Analyse du débit pour différents dimensionnements du système

Les résultats expérimentaux discutés dans le paragraphe 4.8 ont montré qu’avec le power manager CL-PM et la configuration de la plateforme EZ430, on pouvait obtenir un débit moyen d’environ 45 bits/s. Dans ce paragraphe, on effectue des simulations avec différentes configu- rations de taille de la batterie et du panneau solaire, afin de chercher le dimensionnement qui satisfait la contrainte de 100 bits/s fixée. Le débit moyen en fonction de la capacité de décharge (Cd) et de la taille du panneau solaire est montré en Figure 4.22. Comme on peut l’observer

en Figure 4.22, pour des batteries de grosses tailles (Cd > 1000µAh), augmenter la taille du

panneau solaire permet d’augmenter le débit moyen de 58 bits/s à 138 bits/s, ce qui correspond à un rapport 2.38. Dans l’intervalle, pour des petites batteries, on observe un effet de réduction

surhRdi lorsque hβi dépasse un seuil égal à 50 µA dans notre cas. Par exemple, pour une batterie

de 63µAh, hRdi varie de 45.87 bits/s à 94.4 bits/s, ce qui correspond à un rapport de 2. Dans le power manager CL-PM, le débit est influencé par la taille de la batterie seulement pendant les intervalles où il n’y a pas de récupération d’énergie (ZEI). Le fonctionnement du power manager pendant ces intervalles est régit par l’équation4.16, où l’on observe que la période de réveil (Twi)

est inversement proportionnelle à l’état de charge de la batterie (SoC(t∗)). Le SoC est borné par

0 200 400 600 800 1000 1200 1400

Battery Size [µ Ah]

20 30 40 50 60 70 80 <β> [uA] 50 60 70 80 90 100 110 120 130 <Rd>[bits/s]

Figure _{4.22: Le débit moyen (}hRdi) pour différents configurations de la batterie et du panneau solaire

réveil) est donc la suivante :

SoC(t∗)' SoCmax (4.17)

Une fois que cette condition est vérifiée pour une combinaison donnée de batterie et panneau solaire, le débit a atteint son maximum et une nouvelle augmentation de la taille de la batterie n’est donc plus utile. Un panneau solaire bien dimensionné doit fournir une quantité d’énergie suffisante (en fonction des conditions d’éclairage) pour recharger complètement la batterie à la fin de la journée. Même si une quantité supérieure d’énergie pourrait être récupérée, elle ne pourra pas être stockée dans la batterie et elle ne pourra donc pas être utilisée afin d’améliorer le débit. Par exemple, pour un panneau solaire avec un hβi de 26µA, augmenter 20 fois la taille de la batterie (de 63 µAh à 1260 µAh) permet d’augmenter faiblement le débit d’un facteur 1.4 (de 45.8 bits/s à 64.86 bits/s). On remarque qu’en général, le débit est plus influencé par la taille du panneau solaire que par la taille de la batterie. En effet, comme on l’observe sur les Figures 4.17

et 4.19, le débit maximal est obtenu lorsque β > 0 et donc la taille du système de récupération d’énergie affecte davantage le débit moyen.

Afin de trouver la configuration optimale qui satisfait la spécification de 100 bits/s, on cherche sur la courbe montrée en Figure 4.22 l’isoligne correspondant au débit spécifié. La Figure 4.23

montre l’isoligne de la contrainte de débit de 100 bits/s relativement aux configurations de batterie et panneau solaire. Comme on peut l’observer sur cette figure, avec une batterie de 63µAh, il n’est pas possible d’atteindre un débit de 100 bits/s quelle que soit la taille du panneau solaire. De la même manière, avec un panneau solaire qui fournit un hβi de 26µA il n’est pas

Figure _{4.23: Isoligne correspondant à un débit moyen (}hRdi) de 100 bits/s

possible de satisfaire la contrainte sur le débit. Pour atteindre un débit de 100 bits/s il faut donc augmenter à la fois la taille de la batterie et la taille du panneau solaire. Les configurations qui permettent d’atteindre le débit spécifié, sont indiquées en Figure 4.23 par des N. Il y a quatre configurations au dessus de l’isoligne. Avec ces configurations, le débit est supérieur à 100 bits/s, ce qui correspond à des systèmes surdimensionnés. La configuration{hβi, Cd} = {52µA, 630µAh}

est celle qui se rapproche le plus de l’isoligne à 100 bits/s et elle represente donc le meilleur dimensionnement du système de récupération et de stockage de l’énergie.

4.10

Conclusion

Dans ce chapitre nous avons présenté les éléments de l’approche proposée qui nous per- mettent de modéliser et simuler un noeud de réseaux de capteurs avec récupération d’énergie. Nous avons utilisé une approche de modélisation de haut niveau basée sur les paramètres α et β, qui permettent de décrire un système générique de récupération d’énergie. Les modèles ont été va- lidés expérimentalement sur la plateforme TI EZ430. Nous avons ensuite proposé deux nouvelles techniques de power management. Le power manager OL-PM, est centré sur l’approche de fonc- tionnement en équilibre énergétique alors que le CL-PM reprend le principe du fonctionnement en équilibre énergétique mais emploie aussi une stratégie pour optimiser le débit en l’absence d’énergie récupérée. Les power managers ont été validés en simulation en utilisant des données de récupération d’énergie réelles. La comparaison avec une technique de power management clas- sique présentée dans la littérature montre que nos power managers permettent une amélioration du débit de près de 50% tout en assurant également une continuité de fonctionnement. Nous avons aussi montré comment un réglage efficace des paramètres configurables des power mana- gers permet d’en améliorer les performances dans le cas d’un noeud équipé d’un panneau solaire.

Dans une dernière partie nous avons proposé un cas d’étude sur le dimensionnement conjoint de la batterie et du panneau solaire pour un système de récupération d’énergie solaire. Nous avons ainsi montré l’impact de différentes configurations de batterie et panneaux solaires sur le débit. Nous avons de plus trouvé un dimensionnement efficace qui respecte une contrainte de débit fixée.

Simulation Globale d’un Noeud de

Réseaux de Capteurs : Récupération

d’Énergie et Communication RF

Dans ce chapitre nous présentons la simulation globale d’un noeud d’un réseau de capteurs sans fil avec récupération d’énergie. Nous allons utiliser les modèles présentés dans le chapitre3

pour la simulation du système de communication RF et du canal de communication et le chapitre

4 pour le système de récupération d’énergie. Les modèles présentés dans le chapitre 3 nous permettent de faire varier différents paramètres comme, par exemple, la puissance d’émission, le débit, le format de modulation et la sensibilité du récepteur. Dans le cadre de notre étude, nous considérons seulement l’adaptation dynamique de la puissance d’émission . L’objectif sera alors de proposer un power manager global composé de CLPM (Closed-Loop Power Manager) présenté dans le chapitre 4 et d’un système de contrôle de la puissance d’émission.

En général, les techniques de gestion de la consommation sont développées et analysées de façon indépendante et les impacts qu’elles peuvent induire les unes sur les autres sont souvent négligés. Nous pensons qu’une conception globale des différentes techniques de gestion de la consommation telles que, par exemple, le choix optimal de la période de réveil du noeud et la gestion de la puissance d’émission peuvent permettre de réduire significativement la consomma- tion d’énergie.

L’intérêt d’un environnement de simulation global réside dans le fait que l’on peut rapide- ment analyser l’efficacité de nos techniques de power management, étudier les interactions entre différents power managers et trouver des solutions efficaces qui nous permettent d’améliorer le débit tout en respectant les contraintes énergétiques.

Ce type de simulation nous permet aussi d’étudier plus finement les power manager présentés dans le chapitre4. Les résultats de simulation qui ont été présentés nous ont permis de définir le débit théorique, ou le débit pour un canal idéal (aucune perte d’information), fourni par les power manager CLPM et OLPM. La simulation des communications entre les noeuds nous permet de valider le comportement du noeud dans des conditions réalistes du canal de communication.

Dans une première partie de ce chapitre, nous présentons un état de l’art sur les techniques de gestion de la puissance d’émission pour réseaux de capteurs sans fils. Nous allons ensuite présenter l’architecture du power manager CLPM-ATPC (CLPM-Adaptive Transmission Power Control). Ce power manager gère simultanément la période de réveil du noeud pour assurer les conditions d’équilibre énergétique (CLPM) et la puissance d’émission (ATPC), afin d’avoir une consommation d’énergie minimale tout en garantissant une communication optimale entre les noeuds. Les résultats de simulation de CLPM-ATPC, dans le cas d’un réseau statique, seront discutés.

Nous présenterons ensuite un autre cas d’étude pour évaluer l’efficacité du power manager global. Dans ce cas d’étude nous considérons un noeud mobile équipé d’un système de récupé- ration d’énergie qui communique avec une station de base. Le modèle de mobilité nous permet d’avoir un canal de communication qui varie dans le temps, ce qui nous permet de mettre en valeur l’aspect adaptatif de notre power manager. Ce dernier s’adapte en effet simultanément aux conditions de récupération d’énergie et du canal de communication. Nous analyserons les résul- tats de simulation de CLPM-ATPC et différentes extensions seront proposées afin d’en améliorer les performances. Une deuxième version du power manager CLPM-PTPC (CLPM-Predictive Transmission Power Control) sera ainsi présentée. Les résultats de simulation montrent qu’il est possible d’améliorer significativement les performances par rapport au power manager CLPM- ATPC.

Nous conclurons ce chapitre en proposant des perspectives sur les différents power manager.

5.1

Techniques de gestion de la puissance d’émission

La communication entre les noeuds est, en général, l’activité qui consomme le plus d’énergie dans un réseau de capteurs sans fil. Une façon de diminuer la consommation liée à la commu- nication est de réduire la puissance d’émission du transmetteur. La plupart des circuits radio permettent d’ajuster la puissance d’émission par pas discret sur un intervalle de plusieurs dB (plus de 30 dB pour le circuit CC2500 (108)). Le problème de l’adaptation de la puissance d’émis- sion est traité, principalement, au niveau des protocoles de contrôle d’accès au support (MAC), dans certains protocoles de routages et dans les techniques de contrôle de la topologie (souvent utilisées dans les protocoles de routage).

Parmi les techniques d’adaptation de la puissance d’émission qui se situent au niveau de la couche MAC on peut citer (109), (110) et (111).

Les auteurs de (109) proposent un protocole CSMA/CA où la valeur optimale de puissance d’émission est calculée avant chaque transmission. Dans ce protocole, chaque noeud transmet les paquets de contrôle RTS/CTS (Request-to-Send, Clear-to-Send) avec un niveau de puissance maximale. Lorsque le noeud qui veut transmettre reçoit le paquet CTS, il calcule le niveau de puissance d’émission optimale en fonction du niveau de puissance reçue et d’un seuil (Rxthresh).

En (111), les auteurs proposent une technique, appelée ATPC (Adaptive-Transmission-Power- Control), basée sur une boucle d’asservissement entre l’émetteur et le récepteur, qui permet de maintenir un certain niveau de qualité de réception entre les deux noeuds. Dans ATPC, chaque noeud construit et maintient un modèle, pour chacun de ses voisins, qui décrit la relation entre la puissance reçue et le niveau de qualité de service, mesuré, par exemple, en termes de taux de paquets reçus. Le modèle est mis à jour périodiquement au travers de paquets de contrôle, ce qui permet d’adapter le niveau de puissance d’émission à l’état du canal de communication. Dans la suite nous présentons en détail cette technique.