Responsive image
Universidade Federal de Santa catarina (UFSC)
Programa de Pós-graduação em Engenharia, Gestão e Mídia do Conhecimento (PPGEGC)
Detalhes do Documento Analisado

Centro: Não Informado

Departamento: Não Informado

Dimensão Institucional: Pós-Graduação

Dimensão ODS: Ambiental

Tipo do Documento: Dissertação

Título: BLOCKCHAIN PRIVACY AND SCALABILITY IN A DECENTRALIZED VALIDATED ENERGY TRADING CONTEXT WITH HYPERLEDGER FABRIC

Orientador
  • JEAN EVERSON MARTINA
Aluno
  • JOHANN WESTPHALL

Conteúdo

O uso de energia renovável vem aumentando devido à preocupação com preservação do ambiente ameaçada por fontes energéticas como carvão e petróleo. apesar do alto custo de fontes renováveis em relação às fontes sujas, essa diferença tem diminuido. com preços mais baixos, pessoas instalam painéis solares para reduzir o custo da conta de eletricidade ou até vender o excesso produzido à empresa transmissora. quando pessoas vendem energia à rede elétrica, elas são classificadas como prosumers. geralmente, prosumers podem vender a energia gerada exclusivamente à companhia de eletricidade, que determina o preço de compra. mercados de energia decentralizados podem aumentar tanto a competitividade quanto a adoção de fontes energéticas limpas. ao mesmo tempo, mercados centralizados apresentam vulnerabildades de segurança e carecem de resiliência. neste contexto, blockchain é estudada como uma tecnologia para possiblitar a decentralização de mercados de energia, principalmente por ser um banco de dados resiliente, imutável, transparente e seguro. a literatura apresenta diversas soluções envolvendo blockchain e mercados energéticos, todavia mais pesquisa é fundamental para tal implantação. escalabilidade, privacidade, arquitetura de mercado e segurança do usuário são alguns dos problemas ainda não resolvidos neste tipo de aplicação. hyperledger fabric predomina na literatura acerca de mercados de energia e também é usado na implementação do modelo deste trabalho. este trabalho revisa a literatura a respeito de blockchain em mercados de energia, propõe um modelo, implementa-o, realiza experimentos e analisa a escalabilidade da rede junto com a proporção da sua geração de dados. o modelo permite que energia limpa e validada seja comercializada por compradores anônimos, evitando a exposição dos seus padrões de consumo. o contrato inteligente do hyperledger fabric recebe dados proveninentes de sensores e julga se as alegações de geração energética são válidas. por exemplo, sensores capturadores da velocidade do vento podem evitar que vendedores de energia eólica comercializem quantidades de energia acima da sua capacidade de geração. depois de validada, a energia é comercializada entre participantes da rede. modificações no hyperledger fabric foram necessárias para implementar o modelo definido. o desenvolvimento da proposta é dividido em três partes: desenvolvimento da rede, desenvolvimento do contrato e desenvolvimento da aplicação. este trabalho adaptou a implementação do fabric para realizar os experimentos planejados. os experimentos foram executados em três fases com configurações distintas para testar a capacidade da rede. a capacidade máxima de transferência foi atingida em uma configuração com 5000 sensores, 5000 compradores e 5000 vendedores. tanto o ritmo de geração de dados quanto o custo de implantação foram analisados para julgar a viabildade da rede. este trabalho complementa com resultados empíricos a literatura, a qual carece destes resultados. além disso, a estrutura do experimento serve como base para pesquisas futuras com hyperledger fabric. ademais, a participação de pesquisadores com formação em engenharia de energia é necessária para o aprimoramento do processo de validação de energia. este trabalho explorou um conjunto limitado de configurações e trabalhos futuros podem realizar diversos aperfeiçoamentos neste modelo.

Índice de Shannon: 0.0576836

Índice de Gini: 0.00947648

ODS 1 ODS 2 ODS 3 ODS 4 ODS 5 ODS 6 ODS 7 ODS 8 ODS 9 ODS 10 ODS 11 ODS 12 ODS 13 ODS 14 ODS 15 ODS 16
0,01% 0,02% 0,01% 0,01% 0,01% 0,02% 99,52% 0,02% 0,22% 0,01% 0,03% 0,03% 0,03% 0,01% 0,01% 0,02%
ODS Predominates
ODS 7
ODS 1

0,01%

ODS 2

0,02%

ODS 3

0,01%

ODS 4

0,01%

ODS 5

0,01%

ODS 6

0,02%

ODS 7

99,52%

ODS 8

0,02%

ODS 9

0,22%

ODS 10

0,01%

ODS 11

0,03%

ODS 12

0,03%

ODS 13

0,03%

ODS 14

0,01%

ODS 15

0,01%

ODS 16

0,02%