太陽能無線傳感器網絡中能量預測模型

張蓉蓉

（四川大學計算機學院，成都 610065）

0 引言

傳感器網絡有著廣泛的應用，例如，水質監測、橋梁安全監測、火山活動監測、森林監測、農業大棚養殖、可穿戴設備，等等。通常在監測區域內部署大量密集的傳感器節點，節點之間通過無線通信相互組網形成一個自組織的無線傳感器網絡。網絡中傳感器節點在進行數據感知、數據收集和數據轉發的過程中都會消耗其自身的能量。關于無線傳感器網絡的研究有一個共同的焦點：能量效率。傳統的傳感器網絡中，傳感器節點采用唯一的有限的電池進行供電，當電池能量不足時傳感器無法進行感知任務，然而對電池進行人為的更換或者充電十分困難并且昂貴的。研究學者提出了不同的技術來減慢電池能量的消耗，包括傳感器的睡眠-喚醒機制，讓其中一部分節點處于睡眠模式以降低其能量消耗，但是這種模式中睡眠的節點無法進行數據感知任務和數據轉發任務。隨著太陽能收集技術的發展，給傳感器節點配置太陽能收集轉化裝置來進行傳感器節點的能量補充已經成為可能[1-2]。因此本文考慮給傳感器節點配備能量收集裝置使其可以收集周圍環境中的能量，例如太陽能、風能、電磁能，等等。

對于可收集太陽能的傳感器節點，其收集的太陽能隨著時間的變化而變化，例如白天和夜晚傳感器節點收集的太陽能有較大的差異；傳感器節點地理位置的不同其收集的太陽能數量也不相同，例如有些傳感器節點會被障礙物遮擋，其收集的太陽能會大大減少；另外，傳感器節點可收集的太陽能多少與當時的天氣情況有關，若是晴朗天氣，其太陽能收集數量多。因此本文首先介紹在太陽能收集的傳感器網絡中，傳感器節點的系統結構和能量子系統，接著詳細分析了影響傳感器節點收集太陽能的三個主要因素。通過綜合考慮這三個因素，如何預測網絡中傳感器節點未來可收集太陽能數量的多少，以便于更加合理地調度傳感器節點進行數據收集任務。

1 節點系統結構

太陽能傳感器節點系統結構如圖1所示，主要包含八個部分，分別為：①太陽能收集器，可以收集環境中的太陽能并將其進行轉化；②能量管理器，決定收集的太陽能是被直接用于感知任務還是將其存儲到電池中給未來使用；③能量存儲器，即電池，將收集的能量存儲起來供未來使用；④微控制器；⑤接收器，負責接收和轉發信息；⑥感知器，用于感知監測區域的信息；⑦A/D轉化器，將傳感器產生的模擬信號數字化，以便于微控制器進行進一步的處理；⑧內存，存儲感知的信息。

2 節點能量子系統

可收集太陽能的傳感器節點其能量子系統結構如圖2所示，其中包含一個或者多個太陽能收集器，可以收集環境中的太陽能并將其轉化。在本文的能量子系統中，傳感器節點可以直接使用由太陽能收集器收集的能量，同時傳感器節點會配備一個有限容量的電池作為能量存儲單元，當太陽能收集速率大于當前的能量消耗速率并且電池能量未達到電池容量限制時，多余收集的太陽能也可以被存儲到電池中給以后使用，從而使得在沒有太陽能收集的夜晚也可以有能量支持感知任務。

圖1 太陽能收集傳感器節點系統結構圖

圖2 太陽能收集傳感器節點能量子系統圖

3 能量預測模型EH

在實際應用場景中，可收集的太陽能與時間、傳感器節點的地理位置以及當時的天氣情況息息相關，并且是動態變化的，但是我們可以根據傳感器節點收集能量的歷史數據和當時的天氣情況來預測傳感器節點每個時刻的能量收集數量。

我們令xi-1為第i-1天該時刻的能量收集數量，第i-1天該時刻預測的太陽能收集數量，那么：

其中ω為給定的參數，其取值范圍為0≤ω≤1。α(i)表示當天t時刻的天氣情況。

4 實驗結果及分析

每個傳感器節點都配備了37×33mm2的太陽能板，假設所有傳感器的太陽能板都以最佳角度設置，并且太陽能板的太陽能轉化率相同。本文通過NREL太陽能輻射研究實驗室的基線測量系統獲得真實的歷史太陽能數據。為了討論影響太陽能收集的因素，本文首先部署在監測區域內部署少量特定位置的傳感器節點如圖3，其中可看到傳感器節點會被周邊樹木的遮擋，會影響其太陽能收集。

圖3 節點位置圖

4.1 影響太陽能收集因素

本小節將從傳感器節點收集太陽能的數據著手，分析影響太陽能收集數量的三個主要因素。

圖4 影響太陽能收集數量因素圖

（1）時間變化

從圖4（a）中可看出，傳感器節點從早晨大約6：00一直到晚上19：00都可以收集到太陽能，其中正午大約13：00時太陽能收集速率最高。

（2）天氣情況

為了說明在不同的天氣情況下，傳感器節點可收集的太陽能不同，觀察同一傳感器節點在不同天氣情況下的太陽能收集情況，圖4（a）為天氣晴朗時太陽能收集速率隨時間變化圖，而圖4（b）為天氣情況為多云時太陽能收集速率隨時間變化圖。從圖中可看出，當天氣情況為多云時，其太陽能收集速率較天氣晴朗時更加不穩定，并且太陽能收集速率更低。

（3）地理位置

為了比較因傳感器節點的地理位置導致的太陽能收集數量的變化，實驗比較為了中節點和節點在天晴情況晴朗時的太陽能收集速率的變化，其中節點的太陽能收集速率如上圖4（a）所示，節點的太陽能收集速率如圖4（c）所示。從圖4（c）中可看出由于節點下午被周圍樹木的遮擋，導致其太陽能收集速率基本下降為0。

綜上所述，圖4中可看出傳感器節點收集太陽能的數量與時間變化、天氣情況和傳感器節點的地理位置息息相關。

4.2 能量收集預測對比

Kansal等人[3]基于指數加權平均移動濾波器提出了一個太陽能預測模型（EWMA），該模型假設該天t時刻的太陽能收集數量與前一天相同時刻的收集數量相似，在t時刻收集的太陽能收集數量為之前所有天中該時刻收集太陽能收集數量的加權平均值，其中天數越接近當天起權值越大。圖5為同一個傳感節點在中午12：00到16：00中本文所提模型與EWMA模型的預測收集太陽能的對比，以及與真實收集太陽能的差距。

圖5 太陽能預測對比圖

從圖5中可以看出，本文所提能量預測模型比EWMA模型預測的收集太陽能數量更接近傳感器節點收集太陽能的真實值。

5 結語

本文分析了能量可收集傳感器網絡尤其是太陽能收集傳感器網絡中，傳感器節點的系統結構，以及能量管理模型。詳細說明了影響太陽能傳感器節點收集太陽能的三大因素，分別是時間變化、天氣情況和地理位置。接著提出了可收集太陽能數量的預測模型，綜合考慮已有的歷史太陽能收集數據，以及未來的天氣情況，對未來每個時間間隔內傳感器可以收集的太陽能數量進行了預測。最后本文對所提的太陽能收集預測模型與經典的EWMA模型進行了對比，進一步說明本文所提太陽能收集預測模型更加接近真實的太陽能收集數量，提高了預測的精度。