Energy harvesting for an embedded system based on adaptable FPGAs: an exploratory analysis

Energy harvesting systems are a promising technology for achieving energy-autonomous systems. In this thesis, we present an Energy Harvesting Embedded System designed to operate autonomously in remote locations, using energy from a solar panel and a rechargeable battery. The system integrates task processing both in software and hardware. We equipped it with three FPGAs, which handle the most computationally intensive tasks. The software component, on the other hand, acts as the control unit of the entire system. Our goal is to delay as much as possible the moment when the system reaches a critical energy level. The use of three FPGAs increases energy costs, but their reprogrammable nature allows for different system configurations, each with varying energy requirements. We have implemented an algorithm that, given a certain number of configurations, selects the optimal one based on the system's energy state, determined by the energy available in the battery, the power incoming from the solar panel, and a forecast of energy availability over the next 24 hours. To test our system, we implemented Sobel filters in hardware for edge detection. We conducted two experiments to evaluate the system performance, recalculating the optimal configuration every 10 minutes in one case and every 30 minutes in the other. The results show that the system can dynamically adapt to changing environmental energy conditions without sacrificing the computational power of the hardware accelerators and without depleting its energy reserves.

I sistemi a raccolta di energia sono una tecnologia promettente per ottenere sistemi autonomi dal punto di vista energetico. In questo lavoro di tesi presentiamo un Sistema Incorporato a Raccolta di Energia progettato per operare autonomamente in luoghi remoti, utilizzando l’energia da un pannello solare e una batteria ricaricabile. Il sistema integra l’elaborazione di task sia in software che in hardware. Lo abbiamo equipaggiato con tre FPGA, che gestiscono i task più intensivi dal punto di vista computazionale. La parte software, invece, funge da unità di controllo. Dell’intero sistema. Il nostro obiettivo è ritardare il più possibile il raggiungimento del livello critico di energia. L’utilizzo di tre FPGA aumenta i costi energetici, ma la loro capacità di essere riprogrammabili consente di avere diverse configurazioni del sistema, ognuna con differenti requisiti energetici. Abbiamo dunque implementato un algoritmo che, dato un certo numero di configurazioni, seleziona quella ottimale in base allo stato energetico del sistema, determinato dall'energia disponibile nella batteria, dalla potenza in arrivo dal pannello solare e da una previsione sulla disponibilità di energia nelle successive 24 ore. Per testare il nostro lavoro, abbiamo implementato in hardware dei Sobel filter per l'edge detection. Abbiamo condotto due esperimenti per valutare le performance del sistema, ricalcolando la configurazione ottimale ogni 10 minuti in un caso e ogni 30 minuti nell’altro. I risultati dimostrano che il sistema riesce ad adattarsi dinamicamente alle variazioni delle condizioni energetiche ambientali, senza sacrificare la potenza di calcolo degli acceleratori hardware e senza esaurire le sue riserve di energia.