia de otimiza¸ c˜ ao do posicionamento de concentradores em uma rede ZigBee mesh de medidores inteligentes utilizando Programa¸ c˜ ao Linear Bin´ aria. podem tamb´ em ser alocados ao subconjunto de centros que ser˜ ao abertos. a dep´ ositos. 1}. Considera-se m o n´ umero de potenciais facilidades. O conjunto de restri¸ c˜ oes (4) pode ser referido como a restri¸ c˜ ao na capacidade da facilidade. os v´ arios centros selecionados que podem ser localizados. As considera¸ c˜ oes feitas sobre o modelo s˜ ao as seguintes: . yi ∈ {0. Em geral. ∀i. xij = Uma das grandes dificuldades em se projetar uma rede NAN de medidores est´ a no posicionamento dos n´ os coletores para otimizar custos e melhorar o desempenho do sistema de telemedi¸ c˜ ao (LIU. A restri¸ c˜ ao (7) garante que k facilidades ser˜ ao utilizadas para suprir todos elementos da rede. i=1 (7) (8) (9) Problemas de localiza¸ c˜ ao tratam de decis˜ oes sobre onde localizar facilidades. facilidade i serve o cliente j 0. n o n´ umero de clientes. Verifica-se tamb´ em o desempenho do algoritmo proposto em identificar a melhor op¸ c˜ ao de uso de concentradores GPRS em Redes Mesh Zigbee por meio de simula¸ c˜ oes em um simulador de rede. cij o custo de se assistir o cliente j pela facilidade i. O termo facilidades pode ser substitu´ ıdo por gateways. j =1 n (5) xij − yi ≤ 0. 2 Metodologia Proposta para Localiza¸ c˜ ao de Facilidades (1) (2) O problema pode ent˜ ao ser estabelecido pelo seguinte algoritmo de programa¸ c˜ ao inteira: m n m min i=1 j =1 cij xij + i=1 fi yi (3) Sujeito a: n aj xij ≤ bj . ∀i. Neste trabalho o objetivo ´ e posicionar uma facilidade (concentrador GPRS) de forma a se ter a melhor localiza¸ c˜ ao poss´ ıvel para a distribui¸ c˜ ao dos medidores considerada. sendo que a sua minimiza¸ c˜ ao ´ e restrita aos aspectos de Problemas de Localiza¸ c˜ ao de Facilidades. A restri¸ c˜ ao (6) determina que apenas facilidades abertas poder˜ ao ser atribu´ ıdas aos clientes. j. S˜ ao definidas as seguintes vari´ aveis de decis˜ ao: 1. unidades de vendas e estudantes. dep´ ositos. caso contr´ ario yi = Figura 1: Arquitetura do Sistema RF Mesh Adaptado. Todos os coeficientes s˜ ao assumidos como inteiros n˜ ao-negativos. por exemplo.nante em Smart Grid no que diz respeito a telemedi¸ c˜ ao. Desta forma. f´ abricas. enquanto clientes se referem. ∀i. j =1 m (4) xij = 1. aj a demanda do cliente j . tamb´ em s˜ ao conhecidos como problemas de localiza¸ c˜ ao/aloca¸ c˜ ao. facilidade i est´ a sendo utilizada 0. assegurando que a demanda servida aos usu´ arios n˜ ao ultrapassar´ a a capacidade estabelecida. escolas entre outros. fi o custo fixo de se utilizar a facilidade i. devido ao processo de aloca¸ c˜ ao dos outros centros aos centros abertos (HOLMBERG et al. A fun¸ c˜ ao objetivo busca minimizar o custo de implanta¸ c˜ ao da facilidade de forma que todos os clientes sejam atendidos. e k o n´ umero de facilidades utilizadas. j =1. A formula¸ c˜ ao matem´ atica da localiza¸ c˜ ao de facilidades ´ e trabalhada aqui como um problema xij ∈ {0. A PLB foi utilizada neste trabalho para mostrar qual ponto concentrador se utilizar na rede mesh de medidores em Nova Veneza de forma a maximizar o desempenho. minimizando os custos (neste caso. ∀i. ∀i. As restri¸ c˜ oes (8) e (9) garante que nosso problema contar´ a apenas com vari´ aveis inteiras. de Programa¸ c˜ ao Linear Bin´ aria. ∀j. Neste trabalho. de forma a otimizar um certo crit´ erio. Dentro da rede mesh de medidores estudada. As restri¸ c˜ oes (5) assegura que cada cliente ser´ a servido por apenas uma e n˜ ao mais que uma facilidade. 1999). A Fun¸ c˜ ao Custo ´ e estabelecida principalmente pelo n´ umero de saltos dados entre os medidores e o(s) concentrador(es). caso contr´ ario 1. considerando clientes que devem ser servidos. 1}. bi a capacidade da facilidade i. 2012). tˆ em-se como solu¸ c˜ ao para o problema a localiza¸ c˜ ao ´ otima do ponto concentrador de dados. j.∀i m (6) yi = k. n´ umero de saltos)..

4056 segundos.1 Estudo de Caso .Cen´ ario de Medi¸ c˜ ao Inteligente Figura 2: Posi¸ c˜ oes dos Medidores (Estudo de caso 1). – N´ umero de itera¸ c˜ oes = 19. enquanto que no Cen´ ario 2 (Figura 3) existem 72 medidores a serem atendidos. . assim pode-se determinar qual ser´ a a melhor posi¸ c˜ ao para este dentre as poss´ ıveis alternativas nos cen´ arios considerados. • k=2 – Tempo computacional = 0. onde os medidores ligados a dois transformadores. ser˜ ao telecomandados. pois. minimizando assim os custos de implanta¸ c˜ ao. A seguir s˜ ao apresentados os valores computacionais praticados nos exemplos aqui apresentados. – Ponto escolhido = C5. A rede inteligente real que ser´ a implantada em nosso Projeto de Pesquisa e Desenvolvimento (P&D) envolve uma rede ZigBee que funcionar´ a na frequˆ encia de 2. retratando o funcionamento do protocolo de roteamento em redes mesh ZigBee. contendo um ou mais m´ odulos concentradores GPRS. bem como os resultados encontrados. sendo que a determina¸ c˜ ao deste n´ umero de saltos ´ e feita por meio de algoritmos de menor caminho. Estudo de Caso 1: • k=1 – Tempo computacional = 0. O principal custo utilizado na otimiza¸ c˜ ao foi o n´ umero de saltos dados entre cada medidor e o concentrador GPRS (facilidade). os recursos necess´ arios para a comunica¸ c˜ ao entre equipamentos devem ser bem dimensionados e empregados. as redes de comunica¸ c˜ ao s˜ ao a espinha dorsal do sistema (NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY. Os cen´ arios em teste representam redes reais. Os cen´ arios de rede inteligente considerados neste trabalho s˜ ao de redes mesh ZigBee entre os medidores.• cij = N´ umero de saltos dados pelos pacotes do medidor j at´ e a facilidade i. Figura 3: Posi¸ c˜ oes dos Medidores (Estudo de caso 2). 2010). onde estes estar˜ ao ligados a um concentrador que enviar´ a as mensagens via GPRS para a concession´ aria de energia. • fi = custo de instala¸ c˜ ao da facilidade i (Igual para todas facilidades poss´ ıveis).4 GHz com taxa de transmiss˜ ao de aproximadamente 115 Kbps. O objetivo principal das simula¸ c˜ oes realizadas neste trabalho ´ e avaliar o desempenho da rede considerando diferentes posi¸ c˜ oes para o concentrador (remota) GPRS. Objetiva-se encontrar a posi¸ c˜ ao/localiza¸ c˜ ao ideal para o(s) concentrador(es) de forma a obter uma rede o mais eficiente poss´ ıvel. Nas Smart Grids. Seguindo a tendˆ encia das implementa¸ c˜ oes realizadas. Para o Cen´ ario 1 (Figura 2) s˜ ao atendidos pela(s) facility(ies) 67 medidores. os medidores enviam os dados de coleta a cada 15 minutos para o concetrador GPRS. mostrados nas Figuras 2 e 3. A otimiza¸ c˜ ao ´ e obtida com o posicionamento ´ otimo do ponto concentrador de dados melhorando o desempenho da rede em quest˜ oes de tr´ afego e tempos de retardo. Portanto. • bj = Capacidade em bytes da facilidade (512 kbytes). 2. • aj = Tamanho em bytes dos pacotes enviados (200 bytes). a maior parte do or¸ camento diz respeito a este importante pilar das Redes El´ etricas Inteligentes. 3 Simula¸ c˜ oes e Resultados Nesta se¸ c˜ ao foi utilizado a metodologia proposta para otimiza¸ c˜ ao das redes apresentadas nos estudos de caso 1 e 2 (Figuras 2 e 3).284 segundos.

para cada posi¸ c˜ ao do concentrador avaliouse o comportamento e o desempenho da rede em termos de retardo e tamanho da fila no concentrador. Para O aumento do n´ umero de medidores pode inviabilizar a utiliza¸ c˜ ao de apenas um ponto de concentra¸ c˜ ao de dados... O algoritmo proposto foi utilizado para determinar tamb´ em o posicionamento de dois concen- .7488 segundos. a implementa¸ c˜ ao do cen´ arios das redes ZigBee no simulador Opnet com conforme costam nas Figuras 2 e 3. 2010). – Pontos escolhidos = C1 e C5. C2. Entende-se que na tecnologia Zigbee. o tamanho da fila no concentrador e a carga de tr´ afego do sistema para as posi¸ c˜ oes C1.Cen´ ario 1. um dispositivo ZigBee instalado em um medidor pode se comunicar com outro deste dispositivo. – N´ umero de itera¸ c˜ oes = 327. Sabe-se que os dispositivos ZigBee permitem realizar modo mesh de comunica¸ c˜ ao na rede. apresentando como ponto de localiza¸ c˜ ao de um u ´nico concentrador a posi¸ c˜ ao C5 da Figura 2 3.315 segundos. Portanto. 2010)(OBINSON et al. As simula¸ c˜ oes foram parametrizadas segundo o cen´ ario considerado no estudo de caso 1. Tamb´ em ser´ a abordado nesta se¸ c˜ ao. Assim. ´ e necess´ ario que haja diversos concentradores GPRS para que o sistema n˜ ao fique sobrecarregado. C4 e C5. Figura 5: Retardo m´ edio para as cinco posi¸ c˜ oes do concentrador com envio de dados a cada 15 minutos . Portanto. 2008). foi assumido nas simula¸ c˜ oes a seguir que ap´ os um certo tempo. buscando evidenciar que no caso de apenas um concentrador. e assim por diante. Para este cen´ ario e configura¸ c˜ ao e levando-se em considera¸ c˜ ao apenas quest˜ oes referentes a tr´ afego.Cen´ ario 1. a rede encontra esses menores caminhos. Em outras palavras. Estudo de Caso 2: • k=1 – Tempo computacional = 0. – N´ umero de itera¸ c˜ oes = 23. se d´ a com o ponto escolhido C5. O posicionamento destes concentradores nesta nova problem´ atica n˜ ao se limita a encontrar as melhores rotas. o posicionamento em C5 seria o melhor ponto para instala¸ ca ˜o do concentrador. a rede encontre os menores caminhos entre os n´ os e o concentrador (LICHTENSTEIGER et al. A Figura 4 apresenta o ponto escolhido na rede.2 Medi¸ ca ˜o Inteligente com Dois Concentradores . mas tamb´ em a avaliar os grupos de medidores que se comunicar˜ ao com cada concentrador. este cen´ ario foram analisados o retardo. – Pontos escolhidos = C3 e C4. Um vez que o tamanho m´ edio dos pacotes na rede ZigBee de medi¸ c˜ ao inteligente varia entre 100 a 200 bytes.Cen´ ario 1 Figura 4: Rotas para o melhor ponto concentrador (C5) .. 3.Cen´ ario 1 O resultado da otimiza¸ c˜ ao para um u ´nico concentrador no Cen´ ario 1 (Figura 2). ´ e assumido que os pacotes tem um tamanho m´ edio de 200 bytes (LICHTENSTEIGER et al.– N´ umero de itera¸ c˜ oes = 122. • k=2 – Tempo computacional = 0. a posi¸ c˜ ao C5 seria escolhida por apresentar um retardo m´ edio menor do que para a posi¸ c˜ ao C1. bem como as rotas de cada medidor ao concentrador GPRS. As simula¸ c˜ oes com diferentes configura¸ c˜ oes mostram que para o cen´ ario considerado o algoritmo consegue encontrar a melhor configura¸ c˜ ao em termos de desempenho de fila de tr´ afego para o cen´ ario estudado. A Figura 5 mostra o retardo m´ edio (em segundos) de transmiss˜ ao dos pacotes no concentrador.1 ´ Medi¸ ca ˜o Inteligente com um Unico Concentrador . – Ponto escolhido = C1. As simula¸ c˜ oes tˆ em como objetivo comprovar os resultados do algoritmo proposto. at´ e que a mensagem seja entregue ao concentrador (remota GPRS). C3. Note que isso ´ e diferente dos n´ os enviarem os pacotes considerando apenas os n´ os vizinhos (medidores) mais pr´ oximos.

Cen´ ario 1. As simula¸ c˜ oes foram parametrizadas segundo o cen´ ario considerado no estudo de caso 2.Cen´ ario 2.4 Medi¸ ca ˜o Inteligente com Dois Concentradores . sendo a concentra¸ c˜ ao de dados dividida entre estes dois pontos de concentra¸ c˜ ao de dados. Com o resultado obtido na utiliza¸ c˜ ao do algoritmo foram posicionados dois concentradores para a simula¸ c˜ ao. A Figura 9 mostra o retardo m´ edio (em segundos) de transmiss˜ ao dos pacotes no concentrador. Repetindo as an´ alises feitas para o Cen´ ario 1 para as posi¸ c˜ oes C1.3 ´ Medi¸ ca ˜o Inteligente com um Unico Concentrador . considerando o Cen´ ario 2. Figura 9: Retardo m´ edio para as cinco posi¸ c˜ oes do concentrador com envio de dados a cada 15 minutos . A Figura 6 apresenta o resultado da utiliza¸ c˜ ao do algoritmo. C5 e C6. sendo um deles a solu¸ c˜ ao apresentada pelo algoritmo e outro utilizando dois outros concentradores. . As posi¸ c˜ oes C3 e C4 foram escolhidas para serem posicionados os concentradores.Cen´ ario 2 Figura 7: Retardo m´ edio da rede utilizando dois concentradores. duas facilidades abertas e dispon´ ıveis para o escoamento do tr´ afego de dados dos medidores. reproduzindo a solu¸ c˜ ao apresentada na Figura 6. A Figura 10 apresenta o resultado da utiliza¸ c˜ ao do algoritmo. ou seja. para “k=2”. Figura 6: Posicionamento de dois pontos concentradores . C4. Para o Cen´ ario 2 verificamos claramente que menor delay m´ edio praticado entre os pontos concentradores se d´ a justamente naquele que ´ e determinado pela solu¸ c˜ ao da otimiza¸ c˜ ao da rede via o modelo proposto neste trabalho. 3. bem como as rotas de cada medidor ao concentrador GPRS. se d´ a com o ponto escolhido C1. Figura 8: Rotas para o melhor ponto concentrador (C1) . Utilizando para o Cen´ ario 2 “k=2”. para “k=2”.Cen´ ario 2 O resultado da otimiza¸ c˜ ao para um u ´nico concentrador no Cen´ ario 2 (Figura 3). onde estes funcionam de forma independente.Para valida¸ c˜ ao do modelo foram simulados dois cen´ arios com dois concentradores.Cen´ ario 2. A Figura 7 mostra que o retardo m´ edio da rede para a utiliza¸ c˜ ao de dois concentradores nas posi¸ c˜ oes C1 e C5 ´ e menor que utilizando dois concentradores na posi¸ c˜ oes C2 e C4. C3. considerando o Cen´ ario 1. As posi¸ c˜ oes C1 e C5 foram escolhidas. S˜ ao criadas redes independentes. C2. A Figura 8 apresenta o ponto escolhido na rede.tradores. o algoritmo retornou como solu¸ c˜ ao as posi¸ c˜ oes C3 e C4. O desempenho da rede foi comparado com o posicionamento de dois concentradores pr´ oximos aos centros de massa das subredes. A Figura 11 mostra que o retardo m´ edio da rede para a utiliza¸ c˜ ao de dois concentradores nas posi¸ c˜ oes C3 e C4 ´ e menor que utilizando dois concentradores na posi¸ c˜ oes C2 e C5. 3. como a apresentado na Figura 10.

and d. Figura 11: Retardo m´ edio da rede utilizando dois concentradores . M. UYSAL. 2010 First IEEE pp. Em ambos os cen´ arios o algoritmo con- LICHTENSTEIGER. Foram estudados dois cen´ arios distintos. and SWAMINATHAN. and WIETFELD. LIU. International Journal of Distributed Sensor Networks 2012: 1–8. B. 379–384. (2010). (2012). OBINSON. Smart Grid Communications (SmartGridComm). Ieee standard p2030. MULLER. Framework and Roadmap for Smart Grid Interoperability Standards. J. C. 1247–1255. Buscou-se o melhoramento do desempenho da Smart Grid por meio de planejamento das posi¸ c˜ oes dos concentradores. (2012). Wireless sensor network applications in smart grid: Recent trends and challenges. K. A proposta foi estabelecida justamente em uma ferramenta de otimiza¸ c˜ ao de redes mesh de medidores independente de sua configura¸ c˜ ao ou grandeza. A survey of routing protocols for smart grid communications. 4 Conclus˜ oes Este trabalho apresentou uma metodologia de posicionamento ´ otimo de concentradores GPRS em redes mesh. NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY (2010). YUAN (1999). SAPUTRO. Adding capacity points to a wireless mesh network using local search. (2008). . AKKAYA. podendo ser aplicada em ambientes reais. Proc. European Journal of Operational Research 113(3): 544–559. O primeiro cen´ ario conta com 62 medidores sendo elencadas 5 poss´ ıveis posi¸ c˜ oes para a implanta¸ c˜ ao de um concentrador GPRS. NIST. Como trabalhos futuros ´ e pretendido comparar os resultados te´ oricos apresentados neste artigo com os da a futura implanta¸ c˜ ao da rede. B.15 WPANTM Task Group 4g (TG4g) (2011). com as mais diversas configura¸ c˜ oes e quantidades de n´ os.. 2742–2771. desde que se comporte como apresentado neste trabalho. Rf mesh systems for smart metering: System architecture and performance.. Referˆ encias HOLMBERG. An exact algorithm for the capacitated facility location problems with single sourcing. principalmente. Smart utility networks. SMART GRIDS IEEE 2030 (2011).Cen´ ario 2. visando a minimiza¸ c˜ ao do n´ umero de saltos das mensagens na rede para melhoria do desempenho da rede em termos de tr´ afego.Figura 10: Posicionamento de dois pontos concentradores . of IEEE Conference on Computer Communications (INFOCOM).. tanto para um como para dois pontos de concentra¸ c˜ ao de dados. Neste trabalho foi poss´ ıvel estabelcer uma metodologia para escolha de pontos concentradores em redes mesh para sistemas AMI em termos de n´ umero de saltos das mensagens.. Computer Networks pp. R. pp. and ULUDAG. S. seguiu encontrar o melhor posicionamento. Foram apresentadas evidˆ encias t´ ecnicas da importˆ ancia de se planejar a arquitetura de uma rede de medidores. A garantia de escolha do melhor(es) ponto(s) foi conseguida atrav´ es de simula¸ c˜ oes computacionais. BJELAJAC. IEEE Communications Society. sendo estudadas 6 posi¸ c˜ oes poss´ ıveis para fixa¸ c˜ ao do ponto concentrador de dados. C. IEEE 802. M. USA.Cen´ ario 2. O segundo cen´ ario possui 72 medidores. N. A metodologia aqui apresentada de posicionamento de concentradores pode ser aplicada em diferentes cen´ arios. Utilizando Programa¸ c˜ ao Linear Bin´ aria foi poss´ ıvel se obter um m´ etodo de otimiza¸ c˜ ao que comprovado via simula¸ c˜ oes conseguiu trazer ao problema uma solu¸ c˜ ao confi´ avel e. aplicando a eles a mesma t´ ecnica de otimiza¸ c˜ ao. dando subs´ ıdios para a compara¸ c˜ ao dos resultados. USA. K.. Y. RONNQVIST.