一辆太阳能监控拖车在材料堆场连续运行了三个季度,从未出现过断电情况。车顶装有两块太阳能电池板,车底箱内装有24V磷酸铁锂电池组,桅杆上固定安装了四个摄像头。
有人把四台摄像头换成了带AI检测功能的新款。同一厂商,同一台PoE交换机,同一块面板,同一块电池。
拖车在第四天就报废了。
一切正常。电池组运行良好,太阳能电池板也很干净,充电控制器也完全按照设计运行。只是负载发生了变化,而最初的容量计算无法预见到这一点。
这不是安装错误,而是一个算术问题。这个问题出现的频率很高,值得仔细排查。
那些停止运作的数字
如果您之前指定过离网摄像系统,您就会掌握一些相关数据。
一台固定的 4MP 摄像头运行 H.265 编码,功耗为 5 到 7 瓦。打开红外照明器后,功耗会增加到 9 到 11 瓦。再加上一个小型 PoE 交换机和一个蜂窝路由器,一个配备四台摄像头的拖车白天功耗接近 35 瓦,晚上接近 50 瓦。
这些数据十年来一直保持不变,是因为其背后的工作原理从未改变。传统的IP摄像头读取传感器数据,将图像输入固定功能的处理器,然后将编码后的视频流发送到网络。这三项工作都在专用的芯片上运行,这些芯片的设计初衷就是为了低成本地完成一项单一任务。因此,市场竞争几乎停滞不前。
一台进行机载检测的摄像头,除了上述所有操作之外,还要运行一个神经网络推理工作负载。该工作负载的三个特性对功耗至关重要:
它持续运行。摄像机不会等待运动触发后再进行判断。它会不断处理帧,因为它正是通过这种方式来判断物体是人、车辆还是塑料袋。
它会同时提升帧速率和分辨率。低帧速率会降低检测性能,而小物体需要更大的像素,因此以前以 4MP 分辨率 10fps 传输数据的摄像头现在可以以 8MP 分辨率 20 或 30fps 运行。传感器、编码器和推理引擎会同步扩展。
它的功耗会随着场景的变化而变化。凌晨三点的静谧空地和狂风呼啸、树枝摇曳的空地,即使是同一台摄像机安装在同一个支架上,产生的功耗数据也会有所不同。
在数据手册中,所有这些信息都显示为一行。摄像头从 PoE 3 级升级到了 4 级。
Peak 在这里并没有提供任何有用的信息。
3 类电源可为被供电设备提供最高 12.95W 的功率。4 类电源可为被供电设备提供最高 25.5W 的功率。因此,表格中的数字翻了一番,人们很容易就想把表格中的数字也翻倍,然后继续计算下去。
太阳能发电系统的尺寸计算并非基于峰值瓦数,而是基于每日瓦时数,而且两种相机类型的峰值瓦数和平均瓦数之间的差距也不同。
带红外功能的固定摄像机的峰值与平均值之比约为 1.2。它几乎一直处于平均值附近。
运行连续推理的摄像机的数值更接近 1.5 或 2.0,因为推理引擎会随着场景活动而降低性能。
这使得铭牌上的数据在两个方向上都存在问题。如果按照 4 级额定值来计算,阵列就会过大;如果按照之前的平均值来计算,则电池组就会过小。这两个数字都无法回答唯一重要的问题,那就是摄像机在实际运行场景中 24 小时的功耗是多少瓦时。
货物移入了黑暗中。
离网设计依赖于一个合理的假设:白天发电量足以满足白天的用电需求,并且还有剩余,电池只需要满足夜间的用电需求。
现在想想检测工作负载最繁忙的时候是什么时候。
安保区域在工作时间内安静,下班后则繁忙起来。车辆凌晨2点才抵达。午夜至凌晨5点之间,风、车灯和动物都会触发警报器。红外照明器在此期间始终处于满负荷运转状态。
因此,用电高峰期恰好出现在零输入窗口内。预算中夜间部分的增长速度快于白天部分,这意味着即使不考虑更高的每日总用电量,每个周期也会承受更大的压力。在原本夜间和白天用电量几乎相等的情况下,升级后的网站夜间负载可能比白天负载高出 30%。
天气变化导致需求增加,同时供应减少。
这就是为什么预告片能在7月生存下来,却在11月失败的原因。
雨、雪、雾和飞扬的碎石都会给画面带来运动感。一个观察飘雪的分类器比观察空旷的砾石停车场的分类器工作量要大得多,因此推理占空比会提高,绘图量也会随之增加。
同样的天气,晴天时的产量会大幅下降。
需求和供应同时朝着相反的方向变化,原因也相同。备用容量计算无法反映这一点,因为它将负荷视为常数,将发电量视为变量。一旦负荷与云量相关,基于五天自主运行时间的计算就不再成立了。
更深的周期,更短的银行存量
保留现有电池,系统依然可以正常工作。只是每天的循环深度会更深。
LiFePO4 循环寿命与放电深度密切相关,放电深度从30%增加到60%的代价不小。浅放电循环下可使用五年的电池组,在深放电循环下可能只能使用两到三年。拖车继续运行,客户依然满意,而更换电池的账单却比任何人预想的都要早几年才到账。
同一辆拖车,两代摄像机。
相同的场地,相同的 24V 架构。只有摄像头和计算设备有所变化。以下数据来自 Coram 的 太阳能监控拖车 这些建筑只是一个参考点,而不是一个规格,因为每个建筑的定价都不同。
旧版本
| 载荷 | 日(W) | 夜(W) |
|---|---|---|
| 4颗固定4万像素摄像头,H.265 | 24(每个6) | 40(每人 10 个,红外线开启) |
| PoE交换机 | 5 | 5 |
| 蜂窝路由器 | 7 | 7 |
| 合计 | 36 | 52 |
单程十二小时: 每天 1,056 瓦时
AI相机构建
| 载荷 | 日(W) | 夜(W) |
|---|---|---|
| 4个AI摄像头,内置推理功能 | 50(平均每人 12.5) | 70(平均每人 17.5,IR 开启) |
| PoE+ 交换机 | 8 | 8 |
| 蜂窝路由器 | 7 | 7 |
| 合计 | 65 | 85 |
单程十二小时: 每天 1,800 瓦时
这相当于1.7倍,并且会将所有流量向下游转移。以下是根据80%可用排放深度,满足四天自主运行的需求量计算得出的参数:
| 百年传承 | 人工智能相机 | |
|---|---|---|
| 日常消费 | 1,056瓦 | 1,800瓦 |
| 四天预留 | 4.22千瓦时 | 7.20千瓦时 |
| 名义银行存款占国防部存款的80% | 5.28千瓦时 | 9.00千瓦时 |
| 24V时的容量 | 阿220 | 阿375 |
| 阵列在 4.5 个峰值日照小时下运行,功率降额为 0.75。 | 313W 瓦 | 533W 瓦 |
| 阵列在 2.5 个峰值日照小时下运行,功率降额为 0.75。 | 563W 瓦 | 960W 瓦 |
最后一行最棘手。冬季的太阳能板阵列从两块增加到五块,安装在可拖挂的底盘上,现在需要考虑风荷载、桅杆间隙和拖车舌重等因素。此外,电池箱的容量也几乎翻了一番。
更换摄像头花了两个小时。其后果影响到了底盘。
冬季编号即设计编号
在这里,年平均值毫无意义。你的系统是由其最差月份的表现来定义的。
在美国北部,这意味着从 11 月下旬到 1 月,此时日照高峰时间降至 2 或 2.5 小时,阴天持续不断,白天时间短,导致红外照明器每天工作 15 小时而不是 12 小时。
先计算当月的情况,然后再计算一次,这次加上一周的阴天。两次都挺过来了,剩下的日子就迎刃而解了。
冷充电陷阱
气温下降时会发生两件事,而且这两件事相互抵消。
可用容量下降。磷酸铁锂电池在0℃下的实际可用容量明显低于标称容量,因此原本四天的备用容量会悄然变为三天。
更重要的是,标准的磷酸铁锂电池不应在冰点以下充电,而且必须使用结构合理的电池。 BMS 会阻断充电电流以保护组件。这意味着,即使在寒冷晴朗的早晨,即使阵列完整、阳光明媚、控制器正常工作,组件也不会充电。这一点很容易让人误判,因为所有指示灯看起来都正常。
有两种解决办法。一是加装加热器,但这会消耗你原本就捉襟见肘的预算中的瓦时,通常占每日总耗电量的 10% 到 15%。二是选用低温充电电池,虽然前期投入较高,但可以省去加热器的负载,并减少一个故障点。对于负载远高于前代产品的系统而言,第二种方案通常在整个部署过程中更经济。
第三种选择是无人承担成本。
有一种方法可以在完全不影响摄像头负载的情况下添加检测功能:将低功耗摄像头留在桅杆上,并在下游的一个设备上运行推理。
这项交易是用固定的24小时负载取代分散在四个摄像头上的可变负载。最终结果如何,完全取决于设备的功耗。
| 构建 | 每日 Wh | 24V 电压 | 冬季阵列 |
|---|---|---|---|
| 旧式摄像头,无法检测 | 1,056 | 阿220 | 563W 瓦 |
| 现有摄像头加15瓦电器 | 1,416 | 阿295 | 755W 瓦 |
| 现有摄像头加25瓦电器 | 1,656 | 阿345 | 883W 瓦 |
| 四台人工智能摄像头 | 1,800 | 阿375 | 960W 瓦 |
盈亏平衡点在 31W 左右。如果设备在四个通道上功耗超过这个值,就会完全抵消掉设备带来的优势,因此这需要实际计算,而不是想当然地认为一定能达到。在四摄像头系统中,使用设备通常是更划算的方案。但随着通道数量的增加,这种优势会逐渐缩小。
有四点需要注意:
解码成本随通道数和分辨率的增加而增加。设备必须先解码每个视频流才能进行分析,因此随着站点规模的扩大,其优势会逐渐消失。当摄像头数量达到八到十二个时,这种优势甚至可能完全消失。
这是一个单点故障。摄像头损坏,就无法监控一个区域。设备损坏,所有区域的监控都会失效。
老旧摄像头并非为模型训练而设计。帧速率低、低光照传感器性能差、压缩伪影更多。五年前的摄像头采集的检测质量可能不如专用摄像头,而且无论后续进行多少计算,都无法修复噪声较大的 10fps 数据流。
该设备需要在密封外壳内留出散热空间。有时这意味着需要一个风扇,但这会增加功耗并增加一个运动部件。
不要以为移动计算资源就意味着移动了电力。
下一个合理的问题是:为什么不把所有数据都发送到云端进行处理呢?
有时正确,但往往不正确,原因在于调制解调器。
空闲的蜂窝调制解调器耗电量极低。而持续进行上行链路连接的调制解调器耗电量则要高得多,并且耗电量与其维持连接的强度成正比。在信号只有两格的远程站点,仅发射功率就可能与推理引擎的耗电量不相上下。
边缘处理的部分作用在于,它可以发送元数据和短视频片段,而不是连续的视频流。这样可以节省带宽,而且在电池供电的情况下,通常也能节省电量。
值得一提的是:使用定向天线对准正确的信号塔,不仅可以优化连接,还能优化功率输出。更好的信号意味着更低的发射功率,也就是更少的瓦时。
需要改变什么
测量,不要具体说明。 将相机放在工作台上,对准一个有真实活动场景的地点,记录24小时内的瓦时数。这一步骤就能发现大多数尺寸误差。
构建两个负载曲线。 安静的场地和繁忙的场地。繁忙场地的尺寸更大。安静场地的尺寸则能告诉你真正的空间余量。
将白天和黑夜分别建模为独立的模块。 不要取平均值,而是使用成绩最差的月份的小时分配数据。
根据使用寿命目标设计放电深度 不仅仅是你的自主目标。五年银行周期意味着更浅的周期和更大的容量。
调整检测区域以增强功率,而不仅仅是为了避免不必要的警报。 在帧边缘遮蔽繁忙的道路可以降低推理占空比。大多数人这样做是为了减少误报,却从未注意到它还能节省电量。这是最经济有效的方法,也是运行资源紧张的网站首先应该检查的内容。
使用MPPT。 随着负载增加,PWM 的收成差距会扩大,在寒冷、光线较弱的条件下(也就是收成最差的月份),这种差距尤为显著。
明确地将收音机和暖气设备列入预算。 两者经常被遗漏在电子表格中,而它们加起来可以占到每日消耗量的五分之一。
两件事千万别做。不要因为拖车还能用就重复使用旧电池组,因为循环次数是原来的两倍,会更快损坏。也不要为了增加电池容量而增加太阳能电池板:增加太阳能电池板数量在晴天确实有帮助,但在连续五天阴天的情况下毫无作用,因为续航里程取决于电池容量。
速查表
| 问题 | 工作答案 |
|---|---|
| AI相机构建的初始假设 | 1.5倍到2倍于同等非AI配置的数值,然后进行测量 |
| 峰值到平均值,固定摄像头 | 关于1.2 |
| 峰均值连续推断 | 约 1.5 至 2.0 |
| 设计应选择哪个月份。 | 最糟糕的情况,再加上一周的阴天。 |
| 为五年银行设计国防部 | 50%或更浅 |
| 寒冷气候取暖器补贴 | 每日瓦时数的 10% 至 15% |
| 集中式推理收支平衡,四个通道 | 大约 31 瓦电器功率 |
| 充电控制器 | MPPT |
底线
从固定摄像头升级到带内置检测功能的摄像头看似只是简单的更换。但从功耗角度来看,这完全是另一种负载:平均功耗更高,会随场景活动而变化,在无阳光照射的时段功耗更高,并且与导致发电量减少的天气状况密切相关。
每日瓦时数的 1.5 倍到 2 倍之间是一个比较合理的起点。然后进行测量,因为对于你的相机和拍摄场景而言,只有这个倍数才真正重要。

