طراحی سیستم مدیریت توان تطبیقی برای گرههای اینترنت اشیا با استفاده از TinyML و برداشت انرژی محیطی

این مقاله یک معماری تطبیقی برای مدیریت توان گرههای اینترنت اشیا ارائه میکند که در آن برداشت انرژی خورشیدی و RF، ذخیرهساز باتری/ابرخازن، میکروکنترلر کممصرف، حسگرها و TinyML در یک حلقه کنترل بسته یکپارچه میشوند. روش پیشنهادی با برآورد برخط انرژی ورودی، وضعیت ذخیرهساز، بار محاسباتی و اهمیت داده، نرخ نمونهبرداری، زمان بیدارباش، سطح پردازش محلی و دفعات ارتباط بیسیم را بهصورت پویا تنظیم میکند. ارزیابی شبیهسازیشده با یک مدل انرژی گسسته نشان میدهد که انتقال تصمیمگیری از ابر به لبه و ارسال رویدادمحور میتواند انرژی ارتباطی را بهطور محسوسی کاهش دهد؛ در سناریوی مرجع، مصرف نرمالشده گره نسبت به حالت همیشهروشن 59 درصد کمتر شد، در حالی که تاخیر تصمیمگیری نیز کاهش یافت. معماری پیشنهادی برای گرههای خودمختار و کمنگهداری مناسب است و امکان انتخاب هوشمند بین برداشت، ذخیره، پردازش و ارتباط را فراهم میکند.در این پژوهش، هدف طراحی یک گره IoT است که در آن تصمیمگیری انرژیمحور بخشی از منطق اصلی سامانه باشد. TinyML در این معماری نه بهعنوان یک قابلیت مستقل، بلکه بهعنوان یک ناظر سبک برای طبقهبندی وضعیت انرژی و پیشبینی بار داده به کار میرود. ایده اصلی این است که مدل کوچک محلی از روی متغیرهایی مانند ولتاژ ذخیرهساز، جریان بار، نرخ تغییرات حسگر، توان برداشتشده و کیفیت لینک، وضعیت گره را در یکی از حالتهای «وفور انرژی»، «عادی»، «بحرانی» یا «بازسازی» طبقهبندی کند. سپس مدیر توان، با استفاده از این وضعیت، سیاست نمونهبرداری و ارتباط را تغییر میدهد.

کلیدواژه ها:

اینترنت اشیا ، TinyML ، مدیریت توان تطبیقی ، برداشت انرژی ، پردازش لبه