Selbstbetriebener intelligenter Sensor für die Innenumgebung (SmartSensor)
Dieses Projekt konzentriert sich darauf, einen selbstversorgenden, intelligenten Umweltsensor zu entwickeln, der effiziente Perowskit-Solarzellen unter schwachem Innenlicht nutzt. Wir wollen die Energieeffizienz des Sensors durch maschinelles Lernen optimieren und seine Leistung unter realen Bedingungen testen. Durch die Nutzung von Umgebungslicht
Ergebnis
Es wurde ein eigenversorgtes Sensorsystem entwickelt und in ein Photovoltaik-Solarmodul (PV) integriert, um einen autonomen Betrieb ohne Abhängigkeit von einer externen Stromquelle zu ermöglichen. Die gewonnene Sonnenenergie wurde zur Stromversorgung der Sensorik, der Datenerfassung und der drahtlosen Kommunikation genutzt, während überschüssige Energie in einem Superkondensator gespeichert wurde, um den Betrieb in Zeiten geringer Sonneneinstrahlung aufrechtzuerhalten.
Der Sensor überwachte kontinuierlich die Spannung des Superkondensators und zeichnete die Messwerte über einen längeren Zeitraum unter realen Betriebsbedingungen auf. Der gesammelte Datensatz liefert wertvolle Erkenntnisse über das Lade- und Entladeverhalten des Energiespeichersystems, die Stabilität des autarken Betriebs sowie die Wirksamkeit der adaptiven Mess- und Übertragungsstrategie.
Diese Messungen bilden die Grundlage für eine weitere Analyse der Energieeffizienz, der Betriebssicherheit und der langfristigen Machbarkeit des Systems für autonome Sensorik-Anwendungen.
Beschreibung
Das Internet der Dinge (IoT) wird durch sensoren mit eigener Energieversorgung revolutioniert, die eine kontinuierliche Datenerfassung ohne häufigen Batteriewechsel ermöglichen. Diese Sensoren gewinnen Energie aus ihrer Umgebung und machen IoT-Systeme dadurch nachhaltiger und unverzichtbar für Anwendungen wie Umweltüberwachung, Gesundheitswesen und intelligente Infrastruktur. Ihr energieeffizientes Design trägt zur Bewältigung globaler Herausforderungen wie Klimawandel und Ressourcenmanagement bei.
Ein wesentlicher Fortschritt ist die Entwicklung intelligenter IoT-Systeme, die sich an Umgebungsbedingungen anpassen. Bei selbstversorgenden IoT-Geräten, bei denen die Energiegewinnung von schwankenden Umgebungsfaktoren wie der Lichtverfügbarkeit abhängt, können Sensoren so programmiert werden, dass sie die Datenverarbeitung auf der Grundlage des aktuellen Energieprofils optimieren [1]. So maximieren sie beispielsweise bei starker Lichteinstrahlung die Datenübertragung, während sie bei schwachem Licht Energie sparen, um die Betriebsdauer zu verlängern.
Der Einsatz von Perowskit-Solarzellen als Energiequelle für IoT-Sensoren bietet aufgrund ihres hohen Wirkungsgrads, ihrer Flexibilität und ihrer Fähigkeit, auch bei schwachem Licht Strom zu erzeugen, einen erheblichen Vorteil [2]. Im Gegensatz zu herkömmlichen Zellen auf Siliziumbasis sind Perowskite vielseitiger und lassen sich speziell für den Einsatz in Innenräumen anpassen. Dadurch eignen sie sich ideal für die Stromversorgung von Sensoren in intelligenten Gebäuden und Haushalten, reduzieren den Bedarf an externen Energiequellen und Wartungsaufwand und unterstützen groß angelegte IoT-Implementierungen.
In der ersten Phase unserer Arbeit werden wir uns auf die Messung und Analyse des Umgebungslichtspektrums in den Zielumgebungen konzentrieren, um die am besten geeignete Perowskit-Zusammensetzung für eine effiziente Lichtausbeute zu ermitteln. Durch die Untersuchung der spezifischen Lichtbedingungen, wie beispielsweise der Intensität und der Wellenlängenverteilung in Innenräumen, wollen wir die Auswahl von Perowskit-Materialien mit den richtigen Bandlücken optimieren, die gut auf das verfügbare Licht abgestimmt sind. Dieser Schritt ist entscheidend für die Maximierung des Energieumwandlungswirkungsgrads unserer Solarzellen, um sicherzustellen, dass sie das Umgebungslicht effektiv einfangen und nutzen können, insbesondere unter den für Innenräume oder schattige Bereiche typischen Bedingungen mit geringer Beleuchtung. Anhand dieser Daten werden wir in der Lage sein, die Materialeigenschaften fein abzustimmen, um eine optimale Leistung für autarke IoT-Geräte zu erzielen. Um die Langzeitstabilität dieser Zellen zu verbessern, werden wir sie durch Verkapselung vor Feuchtigkeit und Sauerstoff schützen – häufige Faktoren, die zur Degradation beitragen[3]. Darüber hinaus werden wir diese verkapselten Zellen unter kontrollierten, rauen Bedingungen mithilfe unserer hauseigenen Stabilitätsprüfanlage testen, wodurch wir ihre Leistung über längere Zeiträume bewerten und ihre Lebensdauer in praktischen Anwendungen abschätzen können.
In der zweiten Projektphase werden wir die Leistung der Perowskit-Solarzellen unter Innenlichtbedingungen bewerten, um die von ihnen erzeugbare Energiemenge zu quantifizieren und etwaige Effizienzverluste im Laufe der Zeit zu ermitteln. Durch die Messung der anfänglichen Leistungsabgabe und die Überwachung ihres Leistungsabfalls unter kontrollierten Lichtbedingungen können wir bestimmen, wie effektiv die Solarzellen Innenlicht in nutzbare Energie umwandeln. Anhand dieser Daten können wir die erforderliche aktive Fläche der Perowskit-Solarzellen berechnen, um sicherzustellen, dass sie konstant genügend Strom für den geringen Energiebedarf des Umweltsensors liefern können. Außerdem werden wir die Langzeitstabilität der Zellen unter Betriebsbedingungen analysieren und potenzielle Faktoren identifizieren, die zu Effizienzverlusten beitragen, wie beispielsweise lichtinduzierte Degradation oder Umweltstressoren. Dies wird uns helfen, das Design zu verfeinern, um sowohl die Energieausbeute als auch die Langlebigkeit im Laufe der Zeit zu optimieren.
In der dritten Phase dieses Projekts werden wir Perowskit-Solarzellen zur Nutzung des Umgebungslichts einsetzen, um Umweltsensoren mit Strom zu versorgen, und diese mithilfe von Techniken des maschinellen Lernens darauf trainieren, den Energieverbrauch effizient zu steuern. Die Sensoren werden unter verschiedenen Lichtbedingungen arbeiten und Daten erfassen, um den Energieverbrauch auf der Grundlage der in Echtzeit verfügbaren Lichtmenge zu optimieren. Durch die Integration eines künstlichen neuronalen Netzes (KNN), insbesondere unter Verwendung von Long-Short-Term-Memory-Einheiten (LSTM), werden die Sensoren lernen, ihren Stromverbrauch und ihre Verarbeitungsaktivitäten dynamisch anzupassen. Dieses intelligente Energiemanagementsystem gewährleistet den kontinuierlichen Betrieb der autarken Sensoren und macht sie damit besonders geeignet für die langfristige Umweltüberwachung und andere IoT-Anwendungen, die einen effizienten, autonomen Betrieb erfordern.
Schließlich werden wir einen funktionsfähigen Prototyp des intelligenten, autarken Umweltsensors entwickeln und ihn an verschiedenen Standorten innerhalb der ZHAW installieren. Der Sensor wird Temperatur- und Feuchtigkeitsdaten aus der Umgebung erfassen und so eine umfassende Überwachung der lokalen Bedingungen ermöglichen. Auf diese Weise können wir das System unter 100 % realen Betriebsbedingungen testen und seine Energieeffizienz sowie Funktionalität im täglichen Einsatz bewerten.
Eckdaten
Projektleitung
Projektstatus
laufend, gestartet 07/2026
Institut/Zentrum
School of Engineering
Drittmittelgeber
Digitalisierungsinitiative der Zürcher Hochschulen DIZH / DIZH Fellowship 2025
Projektvolumen
88 CHF