Математическое моделирование и оптимизация энергетических процессов в сенсорных узлах тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Башмаков Роман Андреевич

• Башмаков Роман Андреевич
• кандидат наук
• 2023

Оглавление диссертации кандидат наук Башмаков Роман Андреевич

ВВЕДЕНИЕ

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ЭНЕРГЕТИЧЕСКИХ ПРОЦЕССОВ В УЗЛАХ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ

1.1. Особенности системы питания узлов БСС

1.2. Способы восполнения энергетических запасов узлов БСС

1.3. Обоснование выбора суперконденсаторов в качестве источников питания для узлов БСС, абсорбирующих энергию окружающей среды

1.4. Способы зарядки и математические модели энергетических процессов в узлах БСС

1.4.1. Способ зарядки с минимальным джоулевым нагревом

1.4.2. Метод моделирования силовой электронной системы на основе принципа Гамильтона

1.5. Подзарядка БСС

1.6. Обоснование выбора метода зарядки ЕНЭ

1.7. Постановка научной задачи и частные задачи исследования

1.8. Выводы по главе

ГЛАВА 2. СИНТЕЗ МОДЕЛИ ЗАРЯДКИ ЕМКОСТНОГО НАКОПИТЕЛЯ С ПОСТОЯННОЙ МОЩНОСТЬЮ

2.1. Зависимость напряжения на выходе емкостного накопителя от времени зарядки

2.2. Полезная мощность и КПД

2.3. Сравнительный анализ зарядки различными видами источников ЭДС

2.4. Расчет зарядных характеристик

2.5. Выводы по главе

ГЛАВА 3. ОПТИМИЗАЦИЯ ЗАРЯДКИ ЕНЭ БСС ПРИ ЭКСПЛУАТАЦИИ76

3.1. Расчет напряжения от времени при постоянном ESR

3.2. Пример расчета напряжения от времени при постоянном ESR

3.3. Расчет зарядной характеристики ЕНЭ при изменяющемся ESR

3.4. Методика выбора порогового напряжения

3.5. Выводы по главе

ГЛАВА 4. ЭКСПЕРИМЕНТАЛЬНАЯ ПРОВЕРКА МОДЕЛИ

4.1. Получение зарядных характеристик ЕНЭ экспериментальным путем

4.2. Имитационное моделирование в среде Simulink

4.3. Выводы по главе

ЗАКЛЮЧЕНИЕ

СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ

ПРИЛОЖЕНИЕ А. ЛИСТИНГИ ПРОГРАММ

ПРИЛОЖЕНИЕ Б. ВНЕШНИЙ ВИД ЭКСПЕРИМЕНТАЛЬНОЙ

УСТАНОВКИ

ПРИЛОЖЕНИЕ В. РЕАЛИЗАЦИЯ ИССЛЕДОВАНИЙ

ВВЕДЕНИЕ

Введение диссертации (часть автореферата) на тему «Математическое моделирование и оптимизация энергетических процессов в сенсорных узлах»

Актуальность темы исследования

В проводных системах сбора информации установка достаточного количества датчиков часто ограничивается стоимостью проводки. Ранее недоступные места, подвижное оборудование, опасные или запретные зоны и мобильные объекты теперь могут быть доступны с помощью беспроводных датчиков. Беспроводная сенсорная сеть (БСС) представляет собой беспроводную сеть, состоящую из пространственно-распределенных автономных устройств, подключенных к датчикам для мониторинга требуемых параметров. Основными устройствами являются шлюз, распределенные сенсорные узлы. Шлюз обеспечивает обмен информации сенсорных узлов и глобальной сети. Распределённые сенсорные узлы собирают информацию датчиков и отправляют в шлюз по беспроводному протоколу. Некоторые из доступных стандартов включают радиостанции 2,4 ГГц на основе стандартов IEEE 802.15.4 или IEEE 802.11 (Wi-Fi) или проприетарных (собственных) радиостанций.

Наиболее активно в настоящее время развиваются БСС для здравоохранения, коммунальных услуг и удалённого мониторинга. В здравоохранении беспроводные устройства делают менее инвазивным мониторинг пациентов и медицинское обслуживание. Беспроводные датчики для коммунальных услуг, таких как электрическая сеть, уличные фонари и водные муниципалитеты, предлагают финансово более доступный метод сбора данных о состоянии системы для снижения потребления энергии и улучшения управления ресурсами. Дистанционный мониторинг охватывает широкий спектр приложений, в которых беспроводные системы могут дополнять проводные системы, уменьшая затраты на проводку и позволяя применять новые типы измерительных приложений.

Беспроводные устройства ежегодно имеют кратный рост. В 2014 году количество устройств БСС составляло 15 % от всех точек измерения промышленного оборудования и контрольного оборудования, а к 2018 году - 41%. На сегодняшнем

рынке три четверти промышленного дохода БСС поступают из обрабатывающей промышленности; причем нефть и электроэнергетика являются самыми быстрорастущими. Например, Рв^оСЫта осуществляет проекты 1оТв своих нефтяных месторождениях с целью реконструкции 200 000 скважин. Технология БСС, применяемая в эксплуатации нефтяных скважин, будет использовать онлайн-мониторинг для измерения добычи нефти и обеспечения безопасности производства. Технология БСС также играет важную роль в мониторинге безопасности оборудования передачи энергии и трансформации и реконструкции миллиардов интеллектуальных счетчиков. По оценкам экспертов, рынок сенсоров в США имеет ежегодный рост с 2015 по 2021 год в среднем 36 %.

Одним из ярких примеров области внедрения БСС, которое вызывает растущий интерес, является нефтегазовая промышленность. Это связано с тем, что беспроводные технологии обладают преимуществами по сравнению с их проводными аналогами [98]. Решаемая с помощью БСС проблема состоит в мониторинге старения покрытия, агрессивной среды и быстрого роста коррозии [28], что позволяет предотвратить коррозионные сбои на трубопроводах, которые являются одним из наиболее распространенных повреждений трубопроводов для транспортировки нефти и газа [15]. Согласно статистике [38], за последние десять лет 25% инцидентов на трубопроводах связано с коррозией. Эти повреждения могут привести к потере газа, что приведет к большим финансовым потерям. Расходы на потенциальный" ремонт и мониторинг коррозии трубопроводов ежегодно обходятся в миллиарды долларов во всем мире [88]. Кроме того, коррозионные повреждения могут повлиять на транспортировку нефти и газа и привести к отказам трубопроводов

[47].

БСС имеет ряд преимуществ по сравнению с традиционным решением, включая большую точность, большую зону покрытия и работу в локализованных объектах. Чтобы реализовать этот потенциал важным является надежность обмена информации [19].

Несмотря на явные преимущества использования БСС, они имеют существенный недостаток: для своевременного достоверного сбора информации должно

выполняться требование целостности БСС, но работоспособность узлов БСС зависит от источников питания, которые имеют ограниченный срок службы. Решение данного противоречия в практике состоит в оснащении узлов БСС буферным накопителем абсорбируемой энергии и организации процесса подзарядки по заранее разработанному графику.

Эксплуатационные ограничения источников питания, паразитные явления, уменьшающие энергетические запасы, массогабаритные и экономические ограничения обуславливают необходимость использования подсистемы интеллектуального управления подзаряжаемой БСС в режиме реального времени. Поэтому объектом исследования является узел подзаряжаемой БСС, как совокупность подсистемы распределения и доставки энергии, подсистемы интеллектуального управления.

Основным назначением подсистемы интеллектуального управления подзаряжаемой БСС является сбор и обработка информации о состоянии узлов, условиях подзарядки и запросах о доставке электроэнергии. На основании этой информации выносятся решения о надежном (гарантированном) обеспечении электроэнергией узлов БСС или о повышении эффективности распределения энергетических ресурсов. При этом аккумуляторная батарея является центральным объектом управления в подзаряжаемой БСС, реализующей функции накопления энергии (режим «заряда») либо поставки электроэнергии элементам узла (режим «разряда»). Необходимость оптимизировать энергетические процессы при функционировании узлов БСС, работающих в условиях восполнения энергетических запасов при отсутствии целевых математических моделей процесса зарядки накопителей энергии (НЭ) составляет противоречие в теории развития подзаряжаемых БСС.

Цель диссертационных исследований - увеличение времени работоспособного состояния сенсорного узла.

Предмет диссертационных исследований - научно-методический аппарат, обеспечивающий повышение времени работоспособного состояния узла БСС.

Научная задача исследований состоит в разработке математических моделей, численного метода и комплекса программ для выбора рациональных

характеристик эксплуатации ЕНЭ по критерию максимального времени работоспособного состояния.

Для решения поставленной общей научной задачи была проведена ее декомпозиция на ряд следующих частных задач:

1. Разработка математической модели процесса зарядки с постоянной мощностью емкостного накопителя энергии (ЕНЭ).

2. Разработка методики получения расчетных зарядных характеристик ЕНЭ от источника постоянной мощности с учетом зависимости величины паразитного сопротивления от степени заряженности ЕНЭ.

3. Разработка методики определения времени работоспособного состояния на основе имитационного моделирования для расчета зависимости величины напряжения ЕНЭ от времени в ходе функционирования подзаряжаемого узла БСС.

4. Разработка методики выбора порогового напряжения ЕНЭ по критерию наибольшего времени работоспособного состояния.

Методы исследования. Для решения поставленных в диссертационной работе научных задач использованы методы анализа и синтеза детерминированных математических моделей, математического анализа и имитационного моделирования.

Научная новизна работы заключается в следующем:

В области математического моделирования:

1. Разработана математическая модель процесса зарядки ЕНЭ от источника постоянной мощности в виде зависимости времени зарядки от величины напряжения на выводах ЕНЭ с учетом паразитного сопротивления в цепи заряда.

В области численных методов:

2. Разработана методика решения задачи оптимизации порогового напряжения, соответствующего максимальному времени работоспособного состояния.

В области использования комплекса программ:

3. Разработана методика получения расчетных зарядных характеристик ЕНЭ с учетом зависимости величины паразитного сопротивления от степени заряженности ЕНЭ.

4. Разработан комплекс программ, который объединяет численный метод и математические модели энергетических процессов в сенсорных узлах в условиях подзарядки от окружающей среды с целью выбора оптимального порогового напряжения ЕНЭ по критерию максимального времени работоспособного состояния сенсорного узла.

Практическая значимость диссертации заключается в том, что результаты исследований применимы в решении актуальной задачи эффективного обеспечения электроэнергией беспроводных сенсорных узлов, обеспечивающее надежный сбор телеметрических данных.

Результаты исследований реализованы в алгоритмах программ для ЭВМ, зарегистрированных в государственном реестре Российской Федерации.

На защиту выносятся следующие научные положения:

1. Математическая модель зарядки емкостных накопителей энергии с постоянной мощностью в составе сенсорных узлов, реализующих абсорбцию энергии окружающей среды;

2. Методика расчета зарядных характеристик емкостного накопителя энергии от источника постоянной мощности с учетом зависимости величины паразитного сопротивления от степени заряженности ЕНЭ;

3. Имитационная модель энергетических процессов в сенсорных узлах для расчета зависимости величины напряжения на выводах ЕНЭ сенсорного узла от времени в ходе эксплуатации с учетом зависимости величины паразитного сопротивления от степени заряженности ЕНЭ с целью определения времени работоспособного состояния;

4. Методика выбора порогового напряжения ЕНЭ по критерию наибольшего времени автономной работы;

Достоверность полученных теоретических результатов и формулируемых на их основе выводов подтверждается применением предложенных теоретических положений и практических рекомендаций, базирующихся на аппарате математического анализа, исследования операций и планирования эксперимента.

Справедливость выводов относительно эффективности предложенных методов подтверждена результатами имитационного моделирования с применением современных пакетов прикладного программного обеспечения.

Апробация работы. Основные результаты работы докладывались и обсуждались: на II Международной научной конференции APITECH-2 в Красноярске, 2020 г.; на XI Международной научной конференции «Исследования молодых ученых» в г. Казань, 2020 г.; на III Международной научно-практической конференции WFCES III в г. Астана, Казахстан, 2022 г, на VII Международной научно-практической конференции «Фундаментальная и прикладная наука» в г. Анапа, 2022 г., на Международной научно-практической конференции «Современные проблемы и перспективные направления инновационного развития науки» в г. Екатеринбург, 2023 г.

Публикации. Полученные автором результаты достаточно полно изложены в 8 научных работах, среди которых: статьи, опубликованные в журналах «Вестник Российского нового университета. Серия: сложные системы: модели, анализ и управление» и «Современная наука: актуальные проблемы теории и практики. Серия: Естественные и технические науки» входящих в перечень ВАК РФ; статьи в журналах Journal of Physics: Conference Series и AIP Conference proceedings, индексируемых в SCOPUS; 3 статьи в материалах международных научных конференций; 2 свидетельства о государственной регистрации программ для ЭВМ.

Реализация и внедрение результатов исследования:

- в учебном процессе - при подготовке учебно-методических материалов по дисциплине «Автоматизация производственных процессов в бурении» в Институте наук о Земле ФГАОУ ВО «Северо-Кавказский федеральный университет» (акт о реализации от 21.04.2023 г.);

- в отчетах о научных исследованиях, проводимых в рамках проекта «Модели и оптимизация процессов зарядки и потребления энергии в узлах беспроводных сенсорных сетей систем телеметрии нефтегазовых объектов» в соответствии с договором РФФИ 20-38-90093/20, при непосредственном участии автора;

- в отчетах о научных исследованиях, проводимых в рамках проекта «Разработка энергоэффективного программного-аппаратного комплекса для расширения телекоммуникационных возможностей мобильных устройств на основе технологии LoRa в условиях отсутствия сотовой связи» при финансовой поддержке Фонда содействия инновациям в соответствии с договором № 13637ГУ/2018, при непосредственном участии автора;

- в программах для ЭВМ: «Программа расчета напряжения буферного накопителя в условиях восполнения энергетических запасов», свидетельство РФ № 2021613645 об официальной регистрации, Опубликовано 11.03.2021 г., «Программа математического моделирования выходного сигнала усилителя напряжения с учетом нелинейности его амплитудной характеристики», свидетельство РФ № 2019664030 об официальной регистрации, Опубликовано 29.10.2019 г.;

- в ООО «Спецстройбезопасность» г. Ставрополь - при разработке системы безопасности (акт о реализации от 24.04.2023 г.);

- в ООО «Стилсофт» г. Ставрополь - при разработке системы охраны (акт о реализации от 30.04.2023г.).

Личный вклад автора в совместных работах:

- модель зарядки ЕНЭ с постоянной мощностью в составе сенсорных узлов, реализующих абсорбцию энергии окружающей среды;

- методика расчета зарядных характеристик ЕНЭ при зарядке с постоянной мощностью с учетом зависимости величины внутреннего сопротивления от степени заряженности;

- имитационная модель процесса зарядки ЕНЭ узла БСС в ходе эксплуатации с учетом зависимости величины внутреннего сопротивления от степени заряжен-ности;

- методика выбора порогового напряжения, позволяющая минимизировать потери энергии вследствие рассеивания на паразитном сопротивлении.

Структура и объем работы:

Диссертационная работа состоит из введения, четырёх глав и заключения, списка сокращений и условных обозначений, списка литературы, включающего

102 наименования. Работа изложена на 161 странице машинописного текста, включает 52 рисунка, 15 таблиц, 151 формулу и 3 приложения.

Содержание работы:

Во введении обоснована актуальность темы диссертации, сформулирована цель исследований, научная задача и основные положения, выносимые на защиту, определена научная новизна и практическая значимость работы.

В первой главе представлен анализ публикаций по проблемам электропитания узлов БСС, методам моделирования процесса зарядки емкостных накопителей энергии, оптимизации зарядки емкостных накопителей энергии, технологиям восполнения энергетических запасов узлов БСС. Обоснован выбор метода подзарядки узлов БСС, преимущества которого перед абсорбцией энергии окружающей среды заключается в том, что функция зависимости мощности поступающей энергии от времени известно и может быть любого вида. Поскольку метод подзарядки обладает инертностью процессов доставки энергии, то имеют место принципиальные проблемы массовой одновременной подзарядки, из-за чего требуется интеллектуальное управление энергетическими процессами БСС в режиме реального времени.

Во второй главе найдена физико-математическая модель процесса заряда ЕНЭ при постоянной мощности.

В третьей главе представлены методика получения расчетных зарядных характеристик ЕНЭ при изменяющемся ESR и методика определения времени работоспособного состояния на основе имитационной модели для расчета зависимости напряжения ЕНЭ в ходе функционирования.

В четвертой главе проведена экспериментальная проверка физико-математической модели, полученной в главе 2.

В заключении сделаны выводы по всем этапам исследования.

В Приложении А приведены листинги программ, разработанные с использованием пакета математического моделирования ЫайаЬ, в Приложении Б приведен внешний вид стенда зарядки ЕНЭ с постоянной мощностью, в Приложении В - акты внедрения результатов исследования.

ГЛАВА 1. АНАЛИЗ СОСТОЯНИЯ ЭНЕРГЕТИЧЕСКИХ ПРОЦЕССОВ В УЗЛАХ БЕСПРОВОДНЫХ СЕНСОРНЫХ СЕТЕЙ

1.1. Особенности системы питания узлов БСС

По своим конструктивным особенностям узлы БСС миниатюрны, относительно дешевы и имеют принципиальное ограничение в потреблении энергии. Поэтому при разработке БСС одной из основных проблем является обеспечение работоспособного состояние в течение времени наработки. Наиболее важной причиной отказа обмена данных в сети является исчерпание ресурса энергопитания узла. Следовательно, повышение энергоэффективности узлов БСС является актуальной задачей.

В качестве основного источника питания многие современные БСС используют батареи. Этот источник питания часто упоминаются в качестве основного ограничивающего фактора в сроке службы БСС. В основном современные аккумуляторы требует замены через один-два года из-за ограниченного количества циклов перезарядки и неспособности удерживать полный заряд в течение длительных периодов времени. Такие периодические затраты на техническое обслуживание становятся высокими, если это необходимо сделать для большого количества узлов, доступ к которым будет затруднен по различным причинам.

Наиболее значительным потребителем энергии в типовом узле БСС является радио модуль [21]. Предполагается, что радиопередатчик является единственным наиболее активным потребителем энергии в беспроводном сенсорном узле. Абсолютное и относительное значения потребляемого тока узлом БСС отображены на рисунке 1.1 и в таблицах 1.1 и 1.2.

Таблица 1.1 - Номинальное энергопотребление трансивера СС2530 [76] в различных режимах

Тип режима работы Прослушивание эфира (Mode RX) Отправка сообщений (Mode TX на 1 dBm) Работа микроконтроллера (ядро MCS-51) Режим пробуждения (на протяжении 4 мкс) Спящие режимы

Потребление, мА 24 29 9 0,2 от 0,0004 до 0,001

Таблица 1.2 - Типовое энергопотребление элементов узла БСС [21]

Потребитель Потребляемый ток

МК в режиме full sleep [91] 0,3 мкА

МК в режиме slow wakeup sleep [91] 0,7 мкА

МК в режиме fast wakeup sleep [91] 190 мкА

МК в режиме medium activity [91] 10,5 мА

Радио модуль в режиме приема [91] 16,2 мА

Радио модуль в режиме передачи [91] [95] 7,6 мА

Датчик напряжения питания [91] 1,2 мА

Датчик температуры [17] 1,2 мА

Датчик освещенности [94] 1,36 мА

Часы реального времени в режиме ожидания [32] 0,2 мкА

Часы реального времени в активном режиме [32] 0,4 мА

Прием данных

46,2%

Работа Передача микроконтроллера данных

41,6% |1

Микроконтроллер в спящем режиме

Часы реального времени в режиме ожидания

Датчики температуры, света и т. д. Рисунок 1.1 - Разбивка энергопотребления для различных потребителей узла БСС

[21]

Одной из главных целей при разработке встроенного программного обеспечения узлов БСС является снижение энергопотребления и нагрузки на источник питания, что достигается в том числе распределением задач во времени. Это

приводит к тому, что узел потребляет энергию неравномерно (рисунок 1.2) [7]. Ток потребления лежит в широком диапазоне от единиц микроампер до десятков миллиампер, чем обусловлены дополнительные сложности при организации электропитания и согласовании выходного сопротивления источника с входным сопротивлением компонентов узла БСС.

л| и

___Г, м к № !

Л

Г

Обработка

_„

Обработка

и прослушивани 1._______

ЖДущий режим Передача

О 05 1 1.5 2 2.5 3

Время (сек)

Рисунок 1.2 - Пример осциллограммы потребления тока сенсорным узлом в зависимости от фазы обработки запроса

Для подзарядки встроенного аккумулятора распространён вариант использования дополнительно собранной энергии окружающей среды. Адаптивная система изучения энергетической среды (ЕЕ^) [52] определяет варианты будущей доступности энергии, тем самым обеспечивая работу аналитической модели для прогнозирования различных показателей производительности, адаптивных рабочих циклов и других параметров системы управления питанием [72].

Другой подход предполагает, что датчики имеют два режима передачи, которые позволяют им находить компромисс между потреблением энергии и ошибкой пакета для максимизации производительности [79].

Передача данных от датчика через несколько ретрансляций к приемнику

обычно включает в себя две ключевые задачи: доступ к носителю и пересылку данных к приемнику. Энергосбережение было и остается ключевой целью при разработке сетевых протоколов для БСС [100].

Особенностью разрабатываемых перспективных сетевых протоколов управления доступом БСС является сверхнизкое энергопотребление. Эти протоколы (MAC) предусматривают некоторую форму отсрочки и повторной передачи данных, что не обеспечивает оптимизацию энергопотребления [85]. Дополнение этих протоколов восполнением энергии питания из окружающей среды в настоящее время является областью активных исследований [89].

Распространены сенсорные узлы с питанием от сбора энергии (WSN-HEAP). Наиболее характерные преобразователи - это солнечные и пьезоэлектрические элементы. В качестве накопителя энергии используются суперконденсаторы.

Сравнительный анализ БСС приведён в таблице 1.3.

Таблица 1.3 - Краткое изложение ключевых аспектов БСС [77]

БСС на основе батарейного питания БСС на основе батарейного питания с восполнением запасов энергии WSN-HEAP

Цель Пропускная способность и задержка обычно компенсируются более длительным сроком службы сети Более длительный срок службы достигается за счет собранной энергии Максимизация пропускной способности и минимизация задержки, поскольку энергия является возобновляемой и не имеет ограничения срока службы

Особенности протокола Расписание сна и пробуждения может быть точно определено Графики сна и пробуждения могут быть определены, если правильно спрогнозирована будущая доступность энергии Расписание сна и пробуждения предсказать невозможно

Энергетическая модель Энергетическая модель хорошо изучена Энергетическая модель может быть предсказана с высокой точностью Скорость сбора энергии варьируется во времени, пространстве, а также в зависимости от типа собираемой энергии

1.2. Способы восполнения энергетических запасов узлов БСС

Типовой процесс сбора энергии с использованием источников энергии из окружающей среды для преобразования в электроэнергию для узлов БСС отображен на рисунке 1.3:

Рисунок 1.3 - Питание узлов БСС от окружающей среды

Достижения в области технологий сбора возобновляемой энергии побудили разработчиков внедрить новые схемы сбора энергии для традиционных БСС с батарейным питанием. Примером служит Texas Instruments Ultra Low Energy Harvester и микросхема управления питанием bq25505 [75].

Технология сбора энергии основана на простом наблюдении. Там, где находятся измеряемые значения датчиков, существует энергия окружающей среды, достаточная для питания радиосвязи датчиков. Например, при нажатии переключателя, изменении температуры или уровня яркости вырабатывается энергия. Эти элементарные операции генерируют достаточно энергии для передачи радиосигналов, которые полезны с точки зрения поддержания беспроводной связи между датчиками, переключателями и элементами управления в системе автоматизации различных объектов. Вместо батарей в элементах управления на базе EnOcean [64] используются миниатюрные преобразователи энергии и конденсаторы, которые обеспечивают питание автономных электронных устройств.

Разнообразие типов энергии, доступной для сбора приведены на рисунке 1.4 [53, 80]:

Рисунок 1.4 - Техники сбора энергии, типы энергии (прямоугольники) и источники (овалы)

Одним из наиболее перспективных направлений является сбор фотоэлектрической энергии - это процесс преобразования поступающих фотонов от таких источников, как солнечный или искусственный свет, в электричество [61].

Однако вырабатываемая им мощность и эффективность системы сильно зависят от наличия света и условий окружающей среды. Другие факторы, включая материалы, используемые для фотоэлектрического элемента, влияют на эффективность и уровень мощности, вырабатываемой преобразователи фотоэлектрической энергии. Известные реализации узлов сбора солнечной энергии включают Fleck [37], Enviromote [36] и Solar Biscuit [86].

Использование солнечной энергии в БСС (SEH-WSN) требует решения оценки эффективности солнечных элементов, построения преобразователей переменного тока в постоянный, синтеза алгоритмов отслеживания максимальной мощности, синтеза алгоритмов прогнозирования поступления солнечной энергии, разработки микроконтроллеров, накопителей энергии (батареи/суперконденсаторы) и различных затрат на проектирование для SEH-WSN [81].

Помимо фотоэлектрического способа восполнения энергетических запасов, существует ряд аналогичных технологий. Пьезоэлектрический cбор энергии: основан на пьезоэлектрическом эффекте, при котором механическая энергия от давления, силы или вибраций преобразуется в электрическую энергию путем напряжения пьезоэлектрического материала, В частности, напряжения в пьезоэлектрическом материале вызывают разделение зарядов по всему объему, создавая электрическое поле и, следовательно, напряжение, пропорциональное создаваемому напряжению [93].

Сбор электростатической энергии основан на изменении емкости конденсатора, зависящего от вибрации. Для сбора механической энергии переменный конденсатор создается путем объединения двух пластин, одной неподвижной и одной подвижной, и первоначально заряжается. Когда вибрации разделяют пластины, механическая энергия преобразуется в электрическую энергию за счет изменения емкости. Этот вид преобразователей может быть встроен в микроэлектронные устройства благодаря их совместимости с интегральными схемами [93].

Сбор электромагнитной энергии основан на законе электромагнитной индукции Фарадея. Электромагнитный преобразователь использует систему индуктивной пружинной массы для преобразования механической энергии в электрическую. Он индуцирует напряжение, перемещая массу магнитного материала в магнитном поле, создаваемом неподвижным магнитом. В частности, вибрация магнита, прикрепленного к пружине внутри катушки, изменяет поток и создает наведенное напряжение. Преимущества этого метода включают отсутствие механического контакта между деталями и отдельного источника напряжения, что повышает надежность и снижает механическое демпфирование в преобразователях этого типа. Недостаток состоит в том, что их трудно интегрировать в сенсорные узлы из-за большого размера электромагнитных материалов. Некоторые примеры систем сбора электромагнитной энергии представлены в [102].

Список литературы диссертационного исследования кандидат наук Башмаков Роман Андреевич, 2023 год

- 324 с.

7. Зеленин, А. Н. Анализ энергоциклов узлов беспроводных сенсорных сетей / А. Н. Зеленин, В. А. Власова // Восточно-Европейский журнал передовых технологий. - 2012. - Т. 3, № 9 (57). - С. 13-17.

8. Киреев, В. В. Исследование рынка суперконденсаторов / В. В. Киреев // Актуальные проблемы экономики и управления: сборник статей Международной научно-практической конференции (Таганрог, 1 июня 2019 года). - Таганрог: Аэтерна, 2019. - С. 47-52.

9. Лаврентьев, М. А. Методы теории функций комплексного переменного : учебное пособие для студентов / М. А. Лаврентьев, Б. В. Шабат. - Москва; Ленинград: Государственное издательство технико-теоретической литературы, 1951. - 607 с.

10. Патент № 2730468 С1 Российская Федерация, МПК H02J 7/00. Способ подзарядки аккумуляторов в беспроводной сенсорной сети: № 2020104003 : заявл. 30.01.2020 : опубл. 24.08.2020 / Б. Я. Лихтциндер, О. Н. Маслов; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Поволжский государственный университет телекоммуникаций и информатики».

11. Русинов, В. Л. Моделирование процесса заряда ионистора с нулевым начальным условием / В. Л. Русинов, Н. А. Макаров // Актуальные вопросы энергетики в АПК: материалы всероссийской научно-практической конференции с международным участием (Благовещенск, 27 февраля 2019 года) / ответственный редактор О. А. Пустовая, редактор Е. С. Дубкова. - Благовещенск: Дальневосточный государственный аграрный университет, 2019. - С. 26-29.

12. Свидетельство о государственной регистрации программы для ЭВМ № 2019664030 Российская Федерация. Программа математического моделирования выходного сигнала усилителя напряжения с учётом нелинейности его амплитудной характеристики : № 2019662785 : заявл. 18.10.2019 : опубл. 29.10.2019 / Р. А. Башмаков, Д. Н. Олейников ; заявитель и правообладатель Федеральное государственное автономное образовательное учреждение высшего образования «Северо-Кавказский федеральный университет».

13. Свидетельство о государственной регистрации программы для ЭВМ №2 2021613645 Российская Федерация. Программа расчета напряжения буферного накопителя в условиях восполнения энергетических запасов : № 2021612770 : за-явл. 09.03.2021 : опубл. 11.03.2021 / Р. А. Башмаков, Д. Н. Олейников ; заявитель и правообладатель Федеральное государственное автономное образовательное учреждение высшего образования «Северо-Кавказский федеральный университет».

14. Чжо, З. Л. Исследование и разработка элементов и систем накопления электрической энергии, интегрирующих два механизма накопления в двойном электрическом слое и за счёт протекания химических процессов: дис. ... канд. техн. наук: 05.27.06 / Чжо Зо Лвин. - Москва, 2020. - 200 с.

15. A BIM-based approach for predicting corrosion under insulation / Y. Tsai, J. Wang, W. Chien [et al.] // Automation in Construction. - 2019. - Vol. 107. - Pp. 102923.

16. A study of the performance of solar cells for indoor autonomous wireless sensors / M. Rasheduzzaman, P. B. Pillai, A. N. C. Mendoza, M. M. De Souza // 2016 10th International Symposium on Communication Systems, Networks and Digital Signal Processing (CSNDSP). - Prague, 2016. - С. 1-6.

17. AD7414, AD7415 ±0.5°C Accurate, 10-Bit Digital Temperature Sensors [Electronic resource]. - URL: http://www.gaw.ru/html.cgi/txt/ic/Analog_Devices/sen-sor/term_dig/AD7414-15.htm?ysclid=lg3llmpqjp218945872 (accessed: 20.01.2023).

18. Aguilar, H. M. Charging a capacitor with a photovoltaic module / H. M. Aguilar, R. F. Maldonado, L. B. Navarro // Physics Education. - 2017. - Vol. 52, No. 4. - Pp. 045016.

19. Akan, O. B. Event-to-sink reliable transport in wireless sensor networks / O. B. Akan, I. F. Akyildiz // IEEE/ACM transactions on networking. - 2005. - Vol. 13. -No. 5. - Pp. 1003-1016.

20. Ambient backscatter: A new approach to improve network performance for RF-powered cognitive radio networks / D. T. Hoang, D. Niyato, P. Wang [et al.] // IEEE Transactions on Communications. - 2017. - Vol. 65, No. 9. - Pp. 3659-3674.

21. An empirical energy model for supercapacitor powered wireless sensor nodes / G. V. Merrett, A. S. Weddell, A. P. Lewis [et al.] // 2008 Proceedings of 17th International Conference on Computer Communications and Networks. - St. Thomas, VI, USA, 2008. - Pp. 1-6.

22. Banks, G. Graphene-based supercapacitor hits new energy storage high [Electronic resource] / G. Banks // New Atlas (Gizmag) : website. - 2010. - URL: https://newatlas.com/graphene-supercapacitor-energy-density-record/17188/ (accessed: 20.01.2023).

23. Bashmakov, R. A. Energy Optimization of Wireless Ambient Energy Absorbing Sensor Network Nodes Using Numerical Methods / R. A. Bashmakov // AIP Conference proceedings. - Vol. 1679. - Pp. 52068.

24. Bashmakov, R. A. Mathematical modeling of the energy processes of the WSN node in the conditions of charge replenishment / R. A. Bashmakov, D. N. Oleyni-kov, V. V. Fedorenko // Journal of Physics: Conference Series.- Krasnoyarsk, Russian Federation : Institute of Physics and IOP Publishing Limited, 2020. - Vol. 1679. - Pp. 52068.

25. Sengupta, M. Best practices handbook for the collection and use of solar resource data for solar energy applications [Electronic resource] / M. Sengupta, A. Habte, S. Kurtz [et al.] // National Renewable Energy Lab. (NREL). - Golden, CO (United States), 2021. - №. NREL/TP-5D00-77635. - URL: https://www.nrel.gov/docs/fy15osti/63112.pdf (accessed: 20.01.2023).

26. Chen, J. Optimization on the charging process of a capacitor / J. Chen // International journal of electronics. - 2001. - Vol. 88, No. 2. - Pp. 145-151.

27. Chen, X. Energy-efficient optimization for wireless information and power transfer in large-scale MIMO systems employing energy beamforming / X. Chen, X. Wang, X. Chen // IEEE Wireless Communications Letters. - 2013. - Vol. 2, No. 6. - Pp. 667-670.

28. Cosham, A. Best practice for the assessment of defects in pipelines - Corrosion / A. Cosham, P. Hopkins, K. Macdonald // Engineering Failure Analysis. - 2007. -Vol. 14, No. 7. - Pp. 1245-1265.

29. Design considerations for solar energy harvesting wireless embedded systems / V. Raghunathan, A. Kansal, J. Hsu [et al.] // IPSN'05: Proceedings of the 4th international symposium on Information processing in sensor networks. - Los Angeles California, 2005. - Pp. 457-462.

30. Design considerations for ultra-low energy wireless microsensor nodes / B. H. Calhoun, N. Verma, D. D. Wentzloff, S.-H. Cho // IEEE Transactions on Computers. - 2005. - Vol. 54, No. 6. - Pp. 727-740.

31. Design of a solar-harvesting circuit for batteryless embedded systems / D. Brunelli, C. Moser, L. Thiele, L. Benini // IEEE Transactions on Circuits and Systems I: Regular Papers. - 2009. - Vol. 56, No. 11. - Pp. 2519-2528.

32. DS1302 Datasheet, Equivalent, Timekeeping Chip. [Electronic resource]. -URL: https://datasheetspdf.com/pdf/742037/TGS/DS1302Z1 (accessed: 20.01.2023).

33. Energy Aware Wireless Microsystem Powered By Vibration Energy Harvesting / R. N. Torah, P. Glynne-Jones, M. J. Tudor, S. P. Beeby // PowerMEMS. - Freiburg, Germany, 2007. - Pp. 323-326.

34. Ye, Y. Energy-efficient resource allocation for wirelessly powered backscat-ter communications / Y. Ye, L. Shi, R. Qingyang Hu, G. Lu // IEEE Communications Letters. - 2019. - Vol. 23, No. 8. - Pp. 1418-1422.

35. EnOcean Sustainable IoT [Electronic resource]. - URL: http://www.enocean.com (accessed: 20.01.2023).

36. Kyriatzis, V. Enviromote: A new solar-harvesting platform prototype for wireless sensor networks/work-in-progress report / V. Kyriatzis, P. Stavroulakis, P. Stavroulakis [et al.] // 2007 IEEE 18th International Symposium on Personal, Indoor and Mobile Radio Communications. - Athens, Greece, 2007. - Pp. 1-5.

37. Sikka, P. Fleck-a platform for real-world outdoor sensor networks / P. Sikka, P. Corke, L. Overs [et al.] // 2007 3rd International Conference on Intelligent Sensors, Sensor Networks and Information. - Melbourne, VIC, Australia, 2007. - Pp. 709-714.

38. Gas pipeline incidents 10th report of the European gas pipeline incident data group (period 1970-2016) [Electronic resource] / European Gas Pipeline Incident Data Group. - 2018.

39. Green, I. On the kinematics and kinetics of mechanical seals, rotors, and wobbling bodies / I. Green // Mechanism and machine theory. - 2008. - Vol. 43, No. 7. - Pp. 909-917.

40. Heinzelman, W. R. Energy-efficient communication protocol for wireless microsensor networks / W. R. Heinzelman, A. Chandrakasan, H. Balakrishnan // Proceedings of the 33rd Annual Hawaii International Conference on System Sciences. - Maui, HI, USA, 2000. - Vol. 2. - Pp. 10.

41. Horowitz, P. Analog noise generation from maximal-length sequences : chapter 9 / P. Horowitz, W. Hill // In book : The art of electronics. - New York : Cambridge university press, 1989. - Pp. 658.

42. Hu, G. Energy-based nonlinear control of underactuated Euler-Lagrange systems subject to impacts / G. Hu, W. E. Dixon and C. Makkar // IEEE Transactions on Automatic Control. - 2007. - Vol. 52, No. 9. - Pp. 1742-1748.

43. Huang, K. Enabling wireless power transfer in cellular networks: Architecture, modeling and deployment / K. Huang, V. K. N. Lau // IEEE Transactions on Wireless Communications. - 2014. - Vol. 13, No. 2. - Pp. 902-912.

44. Zoua, T. Improving charging capacity for wireless sensor networks by deploying one mobile vehicle with multiple removable chargers / T. Zoua, W. Xua, W. Liang [et al.] // Ad Hoc Networks. - 2017. - Vol. 63. - Pp. 79-90.

45. Arulepp, M. Influence of the solvent properties on the characteristics of a double layer capacitor / M. Arulepp, L. Permann, J. Leis [et al.] // Journal of Power Sources. - 2004. - Vol. 133, No. 2. - Pp. 320-328.

46. Aravindan, V. Insertion-type electrodes for nonaqueous Li-ion capacitors / V. Aravindan, J. Gnanaraj, Y.-S. Lee, S. Madhavi // Chemical reviews. - 2014. - Vol. 114, No. 23. - Pp. 11619-11635.

47. Benjamin, A. C. Interaction of corrosion defects in pipelines - Part 1: Fundamentals / A. C. Benjamin, J. Freire, R. D. Vieira [et al.] // International Journal of Pressure Vessels and Piping. - 2016. - Vol. 144. - Pp. 56-62.

48. Jiang, X. Perpetual Environmentally Powered Sensor Networks / X. Jiang, J. Polastre, D. Culler // Proceedings of the 4th ACM/IEEE International Conference on

Information Processing in Sensor Networks (IPSN 2005). - Los Angeles, CA, 2005. -Pp. 463-468.

49. Sobeih, A. J-Sim: a simulation and emulation environment for wireless sensor networks / A. Sobeih, J. C. Hou, L.-C. Kung [et al.] // IEEE Wireless Communications. - 2006. - Vol. 13, No. 4. - Pp. 104-119.

50. Jushi, A. Wind energy harvesting for autonomous wireless sensor networks / A. Jushi, A. Pegatoquet, T. N. Le // 2016 Euromicro Conference on Digital System Design (DSD). - Limassol, Cyprus, 2016. - Pp. 301-308.

51. Kang, X. Riding on the primary: A new spectrum sharing paradigm for wireless-powered IoT devices / X. Kang, Y. C. Liang, J. Yang // IEEE Transactions on Wireless Communications. - 2018. - Vol. 17, No. 9. - Pp. 6335-6347.

52. Kansal, A. An environmental energy harvesting framework for sensor networks / A. Kansal, M. B. Srivastava // ISLPED'03: Proceedings of the 2003 international symposium on Low power electronics and design. - New York, NY, 2003. - Pp. 481486.

53. Karl, H. Protocols and Architectures for Wireless Sensor Networks / H. Karl, A. Willig. - New York : John Wiley & Sons, Ltd, 2005. - 526 p.

54. Kim, S. H. Hybrid backscatter communication for wireless-powered heterogeneous networks / S. H. Kim, D. I. Kim // IEEE Transactions on Wireless Communications. - 2017. - Vol. 16, No. 10. - Pp. 6557-6570.

55. Kumar, N. An efficient on-demand charging schedule method in rechargeable sensor networks / N. Kumar, D. Dash, M. Kumar // Journal of Ambient Intelligence and Humanized Computing. - 2021. - Vol. 12, No. 7. - Pp. 8041-8058.

56. Ladino, L. A. Charging a capacitor at a constant rate / L. A. Ladino, H. S. Rondón // Physics Education. - 2014. - Vol. 49, No. 6. - Pp. 654.

57. Lam, J. C. Correlation analysis of solar radiation and cloud cover / J. C. Lam, D. H. W. Li // International journal of ambient energy. - 1998. - Vol. 19, No. 4. -Pp. 187-198.

58. Landsiedel, O. Accurate prediction of power consumption in sensor networks / O. Landsiedel, K. Wehrle, S. Gotz // EmNetS-II: The Second IEEE Workshop on Embedded Networked Sensors. - Washington, DC, 2005. - Pp. 37-44.

59. Li, D. Adaptive ambient backscatter communication systems with MRC / D. Li, Y. -C. Liang // IEEE Transactions on Vehicular Technology. - 2018. - Vol. 67, No. 12. - Pp. 12352-12357.

60. Xie, L. Making sensor networks immortal: An energy-renewal approach with wireless power transfer / L. Xie, Y. Shi, Y. T. Hou, H. D. Sherali // IEEE/ACM Transactions on networking. - 2012. - Vol. 20, No. 6. - Pp. 1748-1761.

61. Kim, Y. Maximum power transfer tracking for a photovoltaic-supercapacitor energy system / Y. Kim, N. Chang, Y. Wang and M. Pedram // 2010 ACM/IEEE International Symposium on Low-Power Electronics and Design (ISLPED). - Austin, TX, USA, 2010. - Pp. 307-312.

62. Guo, Y. Modeling method for power electronic system based on Hamilton principle of analytical mechanics / Y. Guo, H. Chen, W. Chen, X. Zhang // 2009 IEEE 6th International Power Electronics and Motion Control Conference. - Wuhan, 2009. -Pp. 988-992.

63. Xie, L. Multi-node wireless energy charging in sensor networks / L. Xie, Y. Shi, Y. T. Hou [et al.] // IEEE/ACM Transactions on Networking. - 2014. - Vol. 23, No. 2. - Pp. 437-450.

64. Obodoeze, F. C. Energy harvesting alternatives for powering critical wsn-based and autonomous monitoring systems / F. C. Obodoeze, N. F. Ugwoke, E. A. Ugwu // Energy. - 2019. - Vol. 3, No. 6. - Pp. 722-727.

65. Panasonic. Gold Capacitors Technical Guide [Electronic resource] / Panasonic Industrial company. - 2005. - 46 p. - URL: https://doc.platan.ru/docs/pdf/pana-sonic_goldcap.pdf (accessed: 20.01.2023).

66. Park, S. B. SensorSim: A simulation framework for sensor networks / S. Park, A. Savvides, M. B. Srivastava // MSWIM'00: Proceedings of the 3rd ACM international workshop on Modeling, analysis and simulation of wireless and mobile systems. -New York, NY, 2000. - Pp. 104-111.

67. Ortega, R. Passivity-based control of Euler-Lagrange systems: mechanical, electrical and electromechanical applications / R. Ortega, A. Loria, P. J. Nicklasson, H. Sira-Ramirez. - London : Springer Science & Business Media, 2014. - 543 p.

68. Espinosa-Perez, G. Passivity-based control of switched reluctance motors with nonlinear magnetic circuits / G. Espinosa-Perez, P. Maya-Ortiz, M. Velasco-Villa, H. Sira-Ramirez // IEEE Transactions on Control Systems Technology. - 2004. - Vol. 12, No. 3. - Pp. 439-448.

69. Paul, S. Optimal charging of capacitors / S. Paul, A. M. Schlaffer, J. A. Nos-sek // IEEE Transactions on Circuits and Systems I: Fundamental Theory and Applications. - 2000. - Vol. 47, No. 7. - Pp. 1009-1016.

70. Paz, R. A. The design of the PID controller [Electronic resource] / R. A. Paz ; Klipsch school of Electrical and Computer engineering. - 2001. - Pp. 1-23. - URL: http://www.geocities.ws/dushang2000/Microscopy/Zeiss (accessed: 20.01.2023).

71. Arms, S. W. Power management for energy harvesting wireless sensors / S. W. Arms, C. P. Townsend, D. L. Churchill [et al.] // Smart Structures and Materials 2005: Smart Electronics, MEMS, BioMEMS, and Nanotechnology. - 2005. - Vol. 5763. - Pp. 267-275.

72. Kansal, A. Power management in energy harvesting sensor networks / A. Kansal, J. Hsu, S. Zahedi, M. B. Srivastava // ACM Transactions on Embedded Computing Systems (TECS). - 2007. - Vol. 6, No. 4. - Pp. 32-es.

73. Prasad, R. Various analytical models for supercapacitors: a mathematical study / R. Prasad, U. Mehta, K. Kothari // Resource-Efficient Technologies. - 2020. -Vol. 1. - Pp. 1-15.

74. Product 3DMGQ7-GNSS/INS: high performance, industrial grade GNSS-aided inertial navigation system in a cost-effective, system-integrator friendly package [Electronic resource]. - URL: http://www.microstrain.com (accessed: 20.01.2023).

75. Product BQ25505 Datasheet - Texas Instruments [Electronic resource] // Electronic Components Datasheet Search : website. - URL: https://www.alldatasheet.com/datasheet-pdf/pdf/550789/TI1/BQ25505.html (accessed: 20.01.2023).

76. Product CC2531-RF4CE Datasheet - Texas Instruments [Electronic resource] // Electronic Components Datasheet Search : website. - URL: https://html.alldatasheet.com/html-pdf/739471/TI/CC2531-RF4CE/29/1/CC2531-RF4CE.html (accessed: 20.01.2023).

77. Seah, W. K. G. Wireless sensor networks powered by ambient energy harvesting (WSN-HEAP)-Survey and challenges / W. K. G. Seah, Z. A. Eu, H. P. Tan // 2009 1st International Conference on Wireless Communication, Vehicular Technology, Information Theory and Aerospace & Electronic Systems Technology. - Aalborg, Denmark, 2009. - Pp. 1-5.

78. SENSE: A Sensor Network Simulator / G. Chen, J. Branch, M. Pflug [et al.] // In book : Advances in Pervasive Computing & Networking / B. K. Szymanski, B. Yener (eds.). - New York : Springer, 2005. - Pp. 249-267.

79. Seyedi, A. Energy efficient transmission strategies for body sensor networks with energy harvesting / A. Seyedi, B. Sikdar // IEEE Transactions on Communications. - 2010. - Vol. 58, No. 7. - Pp. 2116-2126.

80. Shaikh F. K., Zeadally S. Energy harvesting in wireless sensor networks: A comprehensive review / F. K. Shaikh, S. Zeadally // Renewable and Sustainable Energy Reviews. - 2016. - Vol. 55. - Pp. 1041-1054.

81. Sharma, H. Solar energy harvesting wireless sensor network nodes: A survey / H. Sharma, A. Haque, Z. A. Jaffery // Journal of Renewable and Sustainable Energy. -2018. - Vol. 10, No. 2. - Pp. 023704.

82. Sherrit, S. The physical acoustics of energy harvesting // 2008 IEEE Ultrasonics Symposium. - Beijing, China, 2008. - Pp. 1046-1055.

83. Simjee, F. I. Efficient charging of supercapacitors for extended lifetime of wireless sensor nodes / F. I. Simjee, P. H. Chou // IEEE Transactions on power electronics. - 2008. - Vol. 23, No. 3. - Pp. 1526-1536.

84. Shnayder, V. Simulating the power consumption of large-scale sensor network applications / V. Shnayder, M. Hempstead, B.-R. Chen [et al.] // SenSys '04: Proceedings of the 2nd international conference on Embedded networked sensor systems. -New York, NY, 2004. - Pp. 188-200.

85. Wu, W.-J. Smart wireless sensor network powered by random ambient vibrations / W.-J. Wu, Y.-F. Chen, Y.-Y. Chen [et al.] // SMC'06: IEEE International Conference on Systems, Man and Cybernetics. - Taipei, Taiwan, 2006. - Vol. 4. - Pp. 27012708.

86. Minami, M. Solar biscuit: A battery-less wireless sensor network system for environmental monitoring applications [Electronic resource] / M. Minami, T. Morito, H. Morikawa, T. Aoyama // The 2nd international workshop on networked sensing systems. - New York, NY, USA : Association for Computing Machinery, 2005. - URL: https://citeseerx.ist.psu.edu/viewdoc/down-

load?doi=10.1.1.532.7036&rep=rep 1 &type=pdf (accessed: 20.01.2023).

87. Green, M. A. Solar cell efficiency tables (version 47) / M. A. Green, K. Emery, Y. Hishikawa [et al.] // J. Prog. Photovoltaics: Res. Appl. - 2015. - Vol. 24, No. 1. -Pp. 3-11.

88. Standard Practice: Control of External Corrosion on Underground or Submerged Metallic Piping Systems [Electronic resource] / International the corrosion society. - URL: https://cupdf.com/document/nace-sp-0169-2013.html?page=1 (accessed: 20.01.2023).

89. Tacca, M. Cooperative and reliable ARQ protocols for energy harvesting wireless sensor nodes / M. Tacca, P. Monti, A. Fumagalli // IEEE Transactions on Wireless Communications. - 2007. - Vol. 6, No. 7. - Pp. 2519-2529.

90. Lin, C. TADP: Enabling temporal and distantial priority scheduling for on-demand charging architecture in wireless rechargeable sensor networks [Electronic resource] / C. Lin, Z. Wang, D. Han [et al.] // Journal of Systems Architecture. - 2016. -Vol. 70. - Pp. 26-38.

91. Texas Instruments, TI [Electronic resource] / Chipcon A True System-on-Chip solution for 2.4 GHz IEEE 802.15.4/ZigBee®. - URL: http://www.gaw.ru/pdf/Chipcon/cc2430.pdf (accessed: 20.01.2023).

92. Lyu, B. The optimal control policy for RF-powered backscatter communication networks / B. Lyu, C. You, Z. Yang, G. Gui // IEEE Transactions on Vehicular Technology. - 2017. - Vol. 67, No. 3. - Pp. 2804-2808.

93. Vocca, H. Kinetic Energy Harvesting / H. Vocca, F. Cottone / In book : ICT

- Energy - Concepts Towards Zero - Power Information and Communica-tion Technology / G. Fagas, L. Gammaitoni, D. Paul, G. A. Berini (eds.). - London : IntechOpen, 2014. - URL: https://www.intechopen.com/chapters/45931 (accessed: 20.01.2023).

94. VTB8341: VTB Process Photodiodes [Electronic resource]. - URL: http://web.sensor-ic.com:8000/ZLXIAZAI/Excelitas/dts_vtb8341.pdf (accessed: 20.01.2023).

95. Wang, Q. A realistic power consumption model for wireless sensor network devices / Q. Wang, M. Hempstead, W. Yang // 2006 3rd annual IEEE communications society on sensor and ad hoc communications and networks. - Reston, VA, USA, 2006.

- Vol. 1. - Pp. 286-295.

96. Wilson, J. Optoelectronics: an Introduction / J. Wilson and J. F. B. Hawkes.

- 2nd edn. - Englewood Cliffs, NJ : Prentice-Hall, 1993. - 445 p.

97. Wireless networks with RF energy harvesting: A contemporary survey / X. Lu, P. Wang, D. Niyato [et al.] // IEEE Communications Surveys & Tutorials. - 2014. -Vol. 17, No. 2. - Pp. 757-789.

98. Aalsalem, M. Y. Wireless Sensor Networks in oil and gas industry: Recent advances, taxonomy, requirements, and open challenges / M. Y. Aalsalem, W. Z. Khan, W. Gharibi [et al.] // Journal of network and computer applications. - 2018. - Vol. 113.

- Pp. 87-97.

99. Yang, G. Dynamic resource allocation for multiple-antenna wireless power transfer / G. Yang, C. K. Ho, Y. L. Guan // IEEE Transactions on Signal Processing. -2014. - Vol. 62, No. 14. - Pp. 3565-3577.

100. Yick, J. Wireless sensor network survey / J. Yick, B. Mukherjee, D. Ghosal // Computer networks. - 2008. - Vol. 52, No. 12. - Pp. 2292-2330.

101. Zhang, R. MIMO broadcasting for simultaneous wireless information and power transfer / R. Zhang, C. K. Ho // IEEE Transactions on Wireless Communications.

- 2013. - Vol. 12, No. 5. - Pp. 1989-2001.

102. Zorlu, O. A vibration-based electromagnetic energy harvester using mechanical frequency up-conversion method / O. Zorlu, E. T. Topal, H. Kulah // IEEE Sensors Journal. - 2010. - Vol. 11, No. 2. - Pp. 481-488.

124

ПРИЛОЖЕНИЕ А

Листинги программ

1. Программа расчета зависимости полезной мощности от времени зарядки.

Umax=5;

R=1;

R1=100;

R2=1000;

R=R1;

C=1;

W=0.01;

for R=100:100:100 i=0;

for U=0:0.01:Umax %от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umasslve(l)=U;

k=sqrt(4 *R* W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+Uл2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(l)=t;% нужно для заключительного вывода на график одним целым Wc(l)=U*(-U+sqrt(UA2+4*R*W))/(2*R); end

yyaxls left hold on

plot(T,Umasslve,"-M,'DlsplayName', 'Wc(t) при R=' + strlng(R) + ' Ом'); ylabel('Uc, В'); yyaxls rlght hold on

plot(T,Wc,м-м,'DisplayName','Uc(t) при R=' + string(R) + ' Ом'); ylabel('Wc, Вт'); end

grid оп;

х1аЬе1('Время зарядки, с');

хНт([0,Т^)]);

fig=gca;

fig.FontSize=14; legend

4.5

3.5

ш

2.5

1.5

0.5

\Мс(1)приВ=100 0м ис(1) при В=100 Ом

0.01

0.009

0.008

0.007

0.006

ой

0.005

0.004

0.003

0.002

0.001

200

400

600

800

1000

1200

1400

Время зарядки, с

Рисунок А.1 - Внешний вид результатов исполнения программы расчета зависимости полезной мощности от времени зарядки

2. Программа расчета зависимости запасенной энергии от времени за-

рядки.

с1еаг

Цтт=1;

Цтах=5;

ВД=1;

for l=1:1:5

R(l)=50*l; end

slzeR=slze(R);

C=1;

W=0.03;

UUU=Umln:0.1:Umax; AvsT=[]; for l=1:1:slzeR(2) AvsT=[];

t=((-UUU. * log((sqrt(4*R(l)*W+UUU.A2)-UUU))-UUU+sqrt(4*R(l)*W+UUU.A2).*log((sqrt(4*R(l)*W+UUU.A2)-UUU)))./(-1*(sqrt(4*R(l)*W+UUU.A2)-UUU))+(log(4*R(l)*W))/2)*(R(l)*C); Wc=UUU.*(-UUU+sqrt(UUU.A2+4*R(l)*W))/(2*R(l)); A(l)=0; slzet=slze(t); for j=2:1:slzet(2)

A(l)=A(l)+1/2*(t(j)-t(j-1))* (Wc(j - 1)+Wc(j)); AvsT(j)=A(l); end

hold on

plot(t,AvsT,"-",'DlsplayName', 'R=' + strlng(R(l)) + ' Ом'); S(l)=A(l)/(W*t(end))*100; end

grld on;

х1аЬе1('Время зарядки, с'); у1аЬе1('Запасенная энергия, Дж'); flg=gca;

flg.FontSlze=14; legend

О 100 200 300 400 500 600 700 800 Время зарядки, с

Рисунок А.2 - Внешний вид результатов исполнения программы расчета зависимости запасенной энергии от времени зарядки

3. Программа расчета зависимости эффективности зарядки от сопротивления ESR.

Umin=1; Umax=5; R=1:10:1000; sizeR=size(R);

C=1; W=0.03;

UUU=Umin:0.1:Umax; for i=1:1:sizeR(2) t=((-UUU. * log((sqrt(4*R(i)*W+UUU.A2)-UUU))-UUU+sqrt(4*R(i)*W+UUU.A2).*log((sqrt(4*R(i)*W+UUU.A2)-UUU)))./(-1*(sqrt(4*R(i)*W+UUU.A2)-UUU))+(log(4*R(i)*W))/2)*(R(i)*C); Wc=UUU.*(-UUU+sqrt(UUU.A2+4*R(i)*W))/(2*R(i)); A(i)=0;

sizet=size(t); j=2:1:sizet(2)

A(i)=A(i)+1/2*(t(j)-t(j-1))*(Wc(j-1)+Wc(j)); end

S(i)=A(i)/(W*t(end))*100; end

hold оп

plot(R,S,м-м,'DisplayName', 'W=' + string(W) + ' Вт'); grid оп;

xlabel('R, Ом'); у1аЬе1('Эффективность, %'); fig=gca;

fig.FontSize=14; legend

100

90

^ 80 о4

0

1

со

5

55 ои

-е-

50

40

30

— \/У=0.03 Вт

200 400 600 800 1000

Я, Ом

Рисунок А.3 - Внешний вид результатов исполнения программы расчета зависимости эффективности зарядки от сопротивления ESR

4. Программа построения ЗХ при трех случаях: разной мощности, разном сопротивлении ESR, разной емкости.

Umax=10;

R=1;

R1=100;

R2=1000;

C=1;

C1=2;

C2=3;

W=0.01;

W1=0.02;

W2=0.03;

i=0;

for U=0:0.1:Umax%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

%semilogx subplot(3,1,1);

plot(T,Umassive,"-",'DisplayName','W = 10 мВт, R = 1 Ом, C = 1 Ф'); grid on;

set(gca, 'YTick',0:2:10); title('Зарядная характеристика'); xlabel('Время зарядки, с'); ylabel('Uc, В');

xlim([0,T(end)]);

W=W1;

i=0;

for U=0:0.1:Umax%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

hold on;

plot(T,Umassive,"-",'DisplayName','W = 20 мВт, R = 1 Ом, C = 1 Ф');

W=W2;

i=0;

for U=0:0.1:Umax%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

hold on;

plot(T,Umassive,"-",'DisplayName','W = 30 мВт, R = 1 Ом, C = 1 Ф'); fig=gca;

fig.FontSize=14; legend

%..........................................................................

W=0.01; i=0;

for U=0:0.1:Umax%OT нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+Uл2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

%semilogx subplot(3,1,2);

plot(T,Umassive,"-M,'DisplayName','W = 10 мВт, R = 1 Ом, C = 1 Ф'); grid on;

set(gca, 'YTick',0:2:10); х1аЬе1('Время зарядки, с'); ylabel('Uc, В'); %xlim([0,T(end)]); R=R1; i=0;

for и=0:0.1:итах%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная

f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная

t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C);

T(i)=t;% нужно для заключительного вывода на график одним целым

end

hold on;

plot(T,Umassive,"-",'DisplayName','W = 10 мВт, R = 100 Ом, C = 1 Ф'); R=R2; i=0;

for U=0:0.1:Umax%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

hold on;

plot(T,Umassive,"-",'DisplayName','W = 10 мВт, R = 1000 Ом, C = 1 Ф'); fig=gca;

fig.FontSize=14; legend

%--------------------------------------------------------------------------

W=0.01;

R=1; i=0;

for U=0:0.1:Umax%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная

f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная

t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C);

T(i)=t;% нужно для заключительного вывода на график одним целым end

%semilogx subplot(3,1,3);

plot(T,Umassive,"-",'DisplayName7W = 10 мВт, R = 1 Ом, C = 1 Ф'); grid on;

set(gca, 'YTick',0:2:10); х1аЬе1('Время зарядки, с'); ylabel('Uc, В'); %xlim([0,T(end)]); C=C1; i=0;

for и=0:0.1:итах%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомогательная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

hold on;

plot(T,Umassive,"-M,'DisplayName','W = 10 мВт, R = 1 Ом, C = 2 Ф'); C=C2; i=0;

for и=0:0.1:итах%от нуля до момента, когда напряжение на источнике достигнет максимума. i=i+1;

Umassive(i)=U;

k=sqrt(4*R*W+UA2);%вспомогательная

f=k-U;%//(sqrt(4*R*W+UA2)-U)%вспомоraтельная t=((-U*log(f)-U+k*log(f))/(-1*f)+(log(4*R*W))/2)*(R*C); T(i)=t;% нужно для заключительного вывода на график одним целым end

hold on;

plot(T,Umassive,"-",'DisplayName','W = 10 мВт, R = 1 Ом, C = 3 Ф'); fig=gca;

fig.FontSize=14; legend

Зарядная характеристика

1

-W = 10 мВт, R = 1 Ом, С = 1 Ф = 20 мВт, R = 1 Ом, С = 1 Ф

-W

W = 30 мВт. R = 1 Ом. С= 1 Ф

О 500 1000 1500 2000 2500 3000 3500 4000 4500 5000

Время зарядки, с

-

— W = 10 мВт. R = 1 Ом,С = 1 Ф — W = 10 мВт. R = 100 Ом, С = 1 Ф

W = 10 мВт. R = 1000 Ом, С = 1 Ф

0 1000 2000 3000 4000 5000 6000 7000

Время зарядки, с

— W = 10 мВт, R = 1 Ом, С = 1Ф — W = 10 мВт, R = 1 Ом, С=2Ф

_____ ■—

W= 10 мВт, R = 1 Ом,С= ЗФ

О 2000 4000 6000 8000 10000 12000 14000 16000

Время зарядки, с

Рисунок А.4 - Внешний вид результатов исполнения программы построения ЗХ при трех случаях: разной мощности, разном сопротивлении ESR, разной емкости

5. Программа построения ЗХ при изменении сопротивления ESR

W=0.5;

R=40;

С=1;

Цтах=10; Esuper=5;

Ue=0:0.1:Umax; R=[5 10 15 25 35 105]; W=1; C=1;

Umax=5; Esuper=5; UU=[0:1:Umax]; SizeUU=size(UU); dt=0; ddt=0; T=[0]; Tfull=[0];

UUU=0 : 0.1: (Umax) ; for i=1 : 1:(SizeUU(2)-1) T(1:end)=NaN; T(end)=[]; Tfull(end)=[]; for U=UU(i):0.1: (UU(i+1 )) t=((-U*log((sqrt(4*R(i)*W+UЛ2)-U))-U+sqrt(4*R(i)*W+UЛ2)*log((sqrt(4*R(i)*W+UЛ2)-U)))/(-1*(sqrt(4*R(i)*W+UЛ2)-U))+(log(4 * R(i) * W))/2) * (R(i) * C) ; if ddt==0 dt=t-dt; ddt=1; end

xlim([0 30]) ylim([0 5]) T(end+1)=t; t=t-dt;

Tfull(end+1)=t;

end

tt=((-UUU. * log((sqrt(4 * R(i) * W+UUU.A2)-UUU))-UUU+sqrt(4*R(i)*W+UUU.A2).*log((sqrt(4*R(i)*W+UUUA2)-UUU)))./(-1*(sqrt(4*R(i)*W+UUU.A2)-UUU))+(log(4*R(i)*W))/2)*(R(i)*C); subplot(2,5,(5+i)) hold on

plot(tt,UUU,"-",'Color',[0,0.7,0.9]) dt=t; ddt=0; TT=T;

TT((end+1): (size(UUU,2)))=NaN; plot(TT,UUU,"-",'Color',[0,0,0],'LineWidth',3) end

hold on

subplot(2,5,[1:5])

plot(Tfull,UUU,"-",'Color',[0,0,0],'LineWidth',3) grid on

%title ("voltage across the capacitor","fontsize",14)% как быстро нарастает Uc при заданной мощности

xlabel ("Время зарядки, c","fontsize",14) ylabel ("Uc, B","fontsize",14) zlabel ("Voltage, V","fontsize",14) xlim([0 Tfull(end)])

Рисунок А.5 - Внешний вид результатов исполнения программы построения ЗХ

при изменении сопротивления ESR

6. Программа расчета напряжения ЕНЭ от времени.

Вход:

% C - номинальная емкость ионистора % R[] - массив ESR с шагом Ustep

% Umin - напряжение, при котором нагрузка отключается % Umax - максимальное напряжение на ионисторе % Ustep - шаг изменения ESR % W[] - массив мощностей % Takt - время между изменениями мощности % Iconsumption - ток, потребляемый нагрузкой, + ток саморазряда % строится зарядная характеристика (ЗХ), аппроксимируется для получения % обратной функции, потом "вырезается" кусок, соответствующий входному

% напряжению и длительности такта, напряжения складываются в массив,

где

% каждому напряжению соответстует момент времени clear;

C=1;

R=[5 10 15 25 35 105];

Iconsumption=0.000020;

Umin=0.6;

Umax=5;

Ustep=1;

UU=[0:Ustep:Umax]; SizeUU=size(UU); UUU=0:0.1: (Umax);

Unstart=0;% принимаем изначально ионистор разряженным

Duration=100;% количество тактов для расчета

Takt=10;

Umassive=[];

Wmin=0.01;

Wmax=0.02;

for v = 1:1 :Duration %время работы мота разбито на такты длительностью Takt. Расчет идет для конца каждого такта.

% мощность устанавливается случаным образом

W(v)=rand*Wmax*((Wmax-Wmin)/Wmax)+Wmin;% чтобы было в диапазоне от Wmin до Wmax dt=0; ddt=0; T=[1]; WW=W(v); %строим ЗХ for i=1:1:(SizeUU(2)-1) T(end)=[]; for U=UU(i):0.1: (UU(i+1))

t=((-U*log((sqrt(4*R(i)*WW+UA2)-U))-U+sqrt(4*R(i)*WW+UA2)*log((sqrt(4*R(i)*WW+UA2)-U)))/(-1*(sqrt(4*R(i)*WW+UA2)-U))+(log(4*R(i)*WW))/2)*(R(i)*C); if ddt==0 dt=t-dt; ddt=1; end t=t-dt; T(end+1)=t; end

tt=((-UUU.*log((sqrt(4*R(i)*WW+UUU.A2)-UUU))-UUU+sqrt(4*R(i)*WW+UUU.A2).*log((sqrt(4*R(i)*WW+UUU.A2)-UUU)))./(-1*(sqrt(4*R(i)*WW+UUU.A2)-UUU))+(log(4*R(i)*WW))/2)*(R(i)*C); dt=t; ddt=0; end

%"вырезаем" кусок зар. хар-ки, соответствующий временному такту: %по входному напряжению Unstart определяем время Tapprox начала куска из зар. хар-ки

%аппроксимируем coeff3 = polyfit(UUU,T, 3);

Tapprox=coeff3(1)*UnstartA3+coeff3(2)*UnstartA2+coeff3(3)*Unstart+co-

eff3(4);

%за временной такт напряжение станет равным Uapprox(Tapprox+Takt) coeff3 = polyfit(T,UUU, 3); Uapprox=coeff3(1)*(Tapprox+Takt)A3+coeff3(2)*(Tapprox+Takt)A2+co-eff3 (3)* (Tapprox+Takt)+coeff3 (4);

Tsteps(v)=v*Takt;% массив с временами изменений входной мощности if Unstart>Uapprox Unstart=Unstart;

elseif Uapprox>Umax

Unstart=Umax; else

Unstart=Uapprox; end

dU=( 1/C)*Iconsumption*dt; Unstart=Unstart-dU; if Unstart<Umin Unstart=Umin; end

Umassive(v)=Unstart; end

% выводим целевую зависимость напряжения на ионисторе от времени работы

subplot(2,1,1); plot(Tsteps,Umassive,"-");

title ("voltage across the capacitor","fontsize",14)% как быстро нарастает Uc при заданной мощности

xlabel ("Operating time, s","fontsize",14) ylabel ("Voltage, V","fontsize",14)

% выводим мощности, которые были на входе у мота в течение работы hold on subplot(2,1,2) stem(Tsteps, W, 'filled')

title ("Power","fontsize",4)% как быстро нарастает Uc при заданной мощности

xlabel ("Operating time, s","fontsize",14) ylabel ("Power, W","fontsize",14)

Рисунок А.6 - Внешний вид результатов исполнения программы расчета напряжения ЕНЭ от времени

7. Программа расчета времени работоспособного состояния от порогового напряжения.

%изменяем минимальное пороговое напряжение и замеряем общее время работы

%ожидается максимальное время при определенном пороговом минимальном напряжении

%потому что чем выше минимальное напряжение, тем меньше энергии уходит на

%нагрев и больше на зарядку. Но чем выше минимальное напряжение, тем больше