KR101911708B1 - 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템 - Google Patents

센서 네트워크 기반 전력 관리 장치, 방법 및 시스템 Download PDF

Info

Publication number
KR101911708B1
KR101911708B1 KR1020180091596A KR20180091596A KR101911708B1 KR 101911708 B1 KR101911708 B1 KR 101911708B1 KR 1020180091596 A KR1020180091596 A KR 1020180091596A KR 20180091596 A KR20180091596 A KR 20180091596A KR 101911708 B1 KR101911708 B1 KR 101911708B1
Authority
KR
South Korea
Prior art keywords
nodes
data
training
node
source
Prior art date
Application number
KR1020180091596A
Other languages
English (en)
Inventor
남기선
Original Assignee
포스컨트롤 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 포스컨트롤 주식회사 filed Critical 포스컨트롤 주식회사
Priority to KR1020180091596A priority Critical patent/KR101911708B1/ko
Application granted granted Critical
Publication of KR101911708B1 publication Critical patent/KR101911708B1/ko

Links

Images

Classifications

    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
    • H02J3/00—Circuit arrangements for ac mains or ac distribution networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply
    • Y04S10/54—

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Power Engineering (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Monitoring And Control Of Power-Distribution Networks (AREA)

Abstract

센서 네트워크 기반 전력 관리 시스템 및 방법이 개시된다. 센서 네트워크 기반 전력 관리 시스템은 복수의 위치들에 각각 설치된 센서들로부터 감지 정보들을 수집하여, 데이터 패킷들을 생성하고, 상위 노드들로 전송하는 소스 노드들을 포함하는 소스 노드 그룹; 관할 지역 내 소스 노드들로부터 데이터 패킷들을 수신하여 상위 노드들로 전송하는 릴레이 노드들을 포함하는 릴레이 노드 그룹; 및 하위 노드들로부터 데이터 패킷들을 수신하여 서버로 전송하는 루트 노드를 포함한다.

Description

센서 네트워크 기반 전력 관리 장치, 방법 및 시스템 {SENSOR NETWORK-BASED POWER MANAGEMENT APPARATUS, METHOD AND SYSTEM}
아래 실시예들은 센서 네트워크 기반 전력 관리 시스템에 관한 것이다.
다양한 지역에 공급 및 소비되는 전력의 정보를 관리 및 분석하고, 전력 계획을 수립 및 조정하는 것은 전력 관리 시스템에서 중요하다. 산간지역과 같이 전력 인프라가 제대로 구비되지 않은 곳은 전력 관리 시스템에서 소외될 수 있지만, 무차별적으로 모든 지역에 전력 관리 서비스를 제공하는 것은 한정된 자원으로 인한 어려움이 있다. 전력 인프라를 제공하는데 들이는 비용과 효율을 고려하여 전력 관리 시스템이 설계될 필요가 있다. 따라서, 최적화된 전력 관리 시스템을 제공하기 위한 통신 기법과 제어 기술의 개발이 요구된다.
실시예들은 다양한 지역의 전력 관리를 효율적으로 제공하고자 한다.
실시예들은 전력 관리를 위한 정보 처리 방식을 효율적으로 제공하고자 한다.
실시예들은 전력 관리를 위해 분포된 센서들의 네트워크를 최적화하고자 한다.
일실시예에 따른 센서 네트워크 기반 전력 관리 시스템은 복수의 위치들에 각각 설치된 센서들로부터 감지 정보들을 수집하여, 데이터 패킷들을 생성하고, 상위 노드들로 전송하는 소스 노드들을 포함하는 소스 노드 그룹; 관할 지역 내 소스 노드들로부터 데이터 패킷들을 수신하여 상위 노드들로 전송하는 릴레이 노드들을 포함하는 릴레이 노드 그룹; 및 하위 노드들로부터 데이터 패킷들을 수신하여 서버로 전송하는 루트 노드를 포함하고, 소스 노드는 센서로부터 감지된 신재생 에너지의 생산 정보와 전력량 데이터를 수집하고, 상기 생산 정보 및 상기 전력량 데이터에 기초하여 데이터 패킷을 생성하고, 상기 서버는 상기 루트 노드로부터 수신된 데이터 패킷들에 기초하여, 상기 릴레이 노드 그룹 내 릴레이 노드들이 각각 관할하는 노드들을 조정하고, 상기 소스 노드 그룹 내 상기 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 조정할 수 있다.
일실시예에 따르면, 상기 데이터 패킷은 노드 식별 프레임; 기 정의된 참조 값들을 포함하는 참조 프레임; 및 상기 참조 값들에 따라 미리 정의된 영역에 상기 생산 정보와 상기 전력량 데이터를 포함하는 데이터 프레임을 포함하고,
상기 전력량 데이터는 송전 유효 전력량, 수전 유효 전력량, 피상전력량, 최대수요전력, 역률, 송수전 유/무효피상전력량 중 적어도 하나를 포함하고, 상기 전력량 데이터에 포함된 상기 적어도 하나는 미리 정의된 순서에 따라 상기 데이터 프레임 내 미리 정의된 프레임에 기록되고,
상기 노드 식별 프레임은 상기 소스 노드의 ID를 포함하고, 상기 참조 프레임은 상기 생산 정보의 존재 유무에 대한 참조 값, 상기 데이터 프레임 내에서 상기 생산 정보를 식별하기 위한 참조 값, 상기 전력량 데이터의 존재 유무에 대한 참조 값 및 상기 데이터 프레임 내에서 상기 전력량 데이터를 식별하기 위한 참조 값을 포함하고, 릴레이 노드는 제2 소스 노드들로부터 제2 데이터 패킷들을 수신하고, 상기 제2 데이터 패킷들의 노드 식별 프레임들에 기초하여, 상기 릴레이 노드의 관할 지역 내 소스 노드 수를 생성하고, 상기 제2 데이터 패킷들의 참조 프레임들에 기초하여, 상기 제2 데이터 패킷들의 데이터 프레임들을 식별하고, 상기 데이터 프레임들 내 생산 정보와 전력량 데이터에 기초하여 신재생 에너지의 생산 대비 전력량의 비를 생성하고, 상기 생성된 상기 소스 노드 수, 상기 제2 소스 노드들의 데이터 패킷 전송 주기 및 상기 생성된 신재생 에너지의 생산 대비 전력량의 비를 포함하는 제3 데이터 패킷을 생성하여 상위 노드로 전송할 수 있다.
일실시예에 따르면, 상기 서버는 상기 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 제1 벡터를 생성하고, 상기 생성된 제1 벡터를 기 학습된 제1 추정기-상기 제1 추정기는 트레이닝 ID들, 트레이닝 생산 정보들 및 트레이닝 전력량 데이터들에 기초하여 생성된 제1 트레이닝 벡터들과 상기 제1 트레이닝 벡터들에 대응하는 제1 레이블들에 의해 기 학습된 제1 뉴럴 네트워크를 포함하고, 상기 제1 뉴럴 네트워크는 상기 제1 트레이닝 벡터들이 입력되는 입력 레이어와 제1 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 상기 제1 트레이닝 출력들과 상기 제1 레이블들 사이의 차이에 기초하여 학습됨-에 적용하여 제2 벡터를 추정하고, 상기 제2 벡터, 상기 릴레이 노드들에 각각 대응하는 소스 노드 수들, 데이터 패킷 전송 주기들에 기초하여 제3 벡터를 생성하고, 상기 생성된 제3 벡터를 기 학습된 제2 추정기-상기 제2 추정기는 상기 제2 트레이닝 벡터들, 상기 트레이닝 소스 노드 수들 및 상기 트레이닝 데이터 패킷 전송 주기들에 기초하여 생성된 제3 트레이닝 벡터들과 상기 제3 트레이닝 벡터들에 대응하는 제2 레이블들에 의해 기 학습된 제2 뉴럴 네트워크를 포함하고, 상기 제2 뉴럴 네트워크는 상기 제3 트레이닝 벡터들이 입력되는 입력 레이어와 제2 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 상기 제2 트레이닝 출력들과 상기 제2 레이블들 사이의 차이에 기초하여 학습됨-에 적용하여 제4 벡터를 추정하고, 상기 제4 벡터에 기초하여, 상기 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 상기 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정하고, 노드들을 제어할 수 있다.
일실시예에 따른 장치는 하드웨어와 결합되어 상술한 방법들 중 어느 하나의 항의 방법을 실행시키기 위하여 매체에 저장된 컴퓨터 프로그램에 의해 제어될 수 있다.
실시예들은 다양한 지역의 전력 관리를 효율적으로 제공할 수 있다.
실시예들은 전력 관리를 위한 정보 처리 방식을 효율적으로 제공할 수 있다.
실시예들은 전력 관리를 위해 분포된 센서들의 네트워크를 최적화할 수 있다.
도 1은 일실시예에 따른 전력 관리 시스템을 설명하기 위한 도면이다.
도 2는 일실시예에 따른 데이터 패킷을 설명하기 위한 도면이다.
도 3은 일실시예에 따른 데이터 패킷을 설명하기 위한 도면이다.
도 4는 일실시예에 따른 관할 노드들을 조정하는 동작을 설명하기 위한 도면이다.
도 5는 일실시예에 따른 노드들의 관계를 조정하는 동작을 설명하기 위한 도면이다.
실시예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설명된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 해당 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
실시예들은 퍼스널 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, 스마트 폰, 텔레비전, 스마트 가전 기기, 지능형 자동차, 키오스크, 웨어러블 장치 등 다양한 형태의 제품으로 구현될 수 있다. 이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 전력 관리 시스템을 설명하기 위한 도면이다.
도 1을 참조하면, 전력 관리 시스템은 루트 노드(101), 릴레이 노드 그룹(102 및 103), 소스 노드 그룹(104) 및 서버(120)를 포함한다. 일실시예에 따르면, 전력 관리 시스템은 전력을 관리하는 시스템으로서, 시스템 내 다양한 개체들(entities) 간의 통신을 통해 전력 관리를 효율적으로 수행할 수 있다. 네트워크는 시스템 내 다양한 개체들(entities) 간의 유, 무선 통신을 가능하게 하고, 표준 통신 기술 및/또는 프로토콜들을 사용할 수 있다. 서버(120)은 전력 관리와 관련된 동작을 제어하는 서버로서, 예를 들어 소프트웨어 모듈, 하드웨어 모듈 또는 이들의 조합으로 구현될 수 있다.
일실시예에 따르면, 소스 노드 그룹(104)은 소스 노드들을 포함한다. 릴레이 노드 그룹들(102 및 103)은 각각 릴레이 노드들을 포함한다. 시스템 내 노드들은 주위 노드들 또는 외부 주체들과 통신하면서, 개별적으로 수집한 정보 또는 가공된 정보를 주변으로 전송하고, 주변으로부터 정보를 수신할 수 있다. 소스 노드 그룹(140)에 의해 수집, 가공 또는 생성된 정보는 릴레이 그룹들(102 및 103)로 전달될 수 있고, 릴레이 노드 그룹(102)에 의해 수집, 가공 또는 생성된 정보는 루트 노드(101)로 전달될 수 있다. 일실시예에 따르면, 루트 노드(101)와 직접적으로 통신할 수 있는 릴레이 노드 그룹(102)은 1-hop 방식으로 통신을 수행할 수 있다. 루트 노드(101)와 통신하는데 중간 노드의 경유가 필요한 릴레이 노드 그룹은 2-hop 방식으로 통신을 수행할 수 있다.
일실시예에 따르면, 루트 노드(101)는 전력 관리와 관련된 정보를 서버(120)로 전달하고, 서버(120)는 수신된 정보에 기초하여 전력을 관리하는데 필요한 정보 또는 전력 관리 시스템을 제어하는데 필요한 정보를 생성하고, 전력 관리와 관련된 동작을 수행할 수 있다. 예를 들어, 서버(120)는 루트 노드(101)로 제어 명령을 제어하여 정보 수집 주기, 노드들 간의 연결 관계, 릴레이 노드의 hop 수, 노드들의 관할 영역, 각 노드가 정보를 생성하는데 기준이 되는 조건 등을 갱신할 수 있다.
일실시예에 따르면, 소스 노드 그룹(104)에 포함된 제1 소스 노드는 해당 관할 지역 내 복수의 위치들에 각각 설치된 센서들(105 내지 107)로부터 감지 정보들을 수집하여 데이터 패킷들을 생성하고, 상위 노드들로 전송할 수 있다. 이와 마찬가지로, 제2 소스 노드는 해당 관할 지역 내 복수의 위치들에 각각 설치된 센서들(108 내지 110)로부터 감지 정보들을 수집하여 데이터 패킷들을 생성하고, 상위 노드들로 전송할 수 있다. 여기서, 센서는 전력량계 등 전력과 관련된 정보를 감지하는 센서일 수 있다. 전력 관리 시스템의 서버(120)는 복수의 위치들에 각각 설치된 센서들(105 내지 110)과 센서 네트워크를 이용하여, 섬이나, 도시와 멀리 떨어진 산간지방, 소규모 마을 등에서 신재생 에너지의 생산 정보와 전력량 데이터를 수집할 수 있다. 일실시예에 따른 전력 관리 시스템 내 노드들은 hop 통신, 근거리 통신, NFC 통신, ZigBee 통신, Bluetooth 등 다양한 통신 규격을 활용하여 통신을 수행할 수 있다. 일실시예에 따르면, 전력 관리 시스템은 대규모 무선통신을 지원하는 Mesh RF, 네트워크 연결성을 보장하는 xDLS, CDMA/CS 및 무선 iPv6 Ethernet, TCP/IP 중 적어도 하나를 센서 네트워크에 적용할 수 있다.
일실시예에 따르면, 소스 노드는 센서로부터 감지된 신재생 에너지의 생산 정보와 전력량 데이터에 기초하여, 데이터 패킷을 생성할 수 있다. 소스 노드는 생성된 데이터 패킷을 상위 노드로 전송할 수 있다.
일실시예에 따르면, 릴레이 노드 그룹 내 릴레이 노드는 관할 지역 내 소스 노드들로부터 데이터 패킷들을 수신하여 상위 노드들로 전송할 수 있다. 루트 노드(101)는 하위 노드들로부터 데이터 패킷들을 수신하고, 수신된 데이터 패킷들에 기초하여 생성된 정보 또는 데이터 패킷들을 서버(120)로 전송할 수 있다.
일실시예에 따르면, 서버(120)는 루트 노드(101)로부터 수신된 데이터 패킷들에 기초하여, 릴레이 노드 그룹들(102 및 103) 내 릴레이 노드들이 각각 관할하는 노드들을 조정할 수 있다. 서버(120)는 소스 노드 그룹(104) 내 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 조정할 수 있다. 이하, 각 노드들이 수행하는 동작과 전력 관리 동작에 관해 도 2 내지 도 5를 참조하여 자세히 후술하겠다.
도 2는 일실시예에 따른 데이터 패킷을 설명하기 위한 도면이다.
도 2를 참조하면, 소스 노드(201)는 센서들로부터 감지된 신재생 에너지의 생산 정보(202) 및 전력량 데이터(203)를 수집할 수 있다. 소스 노드(201)는 신재생 에너지의 생산 정보(202) 및 전력량 데이터(203)에 기초하여 데이터 패킷(204)을 생성할 수 있다. 일실시예에 따르면, 데이터 패킷(204)는 전력과 관련된 정보를 포함하는 데이터 프레임(205)을 포함한다.
일실시예에 따르면, 데이터 프레임(205)은 노드 식별 프레임(207), 기 정의된 참조 값들을 포함하는 참조 프레임(208), 및 참조 값들에 따라 미리 정의된 영역에 전력량 데이터와 생산 정보(209)를 포함할 수 있다. 전력량 데이터는 송전 유효 전력량 D1, 수전 유효 전력량 D2, 피상전력량 D3, 최대수요전력 D4, 역률 D5, 송수전 유/무효피상전력량 D6 중 적어도 하나를 포함할 수 있다. 전력량 데이터에 포함된 적어도 하나는 미리 정의된 순서에 따라 데이터 프레임(205) 내 미리 정의된 프레임(206)에 기록될 수 있다.
일실시예에 따르면, 노드 식별 프레임(207)은 소스 노드(201)의 ID를 포함한다. 데이터 패킷(204)을 수신한 상위 노드는 노드 식별 프레임(207)에 기초하여 소스 노드(201)를 식별할 수 있다.
일실시예에 따르면, 참조 프레임(208)은 생산 정보 C의 존재 유무에 대한 참조 값 A1, 데이터 프레임(205) 내에서 생산 정보 C를 식별하기 위한 참조 값 A2, 전력량 데이터 D의 존재 유무에 대한 참조 값 B1 및 데이터 프레임(205) 내에서 전력량 데이터 D를 식별하기 위한 참조 값 B2을 포함한다. 상위 노드는 참조 프레임(208) 내 참조 값들을 이용하여, 해당 정보의 존재 유무를 판단하고, 해당 정보를 식별할 수 있다. 예를 들어, A1이 C가 존재하지 않다는 정보를 포함하고 있다면, C는 정보를 포함하지 않으므로 상위 노드는 C의 식별을 생략하고, D의 존재 유무를 판단할 수 있다. 상위 노드는 B1에 기초하여 D의 존재 유무를 판단하고, B2에 기초하여 D를 식별할 수 있다.
일실시예에 따르면, 상위 노드는 B1에 기초하여 송전 유효 전력량 D1, 수전 유효 전력량 D2, 피상전력량 D3, 최대수요전력 D4, 역률 D5, 송수전 유/무효피상전력량 D6 중 적어도 하나가 존재하는지 여부를 판단할 수 있다. 예를 들어, 상위 노드는 B1에 기초하여 D1 내지 D6 중 D1, D2 및 D4가 존재하고, D3, D5 및 D6이 존재하지 않는 것으로 판단할 수 있는데, 이 경우 상위 노드는 데이터 프레임(205) 내 미리 정의된 프레임(206) 내에서 D1, D2 및 D4만을 식별할 수 있다.
일실시예에 따르면, 상위 노드는 소스 노드로부터 수신한 데이터 패킷(204)에 기초하여, 해당 소스 노드에 대응하는 전력 정보를 수신할 수 있다. 상위 노드는 복수이 소스 노드들로부터 수신된 전력 정보를 조합하여 해당 상위 노드가 관할하는 소스 노드들의 전력 정보를 대표하는 정보를 생성하고, 생성된 정보에 기초한 데이터 패킷을 그 다음 상위 노드로 전송할 수 있다.
도 3은 일실시예에 따른 데이터 패킷을 설명하기 위한 도면이다.
도 3을 참조하면, 릴레이 노드(301)는 소스 노드들로부터 데이터 패킷들(302)을 수신할 수 있다. 릴레이 노드(301)는 데이터 패킷들(302)의 노드 식별 프레임들에 기초하여, 릴레이 노드(301)의 관할 지역 내 소스 노드 수를 생성할 수 있다. 릴레이 노드(301)는 데이터 패킷들(302)의 참조 프레임들에 기초하여, 데이터 패킷들(302)의 데이터 프레임들을 식별하고, 데이터 프레임들 내 생산 정보와 전력량 데이터에 기초하여 신재생 에너지의 생산 대비 전력량의 비를 생성할 수 있다.
일실시예에 따르면, 릴레이 노드(301)는 생성된 소스 노드 수 X, 소스 노드들의 데이터 패킷 전송 주기 Y 및 생성된 신재생 에너지의 생산 대비 전력량의 비 Z를 포함하는 데이터 패킷(303)을 생성할 수 있다. 릴레이 노드(301)는 데이터 패킷(303)을 상위 노드로 전송할 수 있다.
도 4는 일실시예에 따른 관할 노드들을 조정하는 동작을 설명하기 위한 도면이다.
일실시예에 따르면, 서버는 루트 노드로부터 수신된 데이터 패킷들에 기초하여, 릴레이 노드 그룹 내 릴레이 노드들이 각각 관할하는 노드들을 조정할 수 있다. 서버는 데이터 패킷들에 기초하여, 릴레이 노드들이 각각 관할하는 소스 노드들을 식별할 수 있다. 서버는 소스 노드들이 수집하는 전력 관련 정보에 기초하여, 전력 수요량이 급증하거나 특별 관리가 필요하다고 판단되는 지역에 소스 노드들을 집중시킬 수 있다. 서버는 과부하가 걸리는 지역에 소스 노드들을 집중시킬 수 있다. 서버는 데이터 패킷들을 생성하고 전송하는 동작의 부하를 균등하게 분담시키기 위해, 릴레이 노드들이 관할하는 소스 노드들의 분포를 조정할 수 있다.
도 4를 참조하면, 서버는 릴레이 노드(401)이 관할하는 소스 노드들(403 내지 406)을 식별할 수 있다. 서버는 릴레이 노드(402)가 관할하는 소스 노드들(407 내지 409)을 식별할 수 있다. 일실시예에 따르면, 서버는 루트 노드로부터 수신된 데이터 패킷들을 분석하여, 릴레이 노드(402)가 관할하는 소스 노드들(407 내지 409)이 더 필요하다고 판단할 수 있다. 서버는 릴레이 노드(401)가 관할하는 소스 노드들(403 내지 406)의 수가 미리 정의된 기준보다 많다고 판단할 수 있다. 서버는 릴레이 노드(401)가 관할하는 소스 노드들(403 내지 406) 중 소스 노드들(406)을 릴레이 노드(402)가 관할하도록 노드들의 연결 관계를 갱신할 수 있다.
도 5는 일실시예에 따른 노드들의 관계를 조정하는 동작을 설명하기 위한 도면이다.
일실시예에 따르면, 서버는 루트 노드로부터 수신된 데이터 패킷들에 기초하여, 노드들의 hop 수를 조정할 수 있다. 서버는 데이터 패킷들에 기초하여, 노드들을 식별할 수 있다. 서버는 데이터 패킷들에 기초하여 전력 관리를 위한 노드들의 관계를 조정할 수 있다. 예를 들어, 서버는 특정 지역의 소스 노드들의 수를 늘리거나 줄일 수 있고, 그 수가 변경된 소스 노드들을 관할하는 릴레이 노드들 중 적어도 하나의 hop 수를 조정할 수 있다. 서버는 각 hop들에 대응하는 노드들에 축적된 데이터 패킷들의 양이 미리 정의된 조건을 충족하는 경우, 해당 노드의 hop 수를 조정할 수 있다.
도 5를 참조하면, 서버는 노드들(501), 노드들(502) 및 노드(503)의 hop 수를 식별할 수 있다. 서버는 루트 노드로부터 수신된 데이터 패킷들을 분석하여, 노드들의 연결 관계를 갱신 여부를 판단할 수 있다. 서버는 데이터 패킷들의 분석 결과에 기초하여, 노드들(501), 노드들(502) 및 노드(503)의 hop 수를 각각 갱신하여, 노드들 간의 연결 상태를 변경할 수 있다.
일실시예에 따르면, 서버는 노드들의 통신을 제어할 수 있다. 서버는 시간동기화 기반 채널 호핑 MAC 통신 기술(TSCH)에 기초하여, 노드들의 통신을 제어할 수 있다. 예를 들어, 서버는 다음의 통신 기술을 적용하여 노드들의 통신을 제어할 수 있다.
- Enhanced Beacon Frame-based MAC 시간동기화 기술
- 대규모 네트워크 지원용 Enhanced Beacon 설정 및 전송주기 제어 기술
- Robust 네트워크(멀티홉) 시간동기화 기술
- 노이즈에 의한 통신 저하 문제 회피를 위한 채널 호핑 기술
- MAC Queuing 관리 및 버퍼 제어 기술
- TSCH 표준 기반 CSMA-CA 기술
일실시예에 따르면, 서버는 동적 링크셋 할당 기반 확정적 네트워크 기술(6TOP)에 기초하여, 노드들의 통신을 제어할 수 있다. 예를 들어, 서버는 다음의 통신 기술을 적용하여 노드들의 통신을 제어할 수 있다.
- 대규모 네트워크 지원을 위한 링크셋 기반 링크정보 교환 기술
- Dedicated 링크셋 할당 및 해제를 활용한 확정적 MAC 통신 기술
- Shared 링크셋을 활용한 긴급 MAC 통신 기술
- 멀티홉 네트워크 형성, 유지 및 관리 기술
이를 통해, 일실시예에 따른 노드 네트워크는 메쉬 네트워크를 구성 가능한 멀티홉을 지원할 수 있고, IPv6 고용량(1200Byte)의 데이터 패킷을 전송할 수 있다.
일실시예에 따르면, 서버는 뉴럴 네트워크를 이용하여 전력 관리 정보를 추정할 수 있다. 서버는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 제1 벡터를 생성할 수 있다. 서버는 제1 벡터를 기 학습된 제1 추정기에 적용하여 제2 벡터를 추정할 수 있다.
일실시예에 따르면, 제1 추정기는 트레이닝 ID들, 트레이닝 생산 정보들 및 트레이닝 전력량 데이터들에 기초하여 생성된 제1 트레이닝 벡터들과 제1 트레이닝 벡터들에 대응하는 제1 레이블들에 의해 기 학습된 제1 뉴럴 네트워크를 포함한다. 뉴럴 네트워크는 복수의 노드들(노드 네트워크와는 구별되는 뉴럴 네트워크 내의 노드를 의미함)의 그룹으로 연결되어 있고, 연결된 노드들 사이의 가중치들과 노드들을 활성화시키는 활성화 함수에 의해 정의된다.
일실시예에 따르면, 제1 추정기는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 생성된 특정 벡터가 수신되면 그 특정 벡터에 대응하는 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정하는데 필요한 벡터를 출력하도록 학습된 뉴럴 네트워크를 포함할 수 있다. 제2 벡터는 출력 레이어의 노드들로부터 출력된 확률(log-likelihood) 값들에 기초하여 정의될 수 있고, 출력 레이어의 노드들의 활성화 함수들에 의해 정의될 수 있다.
일실시예에 따르면, 서버는 제1 추정기의 입력 레이어(605)에 적용되는데 적합한 형태로 제1 벡터를 생성할 수 있다. 여기서, 제1 벡터는 one-hot 벡터, 실수 벡터 등 설계 의도에 따라 다양한 형태로 정의될 수 있다. 서버는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들을 이용하여 제1 벡터를 생성하는데, 제1 벡터의 생성 과정은 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정하기 이전에 수행되는 전처리 동작일 수 있다. 서버는 기 정의된 입력 벡터를 가공하기 위해 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들을 조합할 수 있다.
서버는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들을 적용하여 제1 벡터를 생성하고, 생성된 제1 벡터를 제1 뉴럴 네트워크에 인가할 수 있다.
일실시예에 따르면, 제1 뉴럴 네트워크는 트레이닝 벡터들이 입력되는 입력 레이어와 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 여기서, 레이블들은 트레이닝 벡터들에 대응하는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 정의될 수 있다.
일실시예에 따르면, 제1 추정기는 학습 장치에 의해 학습될 수 있다. 학습 장치는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 생성된 트레이닝 벡터들과 트레이닝 벡터들에 대응하는 레이블들에 기초하여 제1 추정기의 뉴럴 네트워크를 학습시킬 수 있다. 예를 들어, 학습 장치는 GD(Gradient Decent) 기법 또는 SGD(Stochastic Gradient Descent) 기법을 이용하여 뉴럴 네트워크를 학습시킬 수 있다. 학습 장치는 제1 추정기의 뉴럴 네트워크의 출력들 및 레이블들 의해 설계된 손실 함수를 이용할 수 있다. 예를 들어, 학습 장치는 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 생성된 트레이닝 벡터들을 제1 추정기의 뉴럴 네트워크로 입력하고, 제1 추정기의 뉴럴 네트워크의 출력들과 레이블들에 기초하여 트레이닝 에러를 계산할 수 있다. 학습 장치는 미리 정의된 손실 함수(loss function)을 이용하여 트레이닝 에러를 계산할 수 있다. 손실 함수는 레이블, 출력 및 파라미터를 입력 변수로 미리 정의될 수 있고, 여기서 파라미터는 제1 추정기의 뉴럴 네트워크 내 가중치들에 의해 설정될 수 있다. 예를 들어, 손실 함수는 MSE(Mean Square Error) 형태, 엔트로피(entropy) 형태 등으로 설계될 수 있는데, 손실 함수가 설계되는 실시예에는 다양한 기법 또는 방식이 채용될 수 있다.
학습 장치는 역전파(backpropagation) 기법을 이용하여 트레이닝 에러에 영향을 주는 가중치들을 찾아낼 수 있다. 여기서, 가중치들은 제1 추정기의 뉴럴 네트워크 내 노드들 사이의 관계들이다. 학습 장치는 역전파 기법을 통해 찾아낸 가중치들을 최적화시키기 위해 레이블들 및 출력들을 이용한 SGD 기법을 이용할 수 있다. 예를 들어, 학습 장치는 레이블들, 출력들 및 가중치들에 기초하여 정의된 손실 함수의 가중치들을 SGD 기법을 이용하여 갱신할 수 있다. 학습 장치는 제1 추정기의 뉴럴 네트워크 내 노드들 사이의 가중치들의 갱신을 반복하여 제1 추정기를 학습시킬 수 있다. 서버는 학습이 완료된 제1 추정기를 이용하여 제1 벡터로부터 제2 벡터를 추정할 수 있다.
일실시예에 따르면, 서버는 제2 벡터, 릴레이 노드들에 각각 대응하는 소스 노드 수들, 데이터 패킷 전송 주기들에 기초하여 제3 벡터를 생성할 수 있다. 서버는 생성된 제3 벡터를 기 학습된 제2 추정기에 적용하여 제4 벡터를 추정할 수 있다.
일실시예에 따르면, 제2 추정기는 제3 벡터가 입력되는 입력 레이어, 제4 벡터를 출력하는 출력 레이어 및 중간 레이어를 포함하는 뉴럴 네트워크를 포함할 수 있다. 뉴럴 네트워크에 관해서는 상술한 바가 적용될 수 있으므로 중복되는 내용의 설명은 생략하겠다. 제2 추정기는 특정 벡터가 수신되면 그 특정 벡터에 대응하는 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정하기 위한 벡터를 출력하도록 학습된 뉴럴 네트워크를 포함할 수 있다.
일실시예에 따르면, 제2 추정기는 트레이닝 벡터들이 입력되는 입력 레이어와 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 트레이닝 출력들과 레이블들 사이의 차이에 기초하여 학습될 수 있다. 학습과 관련된 실시예에는 상술한 내용이 적용될 수 있다.
일실시예에 따르면, 서버는 제4 벡터에 기초하여 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정할 수 있다. 서버는 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 판단하는데 있어서, 딥 러닝 기법을 채용하여 효율적인 전력 관리 계획을 생성할 수 있다.
일실시예에 따른 장치는 프로세서 및 메모리를 포함한다. 일실시예에 따른 장치는 상술한 서버 또는 단말일 수 있다. 프로세서는 도 1 내지 도 5를 통하여 전술한 적어도 하나의 장치들을 포함하거나, 도 1 내지 도 5를 통하여 전술한 적어도 하나의 방법을 수행할 수 있다. 메모리는 상술한 방법과 관련된 정보를 저장하거나 상술한 방법이 구현된 프로그램을 저장할 수 있다. 메모리는 휘발성 메모리 또는 비휘발성 메모리일 수 있다.
프로세서는 프로그램을 실행하고, 장치를 제어할 수 있다. 프로세서에 의하여 실행되는 프로그램의 코드는 메모리에 저장될 수 있다. 장치는 입출력 장치(도면 미 표시)를 통하여 외부 장치(예를 들어, 퍼스널 컴퓨터 또는 네트워크)에 연결되고, 데이터를 교환할 수 있다.
이상에서 설명된 실시예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
101: 루트 노드

Claims (3)

  1. 복수의 위치들에 각각 설치된 센서들로부터 감지 정보들을 수집하여, 데이터 패킷들을 생성하고, 상위 노드들로 전송하는 소스 노드들을 포함하는 소스 노드 그룹;
    관할 지역 내 소스 노드들로부터 데이터 패킷들을 수신하여 상위 노드들로 전송하는 릴레이 노드들을 포함하는 릴레이 노드 그룹; 및
    하위 노드들로부터 데이터 패킷들을 수신하여 서버로 전송하는 루트 노드
    를 포함하고,
    소스 노드는 센서로부터 감지된 신재생 에너지의 생산 정보와 전력량 데이터를 수집하고,
    상기 생산 정보 및 상기 전력량 데이터에 기초하여 데이터 패킷을 생성하고,
    상기 서버는 상기 루트 노드로부터 수신된 데이터 패킷들에 기초하여, 상기 릴레이 노드 그룹 내 릴레이 노드들이 각각 관할하는 노드들을 조정하고, 상기 소스 노드 그룹 내 상기 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 조정하고,
    상기 데이터 패킷은 노드 식별 프레임; 기 정의된 참조 값들을 포함하는 참조 프레임; 및 상기 참조 값들에 따라 미리 정의된 영역에 상기 생산 정보와 상기 전력량 데이터를 포함하는 데이터 프레임을 포함하고,
    상기 전력량 데이터는 송전 유효 전력량, 수전 유효 전력량, 피상전력량, 최대수요전력, 역률, 송수전 유/무효피상전력량 중 적어도 하나를 포함하고, 상기 전력량 데이터에 포함된 상기 적어도 하나는 미리 정의된 순서에 따라 상기 데이터 프레임 내 미리 정의된 프레임에 기록되고,
    상기 노드 식별 프레임은 상기 소스 노드의 ID를 포함하고,
    상기 참조 프레임은 상기 생산 정보의 존재 유무에 대한 참조 값, 상기 데이터 프레임 내에서 상기 생산 정보를 식별하기 위한 참조 값, 상기 전력량 데이터의 존재 유무에 대한 참조 값 및 상기 데이터 프레임 내에서 상기 전력량 데이터를 식별하기 위한 참조 값을 포함하고,
    릴레이 노드는 제2 소스 노드들로부터 제2 데이터 패킷들을 수신하고,
    상기 제2 데이터 패킷들의 노드 식별 프레임들에 기초하여, 상기 릴레이 노드의 관할 지역 내 소스 노드 수를 생성하고,
    상기 제2 데이터 패킷들의 참조 프레임들에 기초하여, 상기 제2 데이터 패킷들의 데이터 프레임들을 식별하고, 상기 데이터 프레임들 내 생산 정보와 전력량 데이터에 기초하여 신재생 에너지의 생산 대비 전력량의 비를 생성하고,
    상기 생성된 상기 소스 노드 수, 상기 제2 소스 노드들의 데이터 패킷 전송 주기 및 상기 생성된 신재생 에너지의 생산 대비 전력량의 비를 포함하는 제3 데이터 패킷을 생성하여 상위 노드로 전송하는,
    센서 네트워크 기반 전력 관리 시스템.
  2. 삭제
  3. 제1항에 있어서,
    상기 서버는
    상기 릴레이 노드들이 각각 관할하는 소스 노드들의 ID들, 신재생 에너지의 생산 정보들 및 전력량 데이터들에 기초하여 제1 벡터를 생성하고,
    상기 생성된 제1 벡터를 기 학습된 제1 추정기-상기 제1 추정기는 트레이닝 ID들, 트레이닝 생산 정보들 및 트레이닝 전력량 데이터들에 기초하여 생성된 제1 트레이닝 벡터들과 상기 제1 트레이닝 벡터들에 대응하는 제1 레이블들에 의해 기 학습된 제1 뉴럴 네트워크를 포함하고, 상기 제1 뉴럴 네트워크는 상기 제1 트레이닝 벡터들이 입력되는 입력 레이어와 제1 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 상기 제1 트레이닝 출력들과 상기 제1 레이블들 사이의 차이에 기초하여 학습됨-에 적용하여 제2 벡터를 추정하고,
    상기 제2 벡터, 상기 릴레이 노드들에 각각 대응하는 소스 노드 수들, 데이터 패킷 전송 주기들에 기초하여 제3 벡터를 생성하고,
    상기 생성된 제3 벡터를 기 학습된 제2 추정기-상기 제2 추정기는 제2 트레이닝 벡터들, 트레이닝 소스 노드 수들 및 트레이닝 데이터 패킷 전송 주기들에 기초하여 생성된 제3 트레이닝 벡터들과 상기 제3 트레이닝 벡터들에 대응하는 제2 레이블들에 의해 기 학습된 제2 뉴럴 네트워크를 포함하고, 상기 제2 뉴럴 네트워크는 상기 제3 트레이닝 벡터들이 입력되는 입력 레이어와 제2 트레이닝 출력들을 출력하는 출력 레이어를 포함하고, 상기 제2 트레이닝 출력들과 상기 제2 레이블들 사이의 차이에 기초하여 학습됨-에 적용하여 제4 벡터를 추정하고,
    상기 제4 벡터에 기초하여, 상기 릴레이 노드들이 각각 관할하고자 하는 소스 노드들의 ID들, 상기 소스 노드들의 데이터 패킷 전송 주기들, 센싱 주기들, 활성화 주기들, 데이터 패킷 생성 주기들 중 적어도 하나를 추정하고, 노드들을 제어하는,
    센서 네트워크 기반 전력 관리 시스템.
KR1020180091596A 2018-08-07 2018-08-07 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템 KR101911708B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180091596A KR101911708B1 (ko) 2018-08-07 2018-08-07 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180091596A KR101911708B1 (ko) 2018-08-07 2018-08-07 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템

Publications (1)

Publication Number Publication Date
KR101911708B1 true KR101911708B1 (ko) 2018-10-25

Family

ID=64131935

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180091596A KR101911708B1 (ko) 2018-08-07 2018-08-07 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템

Country Status (1)

Country Link
KR (1) KR101911708B1 (ko)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008099075A (ja) 2006-10-13 2008-04-24 Kobe Univ センサネットワークシステム及びメディアアクセス制御方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008099075A (ja) 2006-10-13 2008-04-24 Kobe Univ センサネットワークシステム及びメディアアクセス制御方法

Similar Documents

Publication Publication Date Title
Nikaein et al. Simple traffic modeling framework for machine type communication
US9357472B2 (en) Adaptive wireless sensor network and method of routing data in a wireless sensor network
CN103118439B (zh) 基于传感网节点通用中间件的数据融合方法
Al-Anbagi et al. Delay critical smart grid applications and adaptive QoS provisioning
Carvalho et al. A test methodology for evaluating architectural delays of LoRaWAN implementations
Foukalas et al. Dependable wireless industrial IoT networks: Recent advances and open challenges
Ma et al. Optimal dynamic scheduling of wireless networked control systems
CN109219942B (zh) 控制消息模式的方法及装置
Raptis et al. Maximizing industrial IoT network lifetime under latency constraints through edge data distribution
CN102165811A (zh) 具有节制点的无线网状网络和电池电量低的警报
Todolí-Ferrandis et al. Deploy&Forget wireless sensor networks for itinerant applications
Paul A novel energy-efficient routing scheme for LoRa networks
Eris et al. Lifetime analysis of wireless sensor nodes in different smart grid environments
Khanna et al. Wireless data center management: Sensor network applications and challenges
Howitt et al. Wireless industrial sensor networks: Framework for QoS assessment and QoS management
Kumar et al. Energy aware distributed protocol for heterogeneous wireless sensor network
CN102624758A (zh) 一种智能电网下配变电设备监测信息聚合方法
Dias et al. Cloud-empowered, self-managing wireless sensor networks: Interconnecting management operations at the application layer
Oren et al. Adaptive Distributed Hierarchical Sensing algorithm for reduction of wireless sensor network cluster-heads energy consumption
Li et al. An optimal design method for communication topology of wireless sensor networks to implement fully distributed optimal control in IoT-enabled smart buildings
Huang et al. An energy sentient methodology for sensor mapping and selection in IoT systems
KR101911708B1 (ko) 센서 네트워크 기반 전력 관리 장치, 방법 및 시스템
Lee et al. BUCKET: scheduling of solar-powered sensor networks via cross-layer optimization
Das et al. Self-reconfigurable partial mesh using ZigBee control board towards fail-proof and reliable home area networking
Liu et al. Optimal gateway placement in the smart grid Machine-to-Machine networks

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant