Améliorer la durée de vie des dispositifs IoT LPWAN : stratégies techniques pour une meilleure gestion des batteries

Pour les dispositifs IoT qui fonctionnent sur des réseaux étendus basse consommation (LPWAN), la durée de vie des batteries est un facteur essentiel, en particulier lorsque ces dispositifs sont déployés dans des endroits reculés ou difficiles d'accès. Cependant, une question se pose : quelles stratégies peuvent contribuer à optimiser la durée de vie des batteries pour ces dispositifs IoT ?

Pour étudier ces stratégies, cet article présente un scénario réel basé sur une entreprise fictive Y. Dans ce scénario, l'accent est mis sur l'optimisation de la durée de vie des batteries des capteurs de Y en relevant les défis fréquemment rencontrés lors du développement de capteurs IoT alimentés par batterie.

Scénario : défis liés à l'optimisation des batteries

L'entreprise Y conçoit des capteurs environnementaux alimentés par batterie, utilisés pour surveiller la qualité de l'air, la température et l'humidité dans des régions boisées reculées. Ces capteurs se connectent via LoRaWAN et doivent pouvoir fonctionner plusieurs années sans remplacement fréquent des batteries en raison du coût élevé et de la difficulté d'accès aux sites éloignés. Lors du développement de ses produits, l'entreprise Y a été confrontée à plusieurs défis : estimations incohérentes de la durée de vie de la batterie, consommation rapide de l'énergie lors des transmissions de données, et variations des performances de la batterie dans différentes conditions environnementales.

Suite de produits Otii | Mesures de puissance compactes et portables pour les tests au bureau, en laboratoire et sur le terrain. (Source de l'image : Qoitech)

1. Identifier les facteurs clés ayant un impact sur la durée de vie des batteries LPWAN

Pour résoudre ces problèmes, l'entreprise Y a commencé par essayer de comprendre les facteurs qui influencent la durée de vie de la batterie, notamment la consommation d'énergie lors des différents états du dispositif, les exigences de connectivité réseau et l'impact des variables environnementales.

Mesures réelles et calculs théoriques

L'approche initiale de Y impliquait l'utilisation de calculs théoriques pour estimer la durée de vie de la batterie d'après les valeurs indiquées dans la fiche technique. Cependant, en mesurant la consommation énergétique avec des outils comme les instruments Otii, ils ont trouvé des écarts entre la consommation théorique et la consommation réelle. Par exemple, un capteur transmettant des données toutes les heures à 100 mW consommait 30 % d'énergie en plus dans des conditions réseau médiocres que dans des conditions optimales, en raison des retransmissions et des temps de connexion plus longs. Le profilage énergétique a montré la nécessité de procéder à des ajustements adaptatifs de la puissance de transmission pour optimiser la durée de vie de la batterie, réduisant ainsi la consommation énergétique inutile de 20 %.

Suite de produits Otii | Instruments Otii. (Source de l'image : Qoitech)

2. Implémenter des techniques de gestion de l'alimentation pour une durée de vie optimale des batteries

L'entreprise Y a appliqué diverses stratégies de gestion de l'alimentation axées sur la réduction de l'utilisation énergétique pendant les périodes d'inactivité et la transmission de données.

Étapes de gestion de l'alimentation et résultats

• Ajustement dynamique de la puissance de transmission : l'entreprise Y a adopté une stratégie pour ajuster la puissance de transmission du dispositif en fonction de la qualité du signal et de la distance par rapport à la station de base. Pour les dispositifs plus proches de la station de base, la puissance de transmission a été réduite, ce qui a entraîné une réduction de la consommation énergétique globale et un allongement de la durée de vie de la batterie.
• Mode veille optimisé : les capteurs passaient la majeure partie du temps en veille profonde, en s'activant uniquement pour la collecte et la transmission de données. Le micrologiciel a été configuré pour ajuster de manière dynamique les durées de veille en fonction de l'importance des données, par exemple lors des changements rapides de température. Cet ajustement a considérablement réduit la consommation énergétique moyenne pendant les périodes d'inactivité.
• Réduction du temps actif pendant la transmission : en optimisant le protocole de communication pour compresser les paquets de données et en réduisant la fréquence des mises à jour d'état, l'entreprise Y a réussi à réduire la puissance utilisée lors des transmissions, contribuant ainsi à une utilisation plus efficace de l'énergie.

Suite de produits Otii | Otii Ace Pro | Configuration Power Box mesurant le courant, la puissance et la tension. (Source de l'image : Qoitech)

3. Choisir la batterie adaptée aux conditions difficiles

Pour les dispositifs IoT tels que les capteurs environnementaux de l'entreprise Y, qui fonctionnent en extérieur avec des températures variables, choisir une batterie appropriée est essentiel pour garantir des performances fiables et une durée de vie étendue. Les facteurs clés à prendre en compte sont l'électrochimie, la capacité, la densité d'énergie, les caractéristiques de tension et de décharge, la plage de températures, la durée de conservation des dispositifs, ainsi que leur coût et leur durée de vie. En évaluant ces facteurs, les ingénieurs de Y garantissent une alimentation fiable et durable pour leurs dispositifs IoT, contribuant ainsi au succès global de leurs déploiements.

4. Quatre étapes pour un processus de sélection de batterie IoT réussi

Le respect d'un processus structuré de sélection des batteries a été primordial pour l'entreprise Y afin d'optimiser efficacement la durée de vie des batteries. Voici les quatre étapes qui ont été suivies :

1) Définition du cas d'utilisation : l'entreprise Y a établi que le cas d'utilisation principal impliquait une surveillance environnementale continue dans diverses conditions extérieures, ce qui nécessitait des batteries robustes avec une densité d'énergie élevée et une résistance aux températures.

2) Profilage énergétique : grâce à l'outil Otii Battery Toolbox, l'entreprise Y a réalisé un profilage énergétique pour les différentes activités des dispositifs, comme la transmission de données, la détection active et la veille profonde. Les données du profilage ont montré que 80 % de la consommation énergétique découlaient de la transmission, ce qui nécessitait une optimisation plus poussée et de nouvelles itérations du micrologiciel et du logiciel d'application.

3) Création de profils de batterie : des profils de batterie ont été créés en fonction de scénarios d'utilisation réels, notamment avec diverses températures et conditions de charge. Cela a mis en évidence des différences quant à la capacité disponible entre différentes marques et compositions chimiques, en particulier dans les situations à consommation élevée de courant.

4) Émulation des performances des batteries : grâce à l'outil Otii Ace Pro, l'entreprise Y a reproduit les profils de batteries afin d'émuler les conditions réelles. Les tests ont révélé que, selon la charge, la capacité utilisable réelle de certaines marques de batteries n'atteignait que 60 % de la capacité indiquée dans la fiche technique, ce qui souligne l'importance d'un profilage détaillé.

Suite de produits Otii | Configuration de profileur de batteries. (Source de l'image : Qoitech)

5. Profilage et émulation des chimies de batteries

Dans son étude de cas liée au profilage de différentes chimies de batteries, Qoitech a comparé en détail différentes chimies de batteries en utilisant Otii Ace Pro et Otii Battery Toolbox. L'entreprise Y a appliqué ces méthodes pour évaluer les performances de différentes batteries dans ses dispositifs.

Résultats du profilage pour des estimations réalistes de la capacité des batteries

• Batteries au lithium-manganèse : le profilage de trois échantillons de la batterie LM17500 de Saft a révélé une capacité moyenne de 3050 mAh à température ambiante, ce qui est légèrement supérieur à la valeur indiquée dans la fiche technique. En conditions de froid, la capacité a chuté de seulement 10 % environ, ce qui indique une forte résilience en termes de température.
• Batteries alcalines : les variations de la capacité en fonction des marques étaient significatives, avec les batteries AAA allant de 1080 mAh à 1150 mAh, et les batteries AA de 2420 mAh à 2730 mAh. Les batteries alcalines affichaient une réduction de leur capacité jusqu'à 35 % à 0°C, ce qui en fait une solution moins adaptée pour les déploiements en conditions de temps froid.
• Émulation des profils de batterie : en reproduisant les profils de batterie avec Otii Ace Pro, l'entreprise Y a pu prédire les arrêts du dispositif dans différentes conditions de batterie. Cette approche avec émulation a permis des estimations précises des cycles de vie du dispositif dans divers scénarios, garantissant ainsi une planification fiable de la gestion de l'alimentation.

Suite de produits Otii | Battery Toolbox | Émulation de batterie. (Source de l'image : Qoitech)

Conclusion : une approche globale pour optimiser la durée de vie des batteries LPWAN

Le parcours de l'entreprise Y souligne l'importance critique d'adopter une approche technique systématique pour optimiser la durée de vie des batteries dans les dispositifs IoT LPWAN. La validation des batteries en conditions réelles (en tenant compte des schémas de consommation énergétique réels, des facteurs environnementaux et des comportements opérationnels) permet de garantir que les dispositifs sont testés dans des scénarios qui reflètent vraiment leur utilisation prévue. Cette approche va au-delà des estimations théoriques et des valeurs indiquées dans les fiches techniques, en se concentrant plutôt sur l'optimisation de la gestion de l'alimentation, l'ajustement des techniques écoénergétiques, et la sélection et le profilage rigoureux des batteries.

En suivant ces pratiques, les développeurs peuvent considérablement améliorer les performances globales et la durée de vie des capteurs IoT, et ainsi garantir un fonctionnement fiable et efficace même en environnements difficiles.