何进(1976—), 男, 副教授, 主要从事计算机信息技术等方向研究
针对WSNs中基于预测算法的能量分配与管理机制的不足, 研究太阳能可充电无线传感器网络中能耗管理, 提出基于历史获能的能量中性管理机制。设计了一种自适应跟踪太阳光的节点获能模型, 进而构建了一种基于历史获能的能量中性管理机制, 根据当前操作周期中由太阳能转化而来的可用能量, 调节下一操作周期中节点工作的占空比, 以解决节点太阳能获取与节点能耗的优化问题。理论分析与实验结果表明, 提出的基于历史获能的能量中性管理机制, 实现了太阳能电池板大小与节点能耗的最佳匹配, 为太阳能可充电无线传感器网络中的能量获取及能耗管理提供了值得借鉴的解决方案。
To solve the problem of the deficiency in energy allocation and management mechanism based on prediction algorithm in WSNs, energy consumption management in solar chargeable wireless sensor networks is studied, and energy neutral management mechanism based on historical capacity is proposed. A node energy acquisition model for adaptive tracking of sunlight is designed and an energy neutral management mechanism based on historical energy acquisition is constructed. According to the available energy converted from solar energy in the current operation cycle, the duty cycle of the node in the next operation cycle is adjusted to solve the optimization problem of node solar energy acquisition and node energy consumption. The experimental results show that the proposed energy neutral management mechanism based on historical energy acquisition achieves the best match between the size of solar panels and energy consumption of nodes, and provides a valuable solution for energy acquisition and energy consumption management in solar chargeable wireless sensor networks.
近年来, 随着无线传感器网络(WSNs, wireless sensor networks)技术的成熟, 带来了信息感知领域的革命[
综上, 针对WSNs中基于预测算法的能量分配与管理机制的不足(没有考虑前期的历史获能情况及节点获能与节点耗能的匹配问题), 研究太阳能可充电无线传感器网络中能耗管理, 提出基于历史获能的能量中性管理机制, 以提高传感器节点的能量利用率并延长网络生存期。
太阳能可充电传感器节点需要解决2个问题:一是如何提高太阳能电池板的获能效率[
为了提高节点获能效率, 利用现有的太阳能电池, 采取动态跟踪太阳光技术, 实时调整太阳能电池板的高度角与方位角, 最大化地吸收太阳能[
太阳能可充电传感器节点电池模型
Solar rechargeable sensor node battery model
为了充分利用来之不易的能量, 使节点工作时的耗能小于等于节点获能, 确保节点一直处于能量中性状态(即确保节点有足够的能量不至于衰亡)。为此, 针对太阳能可充电无线传感器节点, 提出基于历史获能水平的能量中性管理机制(ENMM-HHE, energy neutral management mechanism based on historical harvested energy)[
将一天(24 h), 分割为
在此规定
由此, 节点的历史获能可由式(2)求得。然而, 未来某时隙的
网络数据传输时间、簇重构时间以及路由建立时间的具体关系如
节点活动状态时间片构成
The time slice of nodes active state
在每一个分簇轮中, 任何一个传感器节点担任的角色只有2种, 要么被选为簇头节点, 要么成为簇普通节点。节点充当2种不同角色时所消耗的能量分别记为
在式(3)中
在式(4)中:
因此, 可以得到节点
式(6)中
在式(7)中, 一旦所有传感器节点部署完成之后,
式(9)中,
改进的方法是:保证节点
为了达到能量中性操作的状态, 给出任何操作周期(OC)内的能量中性约束条件如下[
在式(12)中,
现提出一种实践性更强的能量分配机制, 它是建立在上一操作周期(OC)获能基础之上的[
能量收集与预算的过程
Process of Energy Harvesting and Budgeting
在一个操作周期(OC)内, 为了高效利用所分配的能量
正如式(10)与(11)所反应的, 因为随机分簇的缘由, 不同节点的
假设每一个节点
在此规定
因此, 一旦下一操作周期(OC
式(16)中, 函数min(·)和max(·)分别表示取括弧中变量的最小值与最大值。所以结合公式(7)、(9)、(14)、(15)、(16), 可以计算出在操作周期(
在式(17)中,
由式(18)可知, 如果能获得过去任何一个操作周期(OC
在此从结论出发探寻结论成立所需的条件, 假定
根据前面的论述可知, 因为第
在式(21)中, 某个轮周期内的耗能
在此, 给出可充电电池能量电平分段模型, 如
电池能量水平分段模型
The Model of Battery Energy Level Segmentations
在
为了对比不同操作周期(OC)的耗能情况, 将第一个操作周期(OC)中的占空比设置为1(
在式(23)中,
根据式(8)和(19)可以推导出改进的方法, 用它可计算一个操作周期(OC)中所消耗的能量, 并进一步确定下一操作周期(OC)中的占空比[
再结合式(23)与(24)可得
因此, 更进一步结合式(14)、(15)、(16)、(24)和(26), 并借助当下操作周期(OC
如果平均能量超过了电池初始携带能量的水平线(即
至此, 可以根据式(28)和(29)分别确定下一操作周期(OC
考虑在实际应用中, 每个节点携带的初始能量至少要能满足, 一个操作周期(OC)中当占空比(DC)为1 h的耗能需求; 当然初始能量也不能达到电池的极限容量, 因为还要为太阳能转换而来的电能留有存储空间, 以免能量溢出。因此, 设置电池的初始能量为1 400 J, 其值是电池极限容量的70%。根据实际应用的需求设置最小占空比(DC ηmin)为0.1 (ηmin =0.1)。设定目标监测区域大小为20 000 m2(200 m×100 m), 其中部署的节点为1 000个。仿真参数设置如
基本参数设置
Basic parameters settings
参数 | 值 |
数据报长度 |
3000 |
控制数据报长度/bits | 300 |
自由空间信道放大系数 |
10 |
多径衰减信道放大系数 |
0.001 3 |
接收/发送单位数据能耗 |
50 |
数据融合系数 |
0.5 |
融合单位数据能耗 |
5 |
电池初始能量值 |
1 400 |
ENMM-HHE与P-FREE能量分配误差对比
Comparison of energy assigning deviation between ENMM-HHE and P-FREE
而
采用实验室已有的三峡库区水质监测传感器节点进行获能工作实验。实验测试装置如
水质检测试验
Water quality testing test
测试时间从早上6:30到晚上18:30, 负载从30 Ω(中午太阳光最强时, 节点工作频繁, 占空比最大, 表现出负载电阻较小)到260 Ω(早晚太阳光最弱时, 节点工作迟缓, 占空比最小, 表现出负载电阻较大)。其测试结果如
晴天中固定式节点获能装置测量数据
Fixed node energy harvester measurement data in sunny days
06:30—07:00 | 240 | 5.14 | 198 | 12:30—13:00 | 50 | 5.60 | 1129 |
07:00—07:30 | 200 | 5.20 | 243 | 13:00—13:30 | 40 | 5.64 | 1431 |
07:30—08:00 | 200 | 5.31 | 253 | 13:30—14:00 | 30 | 5.73 | 1970 |
08:00—08:30 | 180 | 5.37 | 288 | 14:00—14:30 | 30 | 5.70 | 1949 |
08:30—09:00 | 150 | 5.40 | 349 | 14:30—15:00 | 50 | 5.52 | 1097 |
09:00—09:30 | 150 | 5.45 | 356 | 15:00—15:30 | 100 | 5.54 | 552 |
09:30—10:00 | 150 | 5.47 | 359 | 15:30—16:00 | 180 | 5.36 | 287 |
10:00—10:30 | 200 | 5.25 | 248 | 16:00—16:30 | 100 | 5.45 | 534 |
10:30—11:00 | 120 | 5.41 | 439 | 16:30—17:00 | 150 | 5.37 | 346 |
11:00—11:30 | 120 | 5.45 | 445 | 17:00—17:30 | 200 | 5.41 | 263 |
11:30—12:00 | 100 | 5.49 | 543 | 17:30—18:00 | 200 | 5.35 | 257 |
12:00—12:30 | 50 | 5.58 | 1121 | 18:00—18:30 | 260 | 5.30 | 194 |
经测量系统在数据收发时的电压为5.02 V, 电流为0.22 A(发信); 在其他时间系统的电压为5.04 V, 电流为0.11 A(发信)。根据如
根据基于历史获能的能量中性管理机制, 设计了一种自适应跟踪太阳光的节点获能模型, 并在“三峡库区水质监测平台”上, 利用水质检测传感器节点进行试验。通过调节水质检测系统的数据收发频率(即占空比), 实现节点耗能与获能的平衡, 从而实现太阳能电池板大小与节点能耗的最佳匹配, 验证了基于历史获能的能量中性管理策略的可行性。
Xu G B, Shen W M, Wang X B. Applications of wireless sensor networks in marine environment monitoring: a survey[J]. Sensors, 2014, 14(9): 16932-16954.
刘鸣.无线传感器网络技术发展分析[J].信息通信, 2016(6): 286-287.
LIU Ming. Analysis of the development of wireless sensor network technology[J]. Information & Communications, 2016, 29(6): 286-287. (in Chinese)
Atzori L, Iera A, Morabito G. The internet of things: a survey[J]. Computer Networks, 2010, 54(15): 2787-2805.
吕雪.无线传感器网络技术发展现状[J].信息通信, 2015(10): 169-170.
LV Xue. Development status of wireless sensor network technology[J]. Information & Communications, 2015(10): 169-170. (in Chinese)
Raghavendra C S, Sivalingam K M, Znati T. Wireless sensor networks[M/OL]. Boston, MA: Springer US, 2004[2018-09-25]. https: //doi.org/10.1007/b117506.
徐伟强, 吴铁军, 汪亚明, 等.用于Ad Hoc网络的自适应多速率多播拥塞控制策略[J].软件学报, 2008(3): 769-778.
XU Weiqiang, WU Tiejun, WANG Yaming, et al. Adaptive congestion control strategy for multirate multicast sessions in ad hoc networks[J]. Journal of Software, 2008(3): 769-778. (in Chinese)
Miorandi D, Sicari S, de Pellegrini F, et al. Internet of things: vision, applications and research challenges[J]. Ad Hoc Networks, 2012, 10(7): 1497-1516.
Xu G B, Shen W M, Wang X B. Applications of wireless sensor networks in marine environment monitoring: a survey[J]. Sensors, 2014, 14(9): 16932-16954.
王伟.无线传感器网络若干关键技术研究[D].武汉: 华中科技大学, 2011.
WANG Wei. Research on several key technologies of wireless sensor networks[D]. Wuhan: Huazhong University of Science and Technology, 2011. (in Chinese)
https://ieeexplore.ieee.org/document/6064380?arnumber=6064380&tag=1.]]>
何聪, 郭松涛.可充电无线传感器网络的有向充电优化算法[J].重庆大学学报, 2019, 42(1): 88-97.
HE Cong, GUO Songtao. Directed charging optimization algorithm in rechargeable wireless sensor networks[J]. Journal of Chongqing University, 2019, 42(1): 88-97. (in Chinese)
芦浩.太阳能光伏发电技术应用研究与普及[J].中国新技术新产品, 2016(16): 28-29.
LU Hao. Application research and popularization of solar photovoltaic power generation technology[J]. New Technology & New Products of China, 2016(16): 28-29.(in Chinese)
Kosunalp S, Cihan A. Harvesting solar energy for limited-energy problem in wireless sensor networks[C/OL]. 2017 25th Signal Processing and Communications Applications Conference (SIU). New York, USA: IEEE, 2017: (2017-06-29)[2018-09-28]https: //ieeexplore.ieee.org/document/7960535.
Ramya R, Saravanakumar G, Ravi S. Energy harvesting in wireless sensor networks[M]. India:Springer India, 2016, 394:841-843.
https://ieeexplore.ieee.org/abstract/document/7531396.]]>
Yang L, Lu Y Z, Zhong Y C, et al. A hybrid, game theory based, and distributed clustering protocol for wireless sensor networks[J]. Wireless Networks, 2016, 22(3): 1007-1021.
https://ieeexplore.ieee.org/document/6482731?denied.]]>
潘泽中.能量采集无线传感器网络的能量预测及分簇算法[D].南昌: 华东交通大学, 2016.
PAN Zezhong. Energy prediction and clustering algorithm in energy harvesting wireless sensor network[D]. Nanchang: East China Jiaotong University, 2016. (in Chinese)
https://ieeexplore.ieee.org/document/6214186.]]>
Babayo A A, Anisi M H, Ali I. A review on energy management schemes in energy harvesting wireless sensor networks[J]. Renewable and Sustainable Energy Reviews, 2017, 76: 1176-1184.
杨柳.基于分簇结构的无线传感器网络节能路由协议研究[D].重庆: 重庆大学, 2016.
YANG Liu. Study on cluster-based energy saving routing protocols for wireless sensor networks[D].Chongqing: Chongqing University, 2016. (in Chinese)