电气工程师先驱尼古拉·特斯拉(Nikola Tesla)在事业的巅峰时期,突然产生了一个想法。他提出了一个理论,电力可以通过空中远距离无线传输——可以通过一系列战略位置上的发射塔,也可以跳过一个悬挂气球的系统。

的事情没有按计划进行特斯拉的全球无线电力供应的雄心从未实现。但这一理论本身并没有被推翻:它只需要相当大的能量,而大部分能量都会被浪费掉。

现在,一篇研究论文指出,5G网络的设计者可能在不知情的情况下建立了特斯拉在20世纪初未能建立的东西:一个“无线电网”,可用于为嵌入在汽车、家庭、工作场所和工厂的小型设备充电或供电。

由于5G依赖于密集的基站网络和一系列强大的天线,因此,同样的基础设施只要进行一些调整,就有可能将能量发送到小型设备。但传输仍将受到特斯拉塔的关键缺陷:高能源浪费,鉴于气候危机的紧迫性,这可能很难证明是合理的。

5G网络

几十年前,被发现了紧密聚焦的无线电波束可以传输相对较大的距离,而不使用电线携带电荷。同样的技术现在被用于5G网络:通过从本地天线传输的无线电波,最新一代的技术束缚到手机。

这种5G技术旨在提供1000倍的容量增加在上一代的4G技术中,每平方公里最多可允许100万用户连接,这让在音乐节或体育赛事上搜索信号的时刻成为历史。

为了支持这些升级,5G使用一些工程魔法,这一魔法有三个部分:非常密集的网络,具有更多桅杆,特殊天线技术,并包含毫米波(mmWave)传输与更传统的频带。

最后一种是mmWave,它以较短的传输距离为代价,开辟了更多的带宽。大多数WiFi路由器运行在2GHz频段。如果你的路由器有一个5GHz的选项,你会注意到电影流更流畅——但是你必须离你的路由器更近才能工作。

进一步增加频率(如MMWAVE,它在30GHz或更高操作中运行),并且您看到带宽的更大改进 - 但您需要更接近基站以访问它。这就是5G桅杆的原因更密集的聚集比4 g桅杆。

最后一点魔术是增加更多的天线——在128到1024之间,而4G的天线数量要少得多(某些情况下只有两个)。多个天线使天线杆形成数百个铅笔状的波束,针对特定设备,为移动中的手机提供高效可靠的网络。

这些恰好是创造一个所需的原始成分无线电力网格。增加的网络密度是特别重要的,因为它开辟了使用mmWave波段传输不同的无线电波的可能性,可以同时承载互联网连接和电力。

用5G功率试验

实验使用新型天线以促进无线充电。在实验室中,研究人员能够在相对较短的距离超过2米的相对较短的距离上射频5G电力,但他们期望其未来的设备,其设备将能够在远处传输6μW(600万瓦)的距离180米。

具体来说,普通的物联网(IoT)设备消耗着周围的一切5μW但只有在他们处于深度睡眠模式时。当然,随着智能算法和更高效的电子产品的开发,物联网设备运行所需的能量将越来越少,但6μW仍是非常小的能量。

这意味着,对于至少,5G无线电力不太可能是在您的一天中充电手机的实用性。但它可以收取或权力物联网设备,比如传感器和警报器预计会广泛传播将来。

例如,在工厂中,数百个IOT传感器可能用于监测仓库中的条件,以预测机器中的故障,或跟踪沿生产线的部件的移动。能够直接向这些物联网设备发出电源,将鼓励移动到更有效的制造实践。

初期问题

但在此之前,仍有许多挑战需要克服。为了提供无线电力,5G基站将消耗约31千瓦的能量,相当于10个水壶不断烧开水。

虽然令人担忧的是5G技术会导致癌症的广泛由科学家推迟如果这样的话,从桅杆发出的这么大的能量可能不安全。一个粗略计算建议用户需要距离桅杆至少16米以遵守安全性法规由美国联邦通信委员会设定。

尽管如此,这项技术仍处于起步阶段。当然,未来的方法,如更窄、更有针对性的波束的新天线,可能会显著地减少能源每个桅杆所需和浪费。

目前,拟议的系统相当令人联想到虚构的“Wonkavision.“在Roald Dahl的查理和巧克力工厂,这取得了光束糖果的壮举,但不得不使用一块巨大的巧克力来在另一端产生更小的巧克力。

因为与传输给设备的电力相比,5G无线电力将消耗大量电力,因此目前5G无线电力还处于推测阶段。但是,如果工程师们能找到更有效的方法将电力传输到空中,尼古拉·特斯拉的无线电力梦想很可能实现——100多年前他的尝试失败了。谈话

本文已重新发布谈话在创造性的公共许可证下。阅读原文

图像信用:Dickenson V. Alley / Wellcome Collection via Wikimedia Commons

Elena于2000年获得智能传感器系统博士学位(考文垂大学);2009年,她被同一所大学授予普适计算教授称号。在她的职业生涯中,Elena在网络物理系统领域积累了坚实的学术声誉——特别是基于mems的智能传感系统、无线传感器网络(WSNs)和物联网……
James Brusey是考文垂大学数据科学中心的计算机科学教授,领导AI互联网。他目前的研究是机器学习,加固学习和应用无线网络传感。最近的工业上专注的项目涉及车辆热舒适度(用JLR),住宅建筑和热舒适(轨道组),PA ...