Lo studio fornisce prime valutazioni di prestazioni della rete 5G considerando la definizione di opportune “slice” rispondenti ai requisiti del settore energetico. Ciò è stato ottenuto tramite un sistema di elaborazione denominato “5G Planning Tool”, sviluppato da FUB in ambiente NS-3, in cui l’architettura di rete è stata suddivisa su più livelli: il livello di servizio, per la definizione delle funzioni richieste alla rete in accordo con i Key Performance Indicators (KPIs) desiderati per la specifica applicazione energetica; il livello di controllo, per la corrispondenza tra i requisiti dell’applicazione e l’orchestrazione delle risorse fisiche; il livello fisico, per l’individuazione di tutte le risorse necessarie all’implementazione dei servizi, basato sia su connessioni radio ad alta capacità, sopra 6 GHz, sia ad elevata copertura, sotto 6 GHz.

Sono state effettuare analisi della capacità di fornitura del servizio di connettività 5G, in termini di massimo troughput raggiunto e latenza massima, per scenari tipici del settore energetico che corrispondo alle tre differenti tipologie di comunicazione mMTC, eMBB e uRLLC. Successivamente i risultati delle analisi sono stati utilizzati per la verifica di politiche di gestione del traffico basate su Software Defined Network (SDN). In particolare, l’approccio SDN è stato studiato per gestire in modo efficiente l”accesso al mezzo (ovvero l’ottimizzazione delle risorse) nel caso di basso traffico dati, o per l’isolamento tempestivo di un flusso di interesse (ovvero la garanzia di QoS) in situazioni di traffico dati intenso. Le valutazioni delle prestazioni hanno mostrato un chiaro miglioramento rispetto all’attuale tecnologia LTE e quindi di poter soddisfare i requisiti di connettività (mMTC), capacità (eMBB) e latenza (uRLLC) richiesti per la realizzazione dei differenti servizi energetici innovativi.

Infine, vengono riportate prime valutazioni sui motori di ricerca IoT, con particolare attenzione al settore energetico, analizzando casi di studio di interesse. Nelle valutazioni sono stati considerati sia dati proprietari, sia dataset pubblici, specifici del settore energetico, al fine di poter popolare la base dati per un motore di ricerca IoT che sia rappresentativo delle applicazioni energetiche. Le prime indicazioni per lo sviluppo del motore di ricerca IoT propongono un modello basato sulla gestione ed elaborazioni di metadati considerando un approccio misto di tipo Information Retrieval e Machine Learning al fine di estrarre il contenuto informativo corretto da dati eterogeni tipici dell’IoT.