Battery modelling with respect to temperature

Einleitung

Traditionell werden Wireless Sensor Networks ( WSNs ) mit Batterien betrieben. Bei einem Einsatz im Freien entstehen neue Herausforderungen. Schwankende Temperaturen und Re- gen haben einen starken Einfluss auf die Hardware. Batterien sind dafür bekannt von der Temperatur beeinflusst zu werden. Die Batteriespannung kann, bei einem Temperaturun- terschied von 40 ◦ C, um bis zu 500mV variieren. Die Differenz kann zu Problemen führen, wenn die Spannung nah am Operationslimit ist.

Um die Energienutzung auf einem Sensorknoten und die maximale Betriebszeit des gan- zen Netzwerks weiter zu optimieren, ist es wichtig das Verhalten der Batterie zu verstehen und den Ladezustand zu kennen. Es ist also nötig das Entladungsverhalten zu modellieren. Das ist allerdings aufgrund der verschiedenen Parameter, die einen Einfluss auf die Batterie haben, kompliziert. Allgemein sind Batterien komplexe chemische Systeme. Die Spannung hängt von der aktuellen Last ab und steigt wieder auf die Ruhespannung, wenn die Last nicht mehr anliegt. Außerdem hängt die Spannung von der Umgebungstemperatur ab. Ein Beispielbild ist nachfolgend abgebildet:

in Sensorknoten ist ein komplexes System und der aktuelle Energieverbrauch variiert je nach Task ( Sensornutzung, Berechnung, Nachrichtenempfang und Nachrichtenübertragung ) . Deshalb ist eine bekannte Last nötig, um den Spannungsabfall zu testen. Ein Modell sollte den Spannungsabfall zu gegebener Last und Temperatur approximieren können.

Motivation

Ein WSN ist ein selbst organisiertes Netzwerk bestehend aus vielen kleinen Sensoren, die in einem Gebiet verteilt werden, um es mit Kabelloser Kommunikation zu überwachen. Durch die vielen Anwendungsgebiete wie in der Landwirtschaft zur Überwachung des Pflanzen- wachstums oder zur Bodenanalyse, Logistik und anderen kommerziellen Gebieten hat es sich zu einem wichtigen Forschungsgebiet entwickelt.

Die Sensorknoten werden durch Batterien mit Strom versorgt. Deshalb ist die Lebenszeit eines Sensorknotens begrenzt durch die Kapazität der Batterie und wie effizient die Energie von der Anwendung genutzt wird. Infolgedessen ist die Energieeffizienz eine der wichtigsten Kriterien beim Entwurf von WSN-Anwendungen. Damit WSN-Anwendungen die Batterie effizient nutzen können, ist es notwendig den Zustand der Batterie zu kennen. Da Umwelt- einflüsse einen signifikanten Einfluss auf die Lebensdauer der Batterie haben, müssen auch diese, beim Entwerfen eines WSNs, in die Planung einfließen. Besonders bei Outdoor-Szenarien sollte der Einfluss der Umweltbedingungen auf die Le- bensdauer eines Sensornetzes beachtet werden. Die Energienutzung sollte deshalb soweit wie möglich an die Umwelt- und damit auch die Energiebedingungen angepasst werden. Damit eine Anwendung auf die Energiebedingungen reagieren kann, ist es nötig diese zu modellieren und der Anwendung entsprechende Informationen zur Verfügung zu stellen.

Aufgabenstellung

Die Aufgabe ist es Entladungsexperimente mt verschiedenen Lasten, ähnlich wie die Lasten von [1], durchzuführen . Nachdem die Daten gesammelt sind, wird daraus ein parametrisier- tes Batteriemodell erstellt. Das Modell sollte Optimiert sein, um es auf einem Sensorknoten berechnen zu können.

Das Modell muss dazu geeignet sein aus der Batteriespannung, der Umgebungstemperatur und einer Last, den Zustand der Batterie zu ermitteln. Eine Evaluation soll die Qualität des Models zeigen und sollte mit anderen Lasten veri- fiziert werden. Darüber hinaus soll ermittelt werden, was das Modell alles mit Parametern abbilden kann und ob das Modell auch auf andere Energiespeicher übertragbar ist. Dazu sollte noch in Erfahrung gebracht werden, ob auch eine Confidence 1 für das Modell berech- net werden kann.

Abschließend sollen die Ergebnisse des Modells genutzt werden um theoretische Sche- duling Strategien für Sensorknoten zu entwerfen. Dabei ist es wichtig festzulegen welche Informationen das Betriebssystem für das Scheduling benötigt.

Literatur

1. Laura Marie Feeney, Robert Hartung, Christian Rohner, Ulf Kulau, Lars Wolf and Per Gunningberg: Towards Realistic Lifetime Estimation in Battery-powered IoT Devices, in Proceedings of the 15th ACM Conference on Embedded Network Sensor Systems, SenSys '17, Delft, Netherlands, Seite 67:1-67:2, ACM, 2017 (Feeney:2017:TRL:3131672.3136985, DOI, BibTeX)

Skills

The following skills are helpful for the execution of this thesis (not all of them are required!):

• C
• Hardware
• INGA
• Scheduling

Links

• Hinweise zur Durchführung von studentischen Arbeiten am IBR