1 引言
随着我国供热计量改革的深入推进，分户超声波热量表的装机量持续增长。与机械式叶轮热量表相比，超声波热量表以无可动部件、无机械磨损、高精度等优点正逐步成为户用供热计量的主流方案。然而，这类仪表通常安装在管道竖井或入户管段，现场引线困难，绝大多数采用内置电池长期供电。如何在有限的电池容量约束下实现10年以上连续运行，同时保证测量精度，是工程设计的核心矛盾。
早在2012年，国内研究者便基于MSP430单片机与TSS721A芯片探索了低功耗超声波热量表的系统设计，实践证明合理的休眠/唤醒调度是延长电池寿命的关键。2015年之后，时间数字转换器（TDC）芯片的大量应用使测量功耗进一步降低，典型设计中整机静态电流可压缩至9 μA以内。2022年前后，NB-IoT、LoRa等低功耗广域网技术的规模化部署，使无线通信功耗成为新的关注热点。
本文的目标是：（1）建立量化的功耗分解模型；（2）提出系统性的节能调度策略；（3）为工程设计提供可操作的电池寿命估算方法。
2 超声波热量表工作原理与系统架构
2.1 测量原理
超声波热量表基于时差法（Transit Time Difference Method）测量流量。在管道两端斜向布置一对超声波换能器，交替发射和接收超声脉冲：顺流传播时间 t₁ 小于逆流传播时间 t₂，时差 Δt = t₁ - t₂ 与流速 v 成正比：
v = D / (2L·cosθ) · Δt
式中，D 为管道内径，L 为换能器间距，θ 为超声波入射角。体积流量 Q = v·A（A 为管截面积）。
热量计算公式为：
Q_heat = ∫ ρ · c_p · ΔT · q dt
式中ρ 为介质密度，c_p 为比热容，ΔT 为供回水温差，q 为瞬时流量。
2.2 系统模块构成
一台典型的电池供电型超声波热量表主要由以下模块组成：
表1 系统模块构成
模块主要功能典型器件
MCU系统控制、热量积算、数据存储MSP430FR6047、STM32L152
时间数字转换器（TDC）高精度时间差测量TDC-GP22、GP21
超声波换能器超声波发射与接收压电陶瓷换能器
温度传感器进出口水温测量Pt1000、Pt500
电源管理模块稳压、欠压检测低静态电流LDO
显示模块数据显示段码LCD
通信模块数据远传M-Bus、NB-IoT、LoRa
电源长期供电3.6 V锂亚电池
3 功耗建模
3.1 电源选型特性分析
电池供电型热量表的主流电源为锂亚硫酰氯（Li-SOCl₂）电池，俗称"锂亚电池"。其核心优势在于：
• 标称电压：3.6 V，放电平台稳定；
• 能量密度：体积能量密度可达900 Wh/L，远高于碱性电池；
• 自放电率：年自放电率低于1%，15年储存寿命；
•工作温度：-60 ℃～+85 ℃，覆盖室外恶劣安装环境；
• 典型容量：AA型≈2.4 Ah，C型≈8.5 Ah，D型≈19 Ah。该结果为实验室理想工况，实际工程设计建议预留20%～30%余量
对于10年寿命目标，以D型19 Ah电池为例，理论可用电量（考虑0.85效率系数）约为：
Q_available = 19 Ah × 0.85 ≈ 16.15 Ah
则10年允许的平均电流上限为：
I_avg = 16150 mAh / (10 × 365 × 24 h) ≈ 18.4 μA
基于MSP430FR6047的超声波水表设计可将平均电流压缩至约3 μA，从而支持10年以上的电池使用寿命。
3.2 系统工作状态机模型
电池供电型热量表的功耗具有高度间歇性，适合用状态机模型描述。系统在以下4种状态间循环切换：
3.3 平均功耗建模
设测量周期为T_cycle，各状态持续时间和电流如表2所示：
表2 各工作状态典型功耗参数（3.6 V供电）
状态持续时间典型电流备注
S0：深度睡眠t_sleep（占主体）I_sleep：2～5 μAMCU保留RTC，LPM3模式
S1：MCU唤醒+初始化约1～5 msI_wakeup：300～500 μA时钟恢复、外设初始化
S2：超声波测量约5～20 msI_meas：1～5 mA换能器驱动+TDC采集
S3：数据处理+写存储约2～10 msI_proc：200～800 μAFlash写入功耗较高
S3+：无线通信（NB-IoT）约1～10 s（按日上报）I_NB：50～200 mA发射峰值电流高
平均电流计算公式（不含无线通信）：
I_avg = (I_sleep·t_sleep + I_wakeup·t_wakeup + I_meas·t_meas + I_proc·t_proc) / T_cycle
以测量周期T_cycle = 1 s、睡眠电流 I_sleep = 3 μA、测量激活时间共30 ms、激活电流均值2 mA为例：
I_avg ≈ (3 μA × 970 ms + 2000 μA × 30 ms) / 1000 ms ≈ 62.9 μA
这表明，激活功耗虽仅占总时间的3%，但贡献了电量消耗的约95%。因此，降低每次测量的激活功耗（缩短测量时间、降低测量电流）和延长测量周期是节能优化的核心方向。
3.4 各功耗模块贡献分析
3.4.1 超声波换能器激励电路
换能器激励是功耗最高的环节。以驱动频率200 kHz、激励脉冲宽度5 μs、驱动电压12 V、换能器等效阻抗1 kΩ为例，峰值驱动功率可达：
P_peak = V² / R = 144 / 1000 = 144 mW
但由于激励时间极短（μs级），单次测量的换能器激励能耗约为 E ≈ 144 mW × 5 μs = 0.72 μJ，折算到1秒周期仅约0.72 μW，贡献相对有限。实际上，TDC的工作电流（GP22典型约3 mA）是更主要的功耗来源。
3.4.2 温度测量模块
TDC-GP22集成了基于电容充放电时间的内置温度测量单元（PICOSTAIN技术），无需额外的激励电路，可将温度测量功耗压缩到极低水平。考虑到温度变化缓慢，温度采集周期一般设为30 s/次，远低于流量采集频率。
3.4.3 MCU睡眠电流
以TI MSP430FR6047为例，其LPM3模式（保留RTC，关闭CPU）电流典型值约为0.9 μA（25 ℃），远低于以前MSP430F系列的5～10 μA。STM32L152系列MCU在停止模式下电流约为1 μA，是热量表设计中的常用选项。
3.4.4 无线通信模块
无线通信是近年功耗设计的最大挑战。不同通信方式的功耗差异悬殊：
表3 热量表常用无线通信方式功耗对比
通信方式发射电流峰值接收电流睡眠电流典型上报功耗特征
M-Bus（有线）—约1 mA—有线供电，无额外电池消耗
无线M-Bus（wM-Bus）约30 mA约15 mA<5 μA短包，每15 min发一次
NB-IoT100～220 mA（峰值）约45 mA<5 μA月均电量约50～200 mAh
LoRa（SF12）约120 mA约11 mA<1 μA低功耗，但深度覆盖有限
以NB-IoT每天上报一次数据（发射持续约3 s）为例：
E_NB = 150 mA × 3 s ≈ 0.125 mAh，全年约45.6 mAh
虽占比不高，但NB-IoT发射峰值电流（100～220 mA）远超锂亚电池的持续放电能力，必须并联超级电容（通常0.1～1 F）作为峰值电流缓冲。
4 节能调度策略
4.1 自适应测量频率调度
传统热量表采用固定1 s/次的测量频率，但供热系统的流量在夜间和季节转换期往往长时间处于静止状态。基于流速实时检测的自适应测量频率算法可显著降低平均功耗：
IF 流速 < 阈值_低（如 Qmin 的5%）
测量周期→ T_long（如 60 s）
ELIF 流速 < 阈值_中（如 Qmin 的20%）
测量周期→ T_mid（如 10 s）
ELSE
测量周期→ T_fast（如 1 s）
若低流量时将测量频率降至1/60，则年均测量次数减少约30%，对应功耗节省近等比例。
4.2 外设电源门控
超声波驱动电路、TDC芯片、放大滤波电路等均应由MCU的GPIO引脚控制电源开关，仅在测量窗口期内供电，其余时间完全断电。典型测量时序如下：
MCU唤醒(~1ms) → 使能外设电源(稳定~2ms) → 启动TDC测量(~5ms/次×4次)
→ 读取结果(SPI,~0.5ms) → 关断外设电源 → 热量积算(~1ms)
→ 写入FRAM(~0.5ms) → MCU进入LPM3
总激活时间约20～30 ms，其余时间MCU维持LPM3睡眠。
4.3 温度采集与差分更新策略
默认30 s采集一次温度，若相邻两次温差变化超过阈值（如0.1 ℃），则缩短为5 s采集一次；
非供热季（夏季停热期）：若检测到流量为零且温差稳定，可将测量周期延长至15 min；
温度补偿系数预存于Flash，减少每次计算量。
4.4 通信模块的定时上报与PSM模式
PSM（省电模式）：配置NB-IoT模块在不需要通信时进入PSM深度睡眠，静态电流降至3～15 μA；
eDRX（扩展非连续接收）：在PSM基础上允许周期性接入，无需频繁重注册；
本地缓存批量上报：将24 h的测量数据批量压缩打包，单次完成上报；
上报时间窗口优化：选择信号质量好、传输成功率高的时段，减少重传次数。
4.5 分季节工况差异化调度策略
表4 差异化季节调度策略建议
时期典型工况建议测量周期通信频率预期节能效果
供热高峰季（12月～2月）持续稳定流量1 s每日上报基准
供热初末期（11月、3月）间歇流量5 s（自适应）每日上报节能约20%
非供热季（4月～10月）基本零流量15 min每周上报节能约70%
5 典型功耗建模案例
以搭载MSP430FR6047 + TDC-GP22 + NB-IoT模块的户用超声波热量表为例，进行全年功耗建模：
表5 全年功耗预算模型
功耗项功耗参数年累计电量占比
MCU睡眠（LPM3）0.9 μA × 8760 h7.88 mAh3.9%
流量测量（年均2.5%占空比，2mA）2 mA × 2.5% × 8760 h43.8 mAh21.8%
温度测量（30 s周期，每次3 ms）1 mA × 0.01% × 8760 h0.88 mAh0.4%
无线NB-IoT（每日上报，约3 s/次）150 mA × 3 s × 365 ÷ 360045.6 mAh22.7%
静态漏电（RTC、LCD驱动等）3 μA × 8760 h26.3 mAh13.1%
超级电容维持充电~5 μA × 8760 h43.8 mAh21.8%
其他损耗（欠压保护等）约2 μA × 8760 h17.5 mAh8.7%
合计 约185.8 mAh/年100%
以D型19 Ah（19000 mAh）电池，有效容量按85%计（16150 mAh）：
T_life = 16150 mAh / 185.8 mAh/年 ≈ 86.9年（理想值）
实际受电池钝化、温度特性等因素影响，通常取效率系数0.5～0.6，实际寿命约15～20年，远超GB/T 32224—2020要求的6年以上。若采用AA型2.4 Ah小电池，则：
T_life = 2400 × 0.85 / 185.8 ≈ 11年
这与行业优质产品的宣称寿命（10～12年）高度吻合。
【案例参考】以德国真兰（ZENNER）zelsius® C5 IUF超声波热量表为例，其采用内置高性能锂亚电池，通过先进的低功耗调度技术，在正常使用条件下电池使用寿命可达11年，完全满足EN 1434标准对"计量寿命周期内无需更换电池"的设计理念。这得益于真兰在超声波测量算法、外设电源门控和通信调度方面长期积累的工程经验，也是其产品在欧洲及国内高端市场长期保持竞争力的重要原因之一。
6 硬件层面的功耗优化措施
6.1 低功耗MCU选型
表6 低功耗MCU选型对比
MCU睡眠模式电流ADC精度适用场景
MSP430FR6047（TI）0.9 μA（LPM3）24位Σ-Δ集成超声波前端，首选
MSP430F5xx系列（TI）2.5 μA12位SAR成熟方案，成本较低
STM32L152（ST）1.0 μA（Stop）12位SAR需外置TDC，灵活性高
EFM32（Silicon Labs）0.9 μA（EM2）12位SAR生态丰富
MSP430FR6047的特殊之处在于其集成了专用的超声波感应前端（USS）模块，能够以极低功耗完成超声波发射/接收和时差计算，有效减少了对外置TDC芯片的依赖。
6.2 TDC芯片的选型与使用
TDC-GP22（德国TDK-Micronas）是目前热量表领域最广泛使用的高精度时间测量芯片之一，其主要低功耗特点包括：
• 时间分辨率：22 ps，单次测量时间 < 2 μs；
• 内置PICOSTAIN温度测量单元，无需外置ADC；
• 内置自动多脉冲取平均功能，减少与MCU通信次数；
• 智能首波检测，减少信号处理时间；
• 工作电流约3 mA，完成测量后立即关断。
6.3 电源管理电路设计
分组供电：将超声波驱动电路、放大电路、TDC电路分组由MCU-GPIO控制，非工作时彻底断电；
低静态LDO：选用静态电流 < 1 μA的LDO（如TPS7A78、MCP1703T），避免稳压器本身漏电流成为功耗瓶颈；
峰值电流超级电容：在NB-IoT模块供电端并联0.47 F/5.5 V超级电容，吸收发射时的瞬态大电流；
欠压检测：设置两级欠压告警（如3.2 V告警、2.8 V关机），避免锂亚电池过放导致永久性容量损失。
7 软件层面的功耗优化措施
7.1 中断驱动架构
避免轮询（Polling）设计，全部采用中断（Interrupt）驱动的事件响应架构。MCU在完成当前任务后立即返回最低功耗睡眠模式，仅在以下事件到来时被唤醒：
• RTC定时中断（触发测量）；
• 欠压检测中断；
• 通信模块接收中断；
• 按键操作中断；
• 流量脉冲中断（可选，用于快速流量预判）。
7.2 算法优化减少CPU活跃时间
热量积算公式涉及流量、温度、介质密度、比热容等多个参数。工程实现中通常采用查表法（LUT）代替实时浮点运算，大幅缩短CPU活跃时间：
• 将密度、比热容与温度的对应关系预存于Flash查找表；
• 采用整数定点运算代替浮点运算；
• 利用MSP430FR6047内置的低功耗乘法器（MPY32）加速积算。
7.3 FRAM（铁电存储器）的高效利用
MSP430FR系列集成了FRAM（铁电随机存储器），其写入能耗远低于传统Flash（FRAM约为Flash的1/250），写入速度快（无需擦除周期），特别适合频繁的小数据量写入（如每秒更新一次累计热量）。FRAM写入电流约150 μA，持续时间约0.5 ms，折算功耗极低。
7.4 看门狗与可靠性设计
低功耗设计不应以牺牲可靠性为代价。应启用看门狗定时器（WDT），设置合理的喂狗周期，以防程序跑飞导致的持续高功耗状态（若程序卡死在激活状态，电池可能数天内耗尽）。
8 典型低功耗设计对比
方案MCUTDC芯片静态电流电池寿命
TDC-GP22 + MSP430MSP430系列TDC-GP22≤ 9 μA> 6年
STM32L152 + GP22STM32L152TDC-GP22约10 μA> 6年
MSP430FW42X方案MSP430FW42X内置约8 μA> 8年
MSP430FR6047集成方案MSP430FR6047内置USS≈ 3 μA> 10年
真兰zelsius C5 IUF未公开未公开未公开11年
表7 国内外典型低功耗超声波热量表设计方案对比
从表中可以看出，随着集成度的提升（从分立TDC+MCU到单芯片集成超声波前端），系统平均电流持续降低，电池寿命相应延长。
9 挑战与发展趋势
9.1 当前挑战
NB-IoT峰值电流与锂亚电池供电能力的矛盾：锂亚电池持续放电电流一般不超过100 mA，而NB-IoT发射峰值可达220 mA，超级电容缓冲方案会增加成本和体积；
多频干扰环境下信噪比下降导致重测次数增加：在实际安装环境中，水泵振动、管道共振等噪声会导致TDC测量失效，系统被迫重测，功耗随之上升；
低温环境下锂亚电池内阻升高：在-20 ℃以下，锂亚电池内阻显著增大，瞬态峰值电流能力下降，可能导致单片机复位；
电池钝化效应：长期存储或低温放电后，锂亚电池表面形成钝化膜，导致首次大电流激活时电压跌落，需要专用去钝化电路。
9.2 发展趋势
片上系统（SoC）集成：超声波前端、MCU、无线通信三合一SoC将进一步降低系统功耗和体积；
能量收集补充供电：利用管道流体振动的压电能量收集技术，为电池进行微量补充，延长使用寿命；
AI驱动的自适应调度：利用边缘AI对历史流量模式建模，实现更精细的预测性功耗调度；
供热系统云端协同调度：热力公司通过云端统一下发调度指令，根据全网供热态势动态调整各热量表的上报频率，实现系统级节能优化。
10 结论
本文围绕电池供电型超声波热量表的功耗建模与节能调度，提出了以下主要结论：
功耗建模：采用状态机模型对"睡眠—唤醒—测量—通信"四状态功耗进行量化分析，测量激活阶段虽仅占总时间的2%～3%，却贡献约95%的电量消耗，是节能优化的核心切入点。
电池寿命估算：以D型19 Ah锂亚电池、平均整机电流约20 μA为参数，可实现10年以上的电池寿命，满足GB/T 32224—2020及EN 1434标准要求。
节能策略有效性：自适应测量频率调度可降低年均测量次数约20%～70%（视季节工况而定）；外设电源门控可消除非测量期的外设漏电流；NB-IoT的PSM+eDRX配置可将通信模块年均电耗控制在50 mAh以内。
硬件选型：MSP430FR6047（集成超声波感应前端）+ TDC-GP22的组合方案，配合低静态LDO和超级电容峰值缓冲，是当前工程实践中兼顾成本与性能的主流选择。
未来方向：SoC集成、能量收集补充供电和AI自适应调度是进一步提升电池寿命的主要技术路径。
