Kan IoT-enheten din klare seg i ti år på AA-batterier?

Mange IoT-enheter, inkludert ganske komplekse enheter som intelligente gass-, vann- og varmemålere, er batteridrevet. Det er fordi installasjonen blir betydelig billigere og mer fleksibel når enheten ikke krever fast strømforsyning.

En grunnleggende utfordring i den forbindelse er å sikre tilstrekkelig lang batterilevetid. Håndverkerbesøk er en stor kostnad, og på enkelte enheter er det ikke mulig å bytte batteri. Det gjelder for eksempel noen vannmålere, da de skal tåle å bli oversvømt i en brønn og derfor er hermetisk tette. I praksis betyr dette at batterilevetiden må være minst ti år for at produktet skal være lønnsomt.

Varierende batteriforbruk

IoT-enheter (Internet of Things) består vanligvis av én del med sensor og logikk samt en kommunikasjonsdel som for eksempel rapporterer måledata via en trådløs teknologi. Batterilevetiden til slike enheter avhenger i stor grad av strømforbruket til kommunikasjonsdelen. Dette forbruket påvirkes av flere faktorer, som sendeeffekt samt frekvens og lengde på sendinger. I tillegg krever noen teknologier utveksling av kontrollinformasjon i tillegg til de ordinære dataoverføringene for å opprettholde forbindelsen.

Forbruksmålere tester forbruket og oppdaterer jevnlig forbruksdata til leverandøren via en trådløs tilkobling. Hyppigere oppdatering gir mer detaljerte og oppdaterte måledata. Ønsket oppdateringsfrekvens av forbruksdataene avhenger av det enkelte nettselskap. Noen kan nøye seg med én måling pr. dag pr. enhet, mens det i andre tilfeller trengs målinger hver time. En høyere dataoppløsning gjør at selskapet for eksempel kan oppdage og reparere lekkasjer i rørsystemer for fjernvarmevann eller drikkevann. De vil også kunne forutsi og estimere fremtidig forbruk og skalere produksjonen deretter.

Høyere dataoppløsning betyr hyppigere og lengre overføringer og vil dermed påvirke mengden energi som brukes på den trådløse kommunikasjon, noe som kan være problematisk for en batteridrevet enhet.

Lett dvale eller dyp søvn

Kommunikasjonsteknologier for IoT-systemer har innebygde mekanismer som kan sette enhetens modem i dvale i en periode for å spare energi til det er nødvendig å kommunisere igjen. For NB-IoT- og LTE-M-teknologiene, som tilhører 3GPP-familien og er nært beslektet med 4G og 5G, kalles disse mekanismene discontinuous reception (DRX) og power saving mode (PSM).

DRX er en lett søvn der modemet med jevne mellomrom aktiveres og opprettholder en tilkobling til nettverket. Det gjør det mulig å sende eller motta data uten å måtte gå gjennom en fullstendig tilkoblingsprosedyre. PSM, på den annen side, er en dyp søvn med minimalt strømforbruk i en forhåndsbestemt tidsperiode. Når en enhet våkner fra PSM, må den gjennom en fullstendig tilkoblingsprosedyre som krever mye energi. Derfor bør PSM bare brukes når energien som spares i dyp søvn oppveier den ekstra energien det krever å koble til nettverket igjen.

Matematisk modell forutsier baterilevetid

Disse problemstillingene har vært omdreiningspunktet for et studentprosjekt ved Institutt for elektroniske systemer ved Aalborg Universitet, utført i nært samarbeid med Keysight Technologies. Her har de nå tidligere studentene André Sørensen, Maxime Remy og Nicolaj Kjettrup utviklet en matematisk modell som kan forutsi batterilevetid for en IoT-enhet. Modellen kan finne den optimale konfigurasjonen av strømsparingsmekanismer for en enhet i et konkret scenario og beregne forventet energiforbruk. Scenarioet tar hensyn til forholdene for radiokommunikasjon samt hyppighet og størrelse på dataoverføringer. Utgangspunktet for modellen er de offisielle 3GPP-spesifikasjonene om måten teknologiene fungerer på, beriket med data fra målinger gjort på NB-IoT / LTE-M-modemer ved bruk av automatisk synkronisering av logger for energiforbruk og protokollmoduser.

Tre karakteristiske scenarier er undersøkt ved bruk av den utviklede modellen. De representerer gode, dårlige og ekstremt dårlige (men realistiske) radioforhold, og det ser ut til at batterilevetiden i stor grad avhenger av oppdateringsfrekvensen og varierer fra teoretiske 50 år for én daglig oppdatering ned til fire år for en timesoppdatering – under gode radioforhold. Under ekstremt dårlige radioforhold (for eksempel i brønn eller kjeller) er levetiden fra fem år ned til bare tre måneder.

Dersom gode radioforhold ikke kan garanteres, må utvikleren derfor vurdere nøye hvilken dataoppløsning som er nødvendig. Modellen tar ikke hensyn til batterialdring og selvutlading da disse effektene avhenger av batteritype. I praksis vil forventet levealder, spesielt i den høye enden, være betydelig lavere.

Målinger på ulike testoppsett har vist at modellen kan forutsi energiforbruk med en nøyaktighet på +/- 5 prosent. Dermed kan den hjelpe bedrifter og utviklere med å konfigurere IoT-enheter slik at en viss batterilevetid kan oppnås.

Denne artikkelen ble først publisert på Ingeniøren for deres abonnenter. Den er tilgjengelig på norsk for abonnenter av Ekstra gjennom vår samarbeidsavtale. Artikkelen er del av en serie der forskere og spesialister forklarer et spesifikt teknisk eller vitenskapelig problem samt ny kunnskap om relaterte løsninger.