الفهرس 
Electromagnetic Energy Harvesting Systems
INTRODUCTIONOnly 14 pages are availabe for public view
 |  | from | 96 |  |  |
| | | from | 96 | | |
Abstract
تم استخدام تقنيات حصاد الطاقة في العديد من التطبيقات لاستبدال البطاريات التقليدية. واحدة من مصادر حصاد الطاقة هي طاقة الراديو العالية التردد. وقد تم تطبيق حصاد طاقة الراديو العالية التردد في الأنظمة اللاسلكية لتشغيل الأجهزة ذات الطاقة المنخفضة. نظراً لأن كمية طاقة الراديو العالية التردد التي يمكن حصادها تعتمد على توافر الإشارة، فإن معرفة ملف استهلاك الطاقة مهمة جداً. ولذلك، فإن توقعات كمية الطاقة مطلوبة للمساعدة في تحسين أداء دائرة حصاد الطاقة. وقد تركزت الأبحاث السابقة بشكل رئيسي على تحسين سياسات حصاد الطاقة أو تقدير الطاقة المحصودة نظرياً، مع إيلاء قليل من الاهتمام لتوقع الإشارات الكهرومغناطيسية كبيانات سلسلة زمنية باستخدام قياسات فعلية. وعلاوة على ذلك، فإن التحديات مثل استهلاك الطاقة الناتج عن قرارات الحصاد وتأثير القيم الشاذة و الانحرافات على أداء النموذج لم تحل بعد. يقدم هذا البحث نهجاً شاملاً لتطوير النموذج التنبؤي الأكثر دقة لطاقة RF في فئات الترددات الخلوية. تتم أخذ قياسات في الوقت الحقيقي عبر مجموعة متنوعة من فئات الترددات باستخدام تقنية الراديو المحدد بالبرمجيات، ونستخدم أربعة تقنيات للذكاء الاصطناعي لتنمية نموذج إشارة طاقة RF بالإضافة إلى ذلك، نقترح نموذجًا محسنًا بوظيفة خسارة محسنة تعزز متانة النموذج تجاه الانحرافات المفاجئة في البيانات، مما يوفر قدرة حسابية ووقتًا في تنظيف البيانات.تم دراسة أداء الأربعة خوارزميات ومقارنتها فيما يتعلق بدقتها في التنبؤ لفترة خمس دقائق. تظهر النتائج العددية أن ذاكرة الوصول العشوائي القصيرة الأجل (LSTM)لديها أعلى أداء، تليها خوارزمية DeepAR، بدقة تنبؤ بلغت 95.76٪ و 95.02٪ على التوالي في نطاق 1960 ميجاهرتز. علاوة على ذلك، أظهر النموذج المحسّن المقترح انخفاضًا بنسبة 32.2٪ في خطأ التنبؤ مقارنةً بالنماذج التقليدية. يقلل التنبؤ بالطاقة المتوسطة لفترة زمنية مستقبلية من عدد قرارات الحصاد التي يحتاجها الدائرة، وبالتالي تستهلك الدائرة أقل طاقة.