Este artículo presenta DEHTO, una metodología novedosa para optimizar topologías de cosecha de energía en sistemas de consumo cero en espera mediante un marco basado en algoritmos genéticos multiobjetivo y simulación de circuitos detallada. DEHTO adapta dinámicamente las rutas de recolección de energía según la disponibilidad ambiental, logrando consumo en espera prácticamente nulo y manteniendo la disponibilidad operativa. El enfoque mejora significativamente la eficiencia de dispositivos IoT, electrónica vestible y redes de sensores sin batería, contribuyendo a una reducción importante del desperdicio energético asociado al consumo constante en modo espera y a un impulso proyectado del 15% en el mercado de electrónica eficiente para 2030.

Contexto y objetivos: la creciente presencia de dispositivos conectados ha puesto de manifiesto el impacto de la potencia en espera en el consumo total. DEHTO nace para eliminar ese desperdicio combinando técnicas de cosecha de energía como solar, piezoeléctrica y RF con una optimización de topología que decide en tiempo real qué caminos de energía deben activarse y cómo gestionar el almacenamiento para garantizar operación inmediata cuando sea necesario.

Metodología: el núcleo de DEHTO es un algoritmo genético multiobjetivo MOGA que optimiza simultáneamente dos objetivos conflictivos: minimizar Pstandby y maximizar Roperacional, definida como la probabilidad de mantener funcionalidad ante variaciones de fuente energética. Cada individuo codifica una topología mediante una cadena binaria donde cada bit representa la activación o no de un camino de cosecha o de un bloque de almacenamiento. La función de aptitud se expresa como Fitness = w1 * (1 / Pstandby) + w2 * Roperacional con w1 y w2 ajustados mediante optimización bayesiana según requisitos de la aplicación. Operadores genéticos clásicos de cruce y mutación exploran el espacio de topologías y una evaluación por simulación determina la aptitud de cada candidato.

Simulación y modelado: cada topología se valida en simuladores tipo SPICE para capturar el comportamiento de carga y descarga de condensadores, pérdidas de conmutación, eficiencia de rectificadores y conversores DC-DC y la respuesta ante cargas intermitentes. Las fuentes ambientales se modelan estocásticamente; por ejemplo la irradiancia solar o la potencia RF se representan mediante distribuciones gaussianas parametrizadas por datos históricos. El análisis computa el consumo medio en espera y el porcentaje de tiempo en que la tensión del bus supera el umbral operativo, generando métricas reproducibles para la evaluación multiobjetivo.

Diseño experimental: la validación incluye prototipos modulares con celdas solares, transductores piezoeléctricos y antenas de RF, monitorizados por sistemas de adquisición de alta resolución dentro de una cámara ambiental que reproduce condiciones de iluminación y temperatura controladas. La placa modular facilita la reconfiguración física de topologías, permitiendo comparar topologías estáticas frente a las recomendaciones del MOGA en entornos reales.

Resultados: en simulación DEHTO consigue reducir el consumo en espera hasta en 95% frente a topologías estáticas manteniendo Roperacional > 99%. En hardware se validó una reducción de standby del 70% con niveles de disponibilidad equivalentes. El topología óptima depende del entorno: mayor peso en solar para escenarios bien iluminados, mayor uso de RF en condiciones de baja luminosidad. Estos resultados demuestran la ventaja de una estrategia adaptable frente a esquemas fijos.

Ejemplo comparativo en valores representativos: topología estática basada en solar Pstandby 150 µW Roperacional 85% ; topología estática basada en RF Pstandby 80 µW Roperacional 92% ; topología DEHTO optimizada Pstandby 8 µW Roperacional 99% .

Escalabilidad y evolución: DEHTO está diseñado para escalar a topologías más complejas y a una mayor diversidad de fuentes energéticas. Las direcciones futuras incluyen la integración con agentes de aprendizaje por refuerzo que ajusten en línea los pesos w1 y w2, el uso de circuitos reconfigurables para implementar cambios físicos sugeridos por el GA y el aprovechamiento de computación en la nube para acelerar procesos de optimización y actualizar dinámicamente topologías en dispositivos remotos.

Aplicabilidad en la industria y servicios asociados: Q2BSTUDIO, empresa especializada en desarrollo de software y aplicaciones a medida, integración de inteligencia artificial y ciberseguridad, ofrece apoyo para llevar soluciones como DEHTO desde la investigación hasta productos desplegables. Ofrecemos diseño de controladores embebidos y sistemas de gestión energética, integración con plataformas cloud y desarrollo de software a medida para gestión remota y analítica avanzada. Si necesita desarrollar una solución de recolección energética con control inteligente puede consultar nuestras opciones en desarrollo de aplicaciones y software a medida y explorar cómo incorporar modelos de inteligencia y automatización en sus dispositivos.

Servicios complementarios: Q2BSTUDIO presta servicios de inteligencia artificial y consultoría para ia para empresas, desarrolla agentes IA para optimización continua de parámetros operativos y ofrece integración de soluciones de servicios cloud aws y azure para procesamiento y orquestación remota. También proporcionamos servicios de ciberseguridad y pentesting para proteger la integridad de nodos energéticos distribuidos y pipelines de datos, así como soluciones de servicios inteligencia de negocio y dashboards con power bi para visualizar rendimiento energético y KPIs operativos.

Impacto y beneficios: la adopción de DEHTO puede prolongar la vida útil de baterías, reducir costos operativos y disminuir la huella energética de despliegues masivos de sensores IoT. Desde el punto de vista empresarial, implementar topologías dinámicas soportadas por software a medida y modelos de IA reduce la necesidad de intervenciones físicas y mejora la resiliencia ante fluctuaciones ambientales.

Conclusión: la optimización dinámica de topologías de cosecha de energía mediante algoritmos genéticos multiobjetivo y simulación de circuitos representa una vía efectiva para alcanzar consumo cero en espera sin sacrificar disponibilidad operativa. Q2BSTUDIO puede acompañar en todas las fases del proyecto, desde el desarrollo de firmware y software a medida hasta la integración de inteligencia artificial, servicios cloud aws y azure y la implementación de controles de ciberseguridad. Para explorar soluciones basadas en IA contacte nuestra área de inteligencia artificial y descubra cómo transformar sus dispositivos con agentes inteligentes y análisis avanzados en servicios de inteligencia artificial.

Palabras clave: aplicaciones a medida, software a medida, inteligencia artificial, ciberseguridad, servicios cloud aws y azure, servicios inteligencia de negocio, ia para empresas, agentes IA, power bi.