[논문 리뷰] Movers and Shakers: Kinetic Energy Harvesting for the Internet of Things

Maria Gorlatova, John Sarik외 4명|arXiv (Cornell University)|2013. 06. 28.

Energy Harvesting in Wireless Networks참고 문헌 44인용 수 12

한 줄 요약

이 논문은 40명 이상의 참가자와 200시간 이상의 일일 루틴에서 확보한 광범위한 가속도 트레이스를 활용해 인터넷의 사물(IoT) 기기들을 위한 인간 운동에서의 운동 에너지 수확을 특성화한다. 동적인 운동 패턴과 저장 제약 조건을 고려한 에너지 할당 알고리즘을 제안하며, 전압 스케일링로 인해 더 큰 커패시터가 성능을 떨어뜨릴 수 있음을 보여주고, 최적화된 알고리즘이 실제 에너지 변동성 조건에서 근접 최적의 데이터 전송 속도를 달성할 수 있음을 입증한다.

ABSTRACT

Numerous energy harvesting wireless devices that will serve as building blocks for the Internet of Things (IoT) are currently under development. However, there is still only limited understanding of the properties of various energy sources and their impact on energy harvesting adaptive algorithms. Hence, we focus on characterizing the kinetic (motion) energy that can be harvested by a wireless node with an IoT form factor and on developing energy allocation algorithms for such nodes. In this paper, we describe methods for estimating harvested energy from acceleration traces. To characterize the energy availability associated with specific human activities (e.g., relaxing, walking, cycling), we analyze a motion dataset with over 40 participants. Based on acceleration measurements that we collected for over 200 hours, we study energy generation processes associated with day-long human routines. We also briefly summarize our experiments with moving objects. We develop energy allocation algorithms that take into account practical IoT node design considerations, and evaluate the algorithms using the collected measurements. Our observations provide insights into the design of motion energy harvesters, IoT nodes, and energy harvesting adaptive algorithms.

연구 동기 및 목표

• 일상적인 인간 활동에서의 운동 에너지 변동성과 가용성을 이해하기 위해.
• 배터리 및 커패시터 저장 모델을 포함한 실질적인 IoT 하드웨어 제약 조건을 고려한 에너지 할당 알고리즘을 개발하기 위해.
• 다양한 참가자들과 일상 루틴에서 확보한 실제 운동 에너지 트레이스를 사용해 알고리즘 성능을 평가하기 위해.
• 자기 유지형 IoT 노드의 운동 에너지 수확기, 에너지 저장 장치 및 적응형 프로토콜 설계에 대한 설계 함의를 규명하기 위해.

제안 방법

• 7종의 표준 운동과 5명의 참가자에 대해 25일간 40명 이상의 참가자로부터 전용 ADXL345 센서를 사용해 고해상도 가속도 트레이스를 확보하여 총 200시간 이상의 데이터를 확보했다.
• 수확된 전력을 가속도 트레이스에서 추정하기 위해 기존의 모델을 사용하였으며, 수확기 공진 및 기계적-전기적 변환 효율을 고려했다.
• 다음 네 가지 에너지 할당 알고리즘을 제안하였다: ALG-OC(커패시터용 최적), ALG-GB(배터리용 최적), ALG-FC(커패시터용 근사), ALG-FB(배터리용 근사). 동적 프로그래밍과 지배성 절단 기법을 사용하였다.
• 저장된 에너지와 커패시턴스에 따라 출력 전압을 정의하였다: $ V_{\text{out}}(i) = \sqrt{B(i)/C} \cdot V_{\max} $, 여기서 $ B(i) $ 는 저장된 에너지이고 $ C $ 는 커패시턴스이다.
• 다양한 저장 용량 조건에서 실질적인 운동 트레이스를 사용해 알고리즘을 평가하였으며, 평균 데이터 전송 속도 $ \overline{r} $ 를 성능 지표로 측정하였다.
• 계산량을 줄이고 확장성과 근사 최적 성능를 확보하기 위해 지배 규칙을 적용한 반복적 동적 프로그래밍을 적용하였다.

실험 결과

연구 질문

• RQ1 다양한 인간 활동과 개인의 신체적 특성에 따라 운동 에너지 가용성이 어떻게 변동하는가?
• RQ2 에너지 저장 용량과 유형(커패시터 대 배터리)이 에너지 할당 알고리즘 성능에 어떤 영향을 미치는가?
• RQ3 하루 동안의 동적인 운동 패턴은 자기 유지형 IoT 운영의 실현 가능성에 어떻게 영향을 미치는가?
• RQ4 실제 에너지 트레이스 조건에서 근사 알고리즘이 최적 성능에 얼마나 가까이 도달할 수 있는가?

주요 결과

• 신장이 큰 개인은 보행 방식과 운동 진폭의 차이로 인해 신장이 작은 개인보다 평균 20% 더 많은 운동 에너지를 수확하였다.
• 커패시터 기반 노드의 경우, 저장 용량을 임계값을 초과해 늘리면 전압 스케일링로 인해 평균 데이터 전송 속도가 감소할 수 있으며, 이는 $ V_{\text{out}}(i) \propto \sqrt{B(i)/C} $ 를 따른다.
• ALG-FC 및 ALG-FB 근사 알고리즘은 작은 근사 비율 조건에서도 최적 데이터 전송 속도의 90% 이상을 달성했으며, 이는 이론적 한계를 초월하는 성능을 보였다.
• ALG-GB는 $ B_K = B_0 $ 일 때 초기 에너지를 활용할 수 없어 ALG-OB보다 성능이 떨어지는 것으로 나타났으며, 이는 초기 에너지 활용의 중요성을 시사한다.
• 특히 더 큰 저장 용량 조건에서 ALG-OC는 ALG-GB보다 더 넓은 충전 수준 범위에서 높은 효율성($ \eta() \approx 1 $)을 유지하였다.
• 본 연구는 운동 에너지 수확 분야에서 공개 가능한 최초의 장기적 인간 운동 가속도 데이터셋을 제공하여 재현 가능한 연구를 가능하게 하였다.