In Japan haben Forscher es geschafft und das erste Mal Strom per LED-Licht transportiert

Ein Forschungsteam aus Tokio hat ein System entwickelt, das kleine Geräte durch gebündelte Infrarot-LED-Strahlen auf bis zu fünf Metern Entfernung kabellos mit Strom versorgt.

Das Internet of Things besteht aus zahlreichen Geräten. Ein japanisches Forscherteam will dieses nun kabellos mit Strom versorgen. (Bildquelle: Jakub ZerdizckiUnsplash) Das Internet of Things besteht aus zahlreichen Geräten. Ein japanisches Forscherteam will dieses nun kabellos mit Strom versorgen. (Bildquelle: Jakub Zerdizcki/Unsplash)

Ein Forschungsteam des Institute of Science Tokyo hat ein innovatives System vorgestellt, das kabellose Stromübertragung über Licht ermöglicht. Die Lösung richtet sich vor allem an das Internet der Dinge (IoT) – also der wachsenden Flut an vernetzten Sensoren, Thermostaten und Bewegungsmeldern, die bislang entweder Batterien benötigen oder per Kabel mit Strom versorgt werden müssen.

Prof. Tomoyuki Miyamoto und der Doktorand Mingzhi Zhao wollen mit ihrer Publikation in der Fachzeitschrift Optics Express eine Alternative zeigen, die sowohl praktikabel als auch sicher sein soll: »Optical Wireless Power Transfer« (OWPT).

Video starten 1:00:20 Wird die nächste Steam Machine wieder zum Desaster für Valve?

Das Herzstück: Adaptive Optik und KI-Steuerung

Das OWPT-Prinzip funktioniert wie folgt: Ein fokussierter Infrarot-LED-Lichtstrahl wird präzise auf kleine Photovoltaikzellen gerichtet, die das Licht in elektrische Energie umwandeln. Damit unterscheidet sich das System grundsätzlich von bisherigen Ansätzen zur optischen Energieübertragung, die üblicherweise Laser nutzen.

  • Generell arbeitet das System mit einer zweistufigen Linsenkombination, um die Effizienz zu maximieren.
  • Eine Flüssiglinse passt den Fokus dynamisch an den Abstand des Empfängers an, während eine zweite feste Linse den Strahl präzise auf die Solarzellen richtet.
  • Diese Anordnung ermöglicht es, den LED-Spot auch über Distanzen von gut fünf Metern ausreichend scharf zu bündeln.

Hinzu kommt eine Tiefenkamera mit RGB- und Infrarot-Sensor, um die Photovoltaikzellen zu erkennen und zu verfolgen. Dabei kommt ein auf künstlicher Intelligenz basierendes Modell zum Einsatz – genauer gesagt ein neuronales Netz nach dem »Single-Shot-MultiBox-Detector-Algorithmus« (SSD).

Kurz gefasst: Der SSD-Algorithmus ist ein Verfahren für künstliche Intelligenz, das Objekte in Bildern in einem einzigen Schritt erkennt und lokalisiert (via University of North Carolina).

Statt ein Bild mehrfach zu analysieren, durchsucht SSD es einmal mit verschiedenen Gittern und Objektgrößen gleichzeitig. Der Algorithmus zeichnet anschließend um jedes erkannte Objekt automatisch Begrenzungsrahmen (»Bounding Boxes«), bestimmt deren Position und Größe und vergibt Klassifizierungen.

Mit Dual-Mode-Betrieb zwischen Tag und Nacht

Die OWPT-Kamera arbeitet tagsüber mit normalen Bildern; nachts nutzt sie Rückstrahler, die um die Solarzellen angebracht sind. Damit funktioniert das System unabhängig von Lichtverhältnissen.

Ein weiteres Hauptmerkmal ist der automatische Umschaltbetrieb zwischen Tag und Nacht: Das System wechselt innerhalb von weniger als 50 Millisekunden zwischen Tages- und Nachtmodus, ohne die Stromversorgung zu unterbrechen. In den Experimenten des Forschungsteams konnte das System so zuverlässig zwischen mehreren Photovoltaikzellen unterschiedlicher Größe und Entfernung schnell wechseln.

Derzeit erreicht die Technologie eine optische Effizienz von etwa 56 Prozent – ein Wert, der durch Strahlungsverluste und Absorption in der Flüssiglinse begrenzt wird.

Laut den Forschern könnten optimierte LED-Optiken den Wirkungsgrad auf über 80 Prozent steigern, was die Technologie für praktische Anwendungen deutlich realistischer machen würde. Damit läge OWPT nämlich in etwa auf dem Niveau von handelsüblichen photovoltaischen Systemen, wie sie aktuell in kleinen IoT-Geräten zum Einsatz kommen.

zu den Kommentaren (3)

Kommentare(3)
Kommentar-Regeln von GameStar
Bitte lies unsere Kommentar-Regeln, bevor Du einen Kommentar verfasst.

Nur angemeldete Benutzer können kommentieren und bewerten.