Smart Home

Laufzeitanalyse batteriebetriebener Smart-Home-Geräte

< zurück

Seite: 3/3

Ergebnisse der Langzeitmessung

Für die Langzeitmessung wurde der Tür-/Fensterkontakt an einer Tür in den Räumen der Professur befestigt. Diese wird tagsüber häufig genutzt und erzeugt entsprechende Last für das Szenario.

Bildergalerie
Bildergalerie mit 9 Bildern

In Bild 4 ist die Anzahl der Schaltvorgänge in Abhängigkeit ihres Energieverbrauchs aufgetragen. Neben der schon in der Labormessung gezeigten Verteilung um 0,044 Ws, treten in dem realen Szenario auch deutlich höhere Leistungswerte auf. Im Langzeitversuch ergab sich als durchschnittliche Energiemenge pro Ereignis für den untersuchten Sensor folgender Wert:

E1 = 0,05467399 Ws

Mit diesem Ergebnis und bei gleichen Batteriekenndaten lässt sich ebenso eine Anzahl an möglichen Ereignissen vorhersagen. Es ergeben sich rund 27.259 Ereignisse:

Ereignisse = EBatterie/E1 = 27.259 Ereignisse

Im Gegensatz zur Labormessung sind deutlich weniger als 30.000 Schaltvorgänge möglich.

Unter Berücksichtigung eines Standby-Verbrauchs und einer fiktiven Anzahl von Ereignissen pro Tag, ist es möglich, einen Ausfallzeitpunkt abzuschätzen. In Bild 5 ist exemplarisch für 10, 20 und 100 Ereignisse pro Tag die Lebensdauer des Sensors aufgetragen. Bei 100 Ereignissen pro Tag würde der Sensor bestenfalls rund acht Monate halten. Für 20 Ereignisse pro Tag steigt die Lebensdauer bereits auf über zwei Jahre. Ab zehn Ereignissen pro Tag ist die Lebensdauer des Knotens auf über drei Jahre gestiegen.

Gültigkeit für verschiedene Smart-Home-Technologien

Im Vergleich der verschiedenen Smart-Home-Technologien fällt auf, dass die gemachte Beobachtung allgemein gilt. Im realen Szenario treten Fälle auf, in denen mehr Energie benötigt wird als dies im Labor durch eine kurze Betrachtung ermittelt wurde.

Dazu sind in den Bildern 6a und b die Messung von RWE und Z-Wave gegenübergestellt. Die Streuung der Leistungsaufnahme einzelner Ereignisse lässt sich auf unterschiedliche Ursachen zurückführen, etwa

  • Störungen in der Kommunikation
  • Ereignisse in schneller Abfolge ohne Rückkehr in Standby
  • Statusnachrichten haben anderes Energieschema als Nachrichten von Ereignissen

Unter der Annahme, dass die gesamte Kapazität der Batterie entnommen werden kann und kein Ruhestrom fließt, ist in Bild 7 die Anzahl der möglichen Ereignisse für die untersuchten Systeme gegenübergestellt. Das Smart-Home-System von RWE und das Homematic liegen in etwa gleich auf.

Das System mit Z-Wave-Funkschnittstelle erreicht eine deutlich höhere Anzahl an Ereignissen. Dies sieht auf den ersten Blick positiv aus, relativiert sich aber dadurch, dass in der untersuchten Konfiguration im Fünf-Minuten-Takt zusätzliche Nachrichten verschickt wurden. Die Lebensdaueranalyse (Bild 8) zeigt, dass diese Nachrichten einen Großteil der Energie verbrauchen. Eine Lebensdauer über ein Jahr ist kaum zu erwarten.

Zusammenfassung zur Lebensdauer der Systeme

Die von den Herstellern verwendeten Ansätze zur Abschätzung der Lebensdauer sind in realen Szenarien nicht sinnvoll. In der Realität treten Effekte auf, die in einer Labormessung nicht oder nur mit erhöhtem Aufwand beobachtet werden können, etwa die Streuung der Energieverbräuche bei eigentlich identischen Paketen in Bild 4 und Bild 6.

Mit erhöhter Komplexität des eingesetzten Funkprotokolls, etwa durch Routing oder rückbestätigte Pakete, wird eine Vorhersage der Energieverbräuche schwierig. Für eine realistische Abschätzung der Lebensdauer muss ein Test in der Realität erfolgen. Eine Kontrolle zur Einsatzfähigkeit der einzelnen Geräte durch den Nutzer ist notwendig.

Dieser Artikel ist ursprünglich bei unserer Schwesterpublikation Elektronikpraxis erschienen. Verantwortliche Redakteurin: Margit Kuther

Literaturhinweise:

[1] Mathias Jensen. SWRA349: Coin Cells at peak current draw, Texas Instruments, 2010

[2] Christian Roßberg, Luis Lutnyk, Christian Pätz, Ulrich Heinkel. Werkzeug für die Messung der Leistungsaufnahme leistungsarmer Geräte, DASS 2014, 29 to 30. April 2014, Dresden, Fraunhofer Verlag, ISBN 978-3-8396-0738-1

* Prof. Dr.-Ing. Christian Pätz, Christian Rossberg arbeiten an der TU Chemnitz

(ID:43151687)

Jetzt Newsletter abonnieren

Täglich die wichtigsten Infos zu Big Data, Analytics & AI

Mit Klick auf „Newsletter abonnieren“ erkläre ich mich mit der Verarbeitung und Nutzung meiner Daten gemäß Einwilligungserklärung (bitte aufklappen für Details) einverstanden und akzeptiere die Nutzungsbedingungen. Weitere Informationen finde ich in unserer Datenschutzerklärung. Die Einwilligungserklärung bezieht sich u. a. auf die Zusendung von redaktionellen Newslettern per E-Mail und auf den Datenabgleich zu Marketingzwecken mit ausgewählten Werbepartnern (z. B. LinkedIn, Google, Meta).

Aufklappen für Details zu Ihrer Einwilligung