Implementace energetického managementu pro senzory napájené termoelektrickým generátorem

Abstract

Tato diplomová práce se zabývá metodami energetického managementu pro senzory napájené termoelektrickým generátorem. V práci jsou zkoumány metody aplikované jak na hardwarové, tak softwarové úrovni monitorovacího zařízení s cílem optimalizovat spotřebu energie a prodloužit životnost zařízení. Navržený energetický management v této práci zahrnuje implementaci algoritmu z oblasti strojového učení, konkrétně Q-learning. Tento algoritmus je navržen k dynamickému řízení aktivity zařízení v závislosti na dostupnosti energie. Řešení bylo testováno z hlediska spotřeby energie a reakce zařízení na snižující se množství dostupné energie. Zařízení prokázalo schopnost fungování při napájení volatilním zdrojem energie.

This thesis deals with energy management methods for sensors powered by a thermoelectric generator. The thesis examines methods applied at both hardware and software levels of the monitoring device in order to optimize energy consumption and extend the lifetime of the device. The proposed energy management in this work involves the implementation of an algorithm from the field of machine learning, namely Q-learning. This algorithm is designed to dynamically control the activity of the device depending on the energy availability. The solution has been tested in terms of energy consumption and device response to decreasing amounts of available energy. The device has demonstrated the ability to operate when powered by a volatile energy source.