End-to-End LoRaWAN IoT Stack for Intelligent autonomous Microgrid Monitoring and Proactive Control.

Abstract

This thesis explores the current state of IoT and AI-based microgrid monitoring systems. With the increasing integration of renewable energy and distributed energy resources, efficient and autonomous monitoring of microgrids has become critical. This study provides a comprehensive review of LoRaWAN communication protocols and AI algorithms applied to microgrid management, highlighting both the potential and challenges of integrating these technologies. The study follows a qualitative methodology based on scientific literature and system analyses. The results demonstrate that combining low-power IoT networks with AI-driven predictive maintenance, anomaly detection, and energy optimization can significantly enhance microgrid efficiency, resilience, and autonomy. This thesis contributes to the field by presenting a detailed synthesis of current approaches, emphasizing that intelligent, energy-efficient, and scalable IoT-AI solutions represent the most practical way to achieve autonomous microgrid monitoring and management.****

Ce mémoire explore l’état actuel des systèmes de surveillance des microgrids basés sur l’IoT et l’intelligence artificielle. Avec l’intégration croissante des énergies renouvelables et des ressources énergétiques distribuées, la surveillance efficace et autonome des microgrids devient essentielle. Cette étude présente une analyse complète des protocoles de communication LoRaWAN et des algorithmes d’IA appliqués à la gestion des microgrids. L’objectif est de mettre en évidence à la fois le potentiel et les défis de l’intégration de ces technologies. L’étude repose sur une méthodologie qualitative basée sur la littérature scientifique et l’analyse des systèmes. Les résultats montrent que la combinaison de réseaux IoT à faible consommation et de l’IA pour la maintenance prédictive, la détection d’anomalies et l’optimisation de l’énergie peut améliorer significativement l’efficacité, la résilience et l’autonomie des microgrids. Ce mémoire contribue au domaine en présentant une synthèse détaillée des approches actuelles, soulignant que des solutions IoT-IA intelligentes, écoénergétiques et évolutives représentent la manière la plus pratique d’atteindre une surveillance et une gestion autonomes des microgrids.