← 返回
无电池物联网的预测性电源管理
Predictive Power Management for Internet of Battery-Less Things
| 作者 | Qianao Ju · Ying Zhang |
| 期刊 | IEEE Transactions on Power Electronics |
| 出版日期 | 2018年1月 |
| 技术分类 | 控制与算法 |
| 技术标签 | 机器学习 强化学习 功率模块 |
| 相关度评分 | ★★ 2.0 / 5.0 |
| 关键词 | 能量收集 物联网 无电池 预测性电源管理 无线通信 能量缓冲 |
语言:
中文摘要
能量收集技术为无电池物联网（IoBT）提供了解决方案，克服了传统电池在寿命和尺寸上的限制。然而，受限于有限的能量缓冲容量，环境能量的波动及无线通信的不确定性对系统运行提出了挑战。本文提出了一种预测性电源管理策略，旨在优化能量收集与负载需求之间的平衡，提升系统的运行效率与可靠性。
English Abstract
Energy harvesting technology provides a promising solution to enable internet of battery-less things (IoBT), as the lifetime and size of batteries become major limiting factors in the design and effective operation of internet of things (IoT). However, with constrained energy buffer size, the variation of ambient energy availability and wireless communication cast adverse effect on the operation o...
S
SunView 深度解读
该文献探讨的微功率能量管理与预测控制技术，虽然目前主要应用于低功耗物联网领域，但其核心的“预测性电源管理”思想对阳光电源的iSolarCloud智能运维平台具有参考价值。在分布式光伏与户用储能场景中，通过机器学习算法预测环境能量（光照）与用户负载需求，可以进一步优化户用储能系统（如PowerStack）的充放电策略，提升系统自发自用率。此外，该技术在未来低功耗传感器节点与智能运维终端的电源设计中具有潜在应用价值，有助于提升系统在极端环境下的鲁棒性。