Analyzing and Modelling Energy Harvesting Wireless Sensor Networks

Projecte final de carrera fet en col.laboració amb Northeastern University.English: Energy harvesting is envisaged as an enabling technology to meet the growing energy demands of the 21st century. The current state of the art allows tapping into several physical and naturally existing sources, such as solar, wind, vibration, RF scavenging, among others. However, there is a lack of theoretical models that can predict future consumption and residual availability of energy in a sensor node equipped with multiple boards that harvest a particular source or even simultaneously operate on different types of sources. In this thesis, we propose MAKERS, a Markov model based method to capture the energy states of such a multi-harvesting board sensor. MAKERS allows detailed predictions of the (i) probability of a node failing to detect an event owing to lack of energy, as well as the (ii) average time before this happens. Compared to previous work in this area, our model has a simpler closed form expression, it is not limited to a sensor having a single-harvesting board, and finally, it considers a more realistic harvesting model. Monte-Carlo simulation results reveal a close fit between the closed form expression in MAKERS and observed values, thereby verifying the accuracy of our approach. We later revise the model in order to relax the first constraints and move into a more realistic environment. Using some of this modifications, we conducted a set of experiments to analyze the proposed model. Results measuring the average time before running out of energy in real cases show a good agreement with theoretical predictions. The work presented here pretends to be the first step on modeling multiple-source energy harvesting nodes within the wireless sensor networks field.Castellano: La recolección de energía se concibe como una tecnología apta para satisfacer las crecientes demandas de energía del siglo XXI. El estado actual de la técnica permite aprovechar varias fuentes de energía existentes, físicas y naturales, tales como la energía solar, la eólica, la vibración, las ondas de radiofrecuencia, entre otras. Sin embargo, hay una falta de modelos teóricos que puedan predecir el consumo futuro y la disponibilidad de la energía residual en un sensor equipado con varias tarjetas que recolecten de una fuente determinada, o incluso al mismo tiempo operen sobre distintos tipos de fuentes de energía. En esta tesis, proponemos MAKERS, un modelo basado en los métodos de los procesos de Markov para capturar el estado de energía de un sensor con una tarjeta de multi-cosecha de energía. MAKERS permite predicciones detalladas de la probabilidad (i) de un nodo de no detectar un evento debido a la falta de energía, así como del tiempo (ii) promedio antes de que esto suceda. En comparación con trabajos anteriores en este ámbito, nuestro modelo tiene una expresión más simple, no se limita a un sensor que tiene una tarjeta de una sola fuente de energía, y, por último, considera un modelo más realista de la cosecha. Los resultados de las simulaciones Monte-Carlo revelan un ajuste perfecto entre la expresión de MAKERS y los valores observados, verificando la exactitud de nuestro enfoque. Más tarde, revisamos el modelo con el fin de relajar las primeras restricciones y pasar a un entorno más realista. Usando algunas de estas modificaciones, se realizó una serie de experimentos para analizar el modelo propuesto. Los resultados de la medición del tiempo medio antes de quedarse sin energía en casos reales se corresponden con las predicciones teóricas. El trabajo que aquí se presenta pretende ser el primer paso en el modelado de sensores alimentados por múltiples fuentes de la energía en el campo de las redes de sensores inalámbricos.Català: La recollita d'energia es concep com una tecnologia apta per satisfer les creixents demandes d'energia del segle XXI. L'estat actual de la tècnica permet aprofitar diverses fonts d'energia existents, físiques i naturals, com ara l'energia solar, l'eòlica, la vibració, les ones de radiofreqüència, entre altres. No obstant, hi ha una manca de models teòrics que puguin predir el consum futur i la disponibilitat de l'energia residual en un sensor equipat amb diverses targetes que recol·lecten d'una font determinada, o fins i tot a la vegada operin sobre diferents tipus de fonts d'energia. En aquesta tesi, proposem MAKERS, un model basat en els mètodes dels processos de Markov per capturar l'estat d'energia d'un sensor amb una targeta de multi-collita d'energia. MAKERS permet prediccions detallades de la probabilitat (i) d'un node de no detectar un esdeveniment a causa de la falta d'energia, així com del temps (ii) de mitjana abans que això passi. En comparació amb treballs anteriors en aquest àmbit, el nostre model té una expressió més simple, no es limita a un sensor que té una targeta d'una sola font d'energia, i, finalment, considera un model més realista de la recollita. Els resultats de les simulacions Monte-Carlo revelen un ajust perfecte entre l'expressió de MAKERS i els valors observats, verificant l'exactitud del nostre enfocament. Més tard, revisem el model per tal de relaxar les primeres restriccions i passar a un entorn més realista. Utilitzant algunes d'aquestes modificacions, es va realitzar una sèrie d'experiments per analitzar el model proposat. Els resultats de les mesures del temps mig abans de quedar-se sense energia en casos reals es corresponen amb les prediccions teòriques. El treball que aquí es presenta pretén ser el primer pas en el modelatge de sensors alimentats per múltiples fonts de l'energia en el camp de les xarxes de sensors sense fils