KR102370790B1 - 환경 센서의 측정값 예측 방법 - Google Patents
환경 센서의 측정값 예측 방법 Download PDFInfo
- Publication number
- KR102370790B1 KR102370790B1 KR1020200118876A KR20200118876A KR102370790B1 KR 102370790 B1 KR102370790 B1 KR 102370790B1 KR 1020200118876 A KR1020200118876 A KR 1020200118876A KR 20200118876 A KR20200118876 A KR 20200118876A KR 102370790 B1 KR102370790 B1 KR 102370790B1
- Authority
- KR
- South Korea
- Prior art keywords
- sensor
- representative
- sensors
- group
- lowest
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0205—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system
- G05B13/026—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric not using a model or a simulator of the controlled system using a predictor
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0221—Preprocessing measurements, e.g. data collection rate adjustment; Standardization of measurements; Time series or signal analysis, e.g. frequency analysis or wavelets; Trustworthiness of measurements; Indexes therefor; Measurements using easily measured parameters to estimate parameters difficult to measure; Virtual sensor creation; De-noising; Sensor fusion; Unconventional preprocessing inherently present in specific fault detection methods like PCA-based methods
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0218—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterised by the fault detection method dealing with either existing or incipient faults
- G05B23/0224—Process history based detection method, e.g. whereby history implies the availability of large amounts of data
- G05B23/024—Quantitative history assessment, e.g. mathematical relationships between available data; Functions therefor; Principal component analysis [PCA]; Partial least square [PLS]; Statistical classifiers, e.g. Bayesian networks, linear regression or correlation analysis; Neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B23/00—Testing or monitoring of control systems or parts thereof
- G05B23/02—Electric testing or monitoring
- G05B23/0205—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults
- G05B23/0259—Electric testing or monitoring by means of a monitoring system capable of detecting and responding to faults characterized by the response to fault detection
- G05B23/0283—Predictive maintenance, e.g. involving the monitoring of a system and, based on the monitoring results, taking decisions on the maintenance schedule of the monitored system; Estimating remaining useful life [RUL]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
본 발명의 센서의 측정값 예측 방법은 정의된 영역에서, 복수개의 센서들 간에 측정값에 대한 연관관계를 계산하는 센서간 관련성 지수 계산 단계, 상기 정의된 영역에서, 상기 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성하는 동작 그룹 형성 단계, 상기 정의된 영역에서, 상기 각각의 동작 그룹 내에 적어도 하나 이상의 대표센서를 결정하는 대표 센서 결정 단계, 상기 정의된 영역에서, 상기 결정된 대표 센서를 제외한 상기 해당 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 센서 제어 단계 및 상기 정의된 영역에서, 상기 비활성상태 센서들의 측정값은 상기 대표 센서로 측정된 측정값들로 대체하는 측정값 예측 단계를 포함한다.
Description
본 발명은 환경 센서의 측정값 예측 방법에 관한 것으로서, 특히, 동작 그룹 내의 대표 센서들을 설정하여 일부의 센서만을 동작하고도 나머지 센서 값을 예측할 수 있는 환경 센서의 측정값 예측 방법에 관한 것이다.
재생에너지 발전단지에서는 해당 재생에너지 발전 장치가 생성하는 발전량을 예측하기 위하여 장치에 설치되는 환경 센서들의 측정값을 이용한다. 이때에는 발전 장치에 설치되는 다수의 IoT(Internet of Things) 디바이스에 센서가 부착된 형태로 이용된다. 재생에너지 발전단지에 환경센서가 포함된 IoT 디바이스를 설치하고, 환경센서의 측정값과 생산되는 전력량 등에 관한 정보를 수집하여 미래의 발전량을 예측한다. 이 과정에서 비슷한 측정값이 지역적으로 가까운 환경 센서에 의해 측정되는 경우가 발생한다.
모든 환경 센서를 활용하여 측정값을 측정하는 경우, 해당 센서를 가동하기 위한 전력이 소모될 뿐만 아니라, 이와 관련되는 데이터의 통신을 위한 네트워크 통신량이 증가하고, 설치되는 환경센서에 따른 하드웨어의 설치 비용을 증가시킨다.
따라서 재생에너지 발전 단계에서 환경 센서를 사용하는 경우, 이러한 환경 센서의 효율적인 이용 방안을 검토하는 것이 요구된다.
이와 같이, 본 발명은 최적화 된 운용을 통하여, 전체의 환경적인 변인들을 효율적인 방법으로 측정할 수 있는 환경 센서의 측정값 예측 방법을 제공한다.
본 발명에 따른 센서의 측정값 예측 방법은 정의된 영역에서 복수개의 센서들 간에 측정값에 대한 연관관계를 계산하는 센서간 관련성 지수 계산 단계, 정의된 영역에서 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성하는 동작 그룹 형성 단계, 정의된 영역에서 각각의 동작 그룹 내에 적어도 하나 이상의 대표센서를 결정하는 대표 센서 결정 단계, 정의된 영역에서 결정된 대표 센서를 제외한 해당 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 센서 제어 단계 및 정의된 영역에서 비활성상태 센서들의 측정값은 대표 센서로 측정된 측정값들로 대체하는 측정값 예측 단계를 포함한다.
일 실시예에 있어서, 대표 센서 결정 단계에서, 해당 동작 그룹 내의 대표 센서는 n개의 센서로 결정되는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 대표 센서 결정 단계에서, 해당 동작 그룹 내의 대표 센서는 해당 동작 그룹 내에서 외곽에 위치한 센서로 결정되는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 해당 동작 그룹 내의 대표 센서를 재결정하는 트리거링 단계를 더 포함하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 트리거링 단계는, n개의 대표 센서들 간의 센서간 관련성 지수를 계산하는 대표 센서간 관련성 지수 계산 단계, 대표 센서간 관련성 지수를 이용하여 대표 센서를 다시 결정하는 대표 센서 재결정 단계를 포함하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 대표 센서 재결정 단계에서, 대표 센서간 관련성 지수가 제1기준값보다 적게 나오면, 해당 동작 그룹 내의 다른 센서를 활성화 하고, 해당 동작 그룹 내에서, 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계, 상기대표 센서 결정 단계, 센서 제어 단계 및 측정값 예측 단계를 다시 수행하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 대표 센서 재결정 단계에서, 대표 센서간 관련성 지수가 제2기준값보다 크게 나오면, n개의 대표 센서 중 하나를 제외하고, 나머지 대표센서들을 비활성화 하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 동작 그룹 형성 단계는 하나의 상위 동작 그룹 내에 복수개의 하위 동작 그룹이 포함되도록 수직적인 그룹 구조를 가지고, 대표 센서 결정 단계는, 수직적인 그룹 구조 내의 최하위 계층의 동작 그룹인 최하위 동작 그룹 중에서, 최하위 대표 동작 그룹 내에 적어도 하나 이상의 대표센서를 결정하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 상위 동작 그룹의 가장자리에 위치하는 하위 동작 그룹을 대표 하위 그룹으로 설정하는 단계를 더 포함하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 센서 제어 단계에서는, 상위 동작 그룹 내에 대표 하위 동작 그룹이 아닌 다른 하위 동작 그룹에 포함된 모든 센서들을 비활성상태로 제어하고, 최하위 대표 동작 그룹 내에서 결정된 대표 센서를 제외한 해당 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 수직적인 그룹 구조를 가지는 동작 그룹 내의 대표 센서를 재결정하는 계층 트리거링 단계를 더 포함하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 계층 트리거링 단계는, 최하위 대표 동작 그룹 내에 있는 대표 센서들 간의 센서간 최하위 대표 센서 관련성 지수 계산 단계를 더 포함하고, 최하위 대표 센서 관련성 지수가 제3 기준값 보다 낮은 경우, 최하위 동작 그룹 보다 더 내부의 최하위 계층의 동작 그룹을 선택하여, 추가 최하위 대표 동작 그룹을 설정하는 대표 동작 그룹 추가 단계를 더 포함하고, 최하위 동작 그룹 및 추가 최하위 대표 동작 그룹 내에서, 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계, 상기대표 센서 결정 단계, 센서 제어 단계 및 측정값 예측 단계를 다시 수행하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계 및 대표 센서 결정 단계는 지정된 조건 하에 설정되고, 지정된 조건에 따른 상기동작 그룹 및 대표 센서의 결정 상태를 기록하는 조건별 설정 저장 단계를 더 포함하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 지정된 조건이 만족되는 경우, 조건별 설정 저장 값에 따라 센서 제어 단계 및 측정값 예측 단계를 진행하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 조건별 설정 저장 단계는, 일반적인 정상 상태의 동작 그룹 및 대표 센서의 결정 상태를 기록하고, 지정된 조건이 해제되는 경우, 일반적인 정상 상태의 조건별 설정 저장 값에 따라 센서 제어 단계 및 측정값 예측 단계를 진행하는 것을 특징으로 할 수 있다.
일 실시예에 있어서, 센서 제어 단계에서 지속적으로 비활성상태로 제어되는 센서들이 있는 경우, 해당 센서들을 영구적으로 제거하는 영구적 센서 제거 단계를 더 포함하는 것을 특징으로 할 수 있다.
본 발명에 따른 환경 센서의 측정값 예측 방법에 따르면, 불필요한 센서들을 비활성상태로 제어할 수 있으므로, 해당 센서가 소비하는 전력뿐 아니라, 통신망의 밴드위스 등 다양한 운용 자원을 절약할 수 있다.
또한, 지속적인 모니터링을 통하여 해당 위치에 사용되는 센서가 불필요하단 것을 판단할 수 있는 객관적인 근거를 제공하며, 해당 센서가 불필요함이 인정되면, 추후 IoT 디바이스를 교체하는 과정에서 영구적으로 환경센서를 제거할 수 있으므로 설비 비용의 절감, 관리 운영에 있어서의 비용 절감 효과를 가져올 수 있다.
또한 각 센서들이 생성하여 통신하는 데이터들의 전송량을 제어할 수 있으므로, 관리자나 서버단에서 데이터 처리량이 줄어들게 되고, 결과적으로 해당 프로세스의 처리량이 줄어들고, 전체적인 데이터의 저장 공간에 대한 절감이 가능하다.
본 발명에 관한 이해를 돕기 위해 상세한 설명의 일부로 포함되는 첨부도면은, 본 발명에 대한 실시예를 제공하고 상세한 설명과 함께 본 발명의 기술적 사상을 설명한다.
도 1은 본 발명의 일실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도 2는 도 1의 실시예에 따른 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도4는도3의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다.
도 5a 내지 도 5d는 도3의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도 7은 도 6의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다.
도 8a 내지 도 8c는 도 6의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 9는 본 발명의 다른 실시예에 따른, 환경 센서의 측정값 예측 방법의 순서도이다.
도 1은 본 발명의 일실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도 2는 도 1의 실시예에 따른 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 3은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도4는도3의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다.
도 5a 내지 도 5d는 도3의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 6은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다.
도 7은 도 6의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다.
도 8a 내지 도 8c는 도 6의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 9는 본 발명의 다른 실시예에 따른, 환경 센서의 측정값 예측 방법의 순서도이다.
이하에서는 첨부된 도면들을 참조하여 본 발명에 대해서 자세히 설명한다. 이때, 각각의 도면에서 동일한 구성 요소는 가능한 동일한 부호로 나타낸다. 또한, 이미 공지된 기능 및/또는 구성에 대한 상세한 설명은 생략한다. 이하에 개시된 내용은, 다양한 실시 예에 따른 동작을 이해하는데 필요한 부분을 중점적으로 설명하며, 그 설명의 요지를 흐릴 수 있는 요소들에 대한 설명은 생략한다. 또한 도면의 일부 구성요소는 과장되거나 생략되거나 또는 개략적으로 도시될 수 있다. 각 구성요소의 크기는 실제 크기를 전적으로 반영하는 것이 아니며, 따라서 각각의 도면에 그려진 구성요소들의 상대적인 크기나 간격에 의해 여기에 기재되는 내용들이 제한되는 것은 아니다.
본 발명의 실시예들을 설명함에 있어서, 본 발명과 관련된 공지기술에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략하기로 한다. 그리고, 후술되는 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로서 이는 사용자, 운용자의 의도 또는 관례 등에 따라 달라질 수 있다. 그러므로 그 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다. 상세한 설명에서 사용되는 용어는 단지 본 발명의 실시 예들을 기술하기 위한 것이며, 결코 제한적이어서는 안 된다. 명확하게 달리 사용되지 않는 한, 단수 형태의 표현은 복수 형태의 의미를 포함한다. 본 설명에서, "포함" 또는 "구비"와 같은 표현은 어떤 특성들, 숫자들, 단계들, 동작들, 요소들, 이들의 일부 또는 조합을 가리키기 위한 것이며, 기술된 것 이외에 하나 또는 그 이상의 다른 특성, 숫자, 단계, 동작, 요소, 이들의 일부 또는 조합의 존재 또는 가능성을 배제하도록 해석되어서는 안 된다.
또한, 제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되는 것은 아니며, 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다.
환경 센서의 측정값 예측 방법
도 1은 본 발명의 일실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다. 도 2는 도 1의 실시예에 따른 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 1 및 도 2를 참조하면, 본 발명의 일 실시예에 따른 센서의 측정값 예측 방법은 센서간 관련성 지수 계산 단계(S100), 동작 그룹 형성 단계(S200), 대표 센서 결정 단계(S300), 센서 제어 단계(S400) 및 측정값 예측 단계(S500)를 포함한다.
센서간 관련성 지수 계산 단계(S100)에서는 정의된 영역에서 복수개의 센서들 간에 측정값에 대한 연관관계를 계산한다. 동작 그룹 형성 단계(S200)는 정의된 영역에서, 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성한다. 대표 센서 결정 단계(S300)는 정의된 영역에서, 각각의 동작 그룹 내에 적어도 하나 이상의 대표센서를 결정한다. 센서 제어 단계(S400)는 정의된 영역에서, 결정된 대표 센서를 제외한 상기 해당 동작 그룹 내 다른 센서들을 비활성상태로 제어한다. 측정값 예측 단계(S500)는 정의된 영역에서, 활성상태 센서들의 측정값은 상기 대표 센서로 측정된 측정값들로 대체한다.
센서의 측정값 예측 방법은 트리거링 단계(S600)를 더 포함할 수 있다. 트리거링 단계(S600)은 해당 동작 그룹 내의 상기 대표 센서를 재결정한다. 이러한 트리거링 단계와 유사하게, 계층 트리거링 단계(S700)을 더 포함할 수 있다. 계층 트리거링 단계(S700)는 수직적인 그룹 구조를 가지는 동작 그룹 내의 상기 대표 센서를 재결정한다.
이로써 전체 센서를 모두 활성화 하지 않으면서도, 효율적으로 각 센서의 측정값을 유추할 수 있다. 이하 각 단계별로 상세히 설명한다.
(a) 센서간 관련성 지수 계산 단계(S100)
도 1 및 도 2를 다시 참조하면, 센서간 관련성 지수 계산 단계(S100)는 정의된 영역에서 복수개의 센서들 간에 측정값에 대한 연관관계를 계산한다. 최초 측정에서는 정의된 영역이 측정 가능한 전체 영역일 수 있으며, 지역적으로 제한된 영역의 센서로 제한하여 관련성 지수를 계산할 수 있다.
센서간 관련성 지수는 일정 기간동안 센서의 측정값들을 누적하여, 다양한 방법으로 센서들 간의 관련성 지수를 계산할 수 있다. 센서간 관련성 지수를 측정하는 것은 센서간 코릴레이션을 측정하는 것으로 표현될 수 있다.
본 실시예에서 의미하는 코릴레이션이 높다는 의미는 각 센서에서 측정되는 측정값이 값의 동일성을 의미하는 것은 아니다. 각 센서들의 측정값이 외부 변인의 변화에 대해 추세와 배율에 유사성이 높다는 것을 의미한다. 따라서 측정된 값에 대해 적절한 위상변화나 스케일링을 통하여 관련성 지수를 검토하는 데에 사용되어야 한다.
(b) 동작 그룹 형성 단계(S200)
도 1 및 도 2를 다시 참조하면, 동작 그룹 형성 단계(S200)에서는 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성한다. 센서간 관련성 지수가 기준치 이상의 값을 가지는 센서들을 하나의 동작 그룹으로 설정할 수 있다.
도 2를 참조하면, 센서간 관련성 지수가 높은 센서들을 각각 제1 동작 그룹(G1), 제2 동작그룹(G2), 제3 동작그룹(G3), 제4 동작그룹(G4)로 설정되었다. 제1 동작 그룹(G1)은 제1, 제2, 제3, 제6, 제7, 제8, 제11, 제12, 제13 센서(S1, S2, S3, S6, S7, S8, S11, S12, S13)가 포함된다. 제2 동작그룹(G2)은 제4, 제9, 제10 센서(S4, S9, S10)가 포함된다. 제3 동작그룹(G3)은 제16, 제17, 제18, 제21, 제22, 제23 센서(S16, S17, S18, S21, S22, S23)이 포함된다. 제4 동작그룹(G4)은 제14, 제15, 제19, 제20, 제24, 제25 센서(S14, S15, S19, S20, S24, S25)가 포함된다.
각각의 동작그룹은 센서의 관련성 지수를 바탕으로 결정되므로, 크기와 모양은 균일하지 않을 수 있다. 개별적인 센서에 대해 다른 센서들과의 관련성 지수가 낮은 경우 센서가 동작 그룹에 속하지 않을 수 있다. 예를 들어 제5 센서(S5)는 어느 동작 그룹에도 속해 있지 않다. 또한, 도면에서는 도시되지 않았지만, 하나의 센서가 여러 개의 동작 그룹에 속할 수도 있다.
이러한 동작그룹은 지역적인 거리조건이나 규모에 따라 대규모 동작그룹, 중규모 동작그룹, 소규모 동작그룹 등으로 카테고리화 될 수 있다. 예를 들어, 하나의 에너지 단지 전체는 대규모 동작그룹이 될 수 있고, 다수의 IoT 디바이스를 가진 가정집 하나는 소규모 동작그룹이 될 수 있다.
또한, 소규모 동작그룹을 묶어 중규모 동작 그룹을 형성하고, 중규모 동작그룹이 묶여 대규모 동작그룹을 형성하는 수직적인 계열화를 구성할 수 있다. 이러한 상태의 센서 관리에 대해서는 후술될 다중 트리거링 단계에서 설명한다.
(c) 대표 센서 결정 단계(S300)
도 1 및 도 2를 다시 참조하면, 대표 센서 결정 단계(S300)에서는 하나의 동작 그룹 내에 적어도 하나 이상의 대표 센서를 결정한다. 이때에 결정되는 대표 센서는 하나 이상의 대표 센서가 결정될 수 있다. 또한, 대표 센서는 위치적으로 해당 동작 그룹에서 외곽에 위치하도록 결정될 수 있다.
제1 동작 그룹(G1)은 4개의 대표 센서(S1, S3, S11, S13)을 가지며, 각각의 대표 센서들은 제1 동작 그룹(G1)의 외곽에 위치한다. 중심에 위치하는 것 보다 상대적으로 외부 변인에 의한 센서의 측정값이 변화될 가능성이 주변에 위치하는 센서가 될 확률이 높으므로, 가장자리에 위치한 센서들을 대표 센서로 설정할 수 있다.
앞서 설명한 바와 같이, 동작 그룹에 속하지 않는 센서들이 존재할 수 있으며, 이러한 센서들은 센서를 1개 소유하는 개별적인 동작 그룹으로 설정되어 관리할 수도 있다.
(d) 센서 제어 단계(S400)
도 1 및 도 2를 다시 참조하면, 센서 제어 단계(S400)는 결정된 대표 센서를 제외한 상기 해당 동작 그룹 내 다른 센서들을 비활성상태로 제어한다. 비활성상태로 제어한다는 의미는 센서들이 더 이상 측정값을 센싱 하지 않도록 한다는 것이며, 센서를 오프 시키는 것으로 비활성상태로 전환시킬 수 있다.
비활성상태는 전원 제어, 통신 제어, 기타 센서의 제어 가능한 기능들을 비활성상태로 전환하는 것을 의미한다. 따라서, 온오프 제어가 이루어지지 않는 센서라도 통신제어가 가능한 경우 측정값을 전송하는 부분을 오프시켜, 비활성상태로 전환시킬 수 있다. 또한, 비활성상태를 해당 센서를 끄지 않고서 측정 주기 및 전송 주기 등을 길게 변환하는 것으로 제어하는 것도 가능하다.
일반적으로 센서를 키고 끄는 제어는 서버의 명령에 의하여 원격으로 수행될 수도 있으며, 센서를 포함한 IoT 디바이스 간의 애드혹 네트워크(ad-hoc network)가 있는 경우 이에 의한 자체 판단에 의하여 수행되도록 설정할 수 있다.
또한, 지속적으로 비활성상태로 제어되는 센서들이 존재하는 경우에는 이러한 센서들이 장기적으로 대표센서들과 높은 연관성을 가지므로, 인해 영구히 필요가 없을 것이라 판단할 수 있다. 이 경우에는 해당 센서를 영구적으로 제거할 수 있다.
통상적으로 IoT 디바이스를 교체하는 주기가 있는 경우, 이에 대한 교체 시기에 해당 위치에는 해당 센서가 제거된 상태의 IoT 디바이스로 교체한다. 예를 들어 3년의 주기로 IoT 디바이스를 교체하는 경우, 새로운 교체 시기에 장비를 교체할 수 있으며, 기록된 센서의 교체 기록을 이용하여, 다음 장비에 대한 교체나 고장 시기에 센서가 없는 장비를 설치할 수 있다. 이로써 센서의 효율성뿐 아니라 설비에 대한 유지 관리 비용을 절감할 수 있다.
(e) 측정값 예측 단계(S500)
도 1 및 도 2를 다시 참조하면, 측정값 예측 단계(S500)에서는 비활성상태 센서들의 측정값을 대표 센서로 측정된 측정값들로 대체한다.
대표 센서가 단일한 경우에는 대표 센서의 값들을 직접적으로 비활성상태의 센서들의 값으로 대체할 수 있다. 또는 각 비활성상태의 센서들의 위치나 다른 변수의 값을 활용하여 보정된 값들로 대체할 수 있다.
대표 센서의 측정값들을 비활성상태 센서의 측정값들로 대체하는 것을 프로젝션 한다고 표현할 수 있으며, 하나의 동작그룹에서 비활성상태 센서의 측정값은 대표센서의 값을 그대로 프로젝션하여 이용하는 것이 가능하다. 만일 다수의 대표센서가 존재한다면, 프로젝션 후, 그들의 평균값이나, 위치에 따른 n차 회귀분석방식, 또는 인공지능을 이용한 예측 방법 등으로 이를 추가적으로 보정하는 과정을 더 포함할 수 있다.
트리거링 단계
(a) 트리거링 단계
도 3은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다. 도4는도3의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다. 도 5a 내지 도 5d는 도3의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 3, 도 4를 먼저 참조하면, 트리거링 단계(S600)에서는 해당 동작 그룹 내의 상기 대표 센서를 재결정한다. 이것은 외부 환경 변인이 변화하는 등의 이유로, 더 이상 센서간 관련성이 인정되지 않는 상태인 경우에는 대표 센서의 설정을 재진행하기 위한 목적이다.
트리거링 단계(S600)에서는 하나의 동작 그룹 내에 n개의 대표 센서가 결정된 상태에서 지속적으로 n개의 환경 센서의 관련성 지수인 대표 센서간 관련성 지수를 계산한다(S610). 개표 센서간 관련성 지수의 결과값과 기준값을 비교하여, 동작 그룹 내에 대표 센서를 재결정한다.
대표 센서를 재결정하는 단계는, 대표 센서간 관련성 지수가 제1 기준값보다 적게 나오면(S610), 상기 해당 동작 그룹 내의 다른 센서를 활성화 한다(S620). 대표 센서간 관련성 지수에 대한 제1 기준값은 대표 센서 간의 연관도가 낮아 더 이상 대표 센서의 값들을 나머지 센서들의 값으로 대표할 수 없는 기준을 의미하는 값이다. 대표 센서간 관련성 지수가 제1 기준값보다 작은 경우에는 다양한 측정값이 존재한다는 의미이므로, 다른 센서를 모두 활성화 한다(S620).
다른 센서의 활성화 단계(S620) 이후에는, 해당 동작 그룹 내에서, 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계, 대표 센서 결정 단계, 센서 제어 단계 및 측정값 예측 단계를 다시 수행하도록 할 수 있다.
만일, 대표 센서간 관련성 지수가 제2 기준값보다 크게 나오면(S630), 해당 동작 그룹 내의 대표 센서 중 나머지를 비활성화상태로 전환하여, 더 소수의 대표 센서를 사용한다(S640). 대표 센서간 관련성 지수에 대한 제2 기준값의 정의는 대표 센서 간의 연관도가 높아 모든 대표 센서의 값들을 하나의 대표 센서로 대체할 수 있는 기준을 의미하는 값이다. 대표 센서간 관련성 지수가 제2 기준값보다 높은 경우에는 더 이상 대표 센서를 복수개 둘 필요가 없다는 의미이므로, 동작 그룹 내 다른 대표 센서들을 비활성화 한다(S640).
상기의 제1 기준값과 제2 기준값은 서로 의미의 설정값으로 설정되었으나, 결과적으로 같은 수치의 기준이 적용될 수 도 있다.
(b) 트리거링 단계 적용 사례
도 5a 내지 도 5d를 참조하여 트리거링 단계를 설명하면, 도 5a는 정상상태의 제1 동작 그룹(G1)의 대표 센서 설정 상태를 나타낸다. 도 5a의 상태에서 지속적으로 대표 센서인 제1, 제3, 제11, 제13 센서 (S1, S3, S11, S13)의 상호간 대표 센서간 관련성 지수를 지속적으로 계산한다(S610).
도 5b를 참조하면, 이러한 대표 센서간 관련성 지수가 제1 기준값 보다 낮은 경우(S610)에는 동작 그룹 내의 다른 센서를 모두 활성화 한다(S620). 이후 이러한 동작 그룹 내에서 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계, 대표 센서 결정 단계, 센서 제어 단계 및 측정값 예측 단계를 다시 수행하도록 할 수 있다.
도 5c를 참조하면, 도 5b의 상태에서, 관련성 지수를 재평가한 결과, 새로운 제11 동작 그룹(G11)과 제12 동작 그룹(G12)로 재편된 것을 볼 수 있고, 각 동작 그룹 내의 대표 센서는 제1, 제3, 제6, 제8, 제11, 제13 센서(S1, S3, S6, S8, S11, S13)에 해당한다. 변화된 요인에 의해 각 센서 간의 관련성이 낮아져 새로운 동작 그룹을 형성하고, 각 센서의 구동을 변경한다.
도 5d를 참조하면, 대표 센서간 관련성 지수가 제2 기준값 보다 높은 경우(S630)에는 동작 그룹 내 다른 대표 센서를 비활성화하여 보다 적은 수의 대표 센서가 작동하도록 재조정 하여 대표 센서를 결정한다(S640). 이후에는 센서 제어 단계(S400)로 복귀하여 정상적인 센서값 예측 단계를 수행한다.
계층 트리거링 단계
(a) 계층 동작 그룹의 구동
도 6은 본 발명의 다른 실시예에 따른 환경 센서의 측정값 예측 방법의 순서도이다. 도 7은 도 6의 실시예에 따른 환경 센서의 측정값 예측 방법 중 일부의 순서도이다. 도 8a 내지 도 8c는 도 6의 실시예에 환경 센서의 측정값 예측 방법에서 환경 센서의 동작을 설명하기 위한 도면이다.
도 6 및 도 7 및 도 8a를 참조하면, 계층 트리거링 단계(S700)는 우선 동작 그룹이 하나의 상위 동작 그룹 내에 복수개의 하위 동작 그룹이 포함되도록 수직적인 그룹 구조를 가지는 경우에 적용된다. 이 경우 여러 개의 계층을 가지는 동작 그룹이 형성될 수 있다. 예를 들어, 상위 동작 그룹, 중위 동작 그룹, 하위 동작 그룹이 형성될 수 있다.
이러한 수직적인 그룹 구조 내의 최하위 계층의 동작 그룹인 최하위 동작 그룹 중에서, 최하위 대표 동작 그룹 내에 적어도 하나 이상의 대표센서가 결정될 수 있다. 또한 모든 최하위 동작 그룹이 대표 센서를 반드시 포함하는 것은 아니며, 위치에 따라 최하위 동작 그룹에 포함된 전체의 센서가 모두 비활성상태로 운영될 수 있다. 이러한 경우 일반적으로 최하 동작 그룹 중 대표 센서를 가지는 그룹은 상위 동작 그룹의 가장자리에 위치하는 하위 동작 그룹을 대표 하위 그룹으로 설정될 수 있다.
도 8a를 참조하면, 총 64개의 센서로 이루어진 그룹에서, 4개의 제1 상위 동작 그룹(UG1, UG2, UG3, UG4) 내에 각각의 하위 동작 그룹이 형성된다. 이 경우 2계층의 수직적인 동작 그룹이 형성되고 각각 4개의 센서가 포함되는 16개의 하위 동작 그룹이 형성된다. 하위 동작 그룹은 최하위 동작 그룹이 된다. 계층이 더 복잡한 경우에는 다수 계층의 중위 동작그룹이 포함될 수 있다.
이 경우, 16개의 최하위 동작 그룹 중 주변부에 위치한 그룹들이 대표 최하위 동작 그룹이 되며, 이것은 제1, 제2, 제3, 제4, 제5, 제8, 제9, 제12, 제13, 제14, 제15, 제16 하위 그룹(LG1, LG2, LG3, LG4, LG5, LG8, LG9, LG12, LG13, LG14, LG15, LG16)이 된다. 이 중 대표 그룹이 아닌 최하위 동작 그룹은 그룹 전체의 센서들이 비활성상태가 된다. 이러한 하위 그룹은 제6, 제7, 제10, 제11 그룹(LG6, LG7, LG10, LG11)이며, 센서 전체가 비활성상태이다.
대표 최하의 동작 그룹에 있는 대표 센서들의 측정값을 이용하여 다른 최하의 동작 그룹 내의 센서의 측정값을 대체한다. 또한 대표 최하위 동작 그룹의 대표 센서들 간의 대표 센서간 관련성 지수가 높은 상태로 유지하는 경우 이러한 동작 그룹 및 대표 센서 상태를 유지한다.
(b) 계층 트리거링 단계
계층 트리거링 단계(S700)는 수직적인 그룹 구조를 가지는 동작 그룹 내의 상기 대표 센서를 재결정한다. 이것은 외부 환경 변인이 변화하는 등의 이유로, 더 이상 센서간 관련성이 인정되지 않는 상태인 경우에는 대표 센서의 설정을 재진행하기 위한 목적이며, 동작 센서가 계층화 된 경우에는 일반적인 트리거링 단계(S600)가 아닌 계층 트리거링 단계(S700)를 적용한다.
도 7을 참조하면, 계층 트리거링 단계(S700)는 최하위 대표 동작 그룹 내에 있는 대표 센서들 간의 센서간 최하위 대표 센서 관련성 지수 계산 단계를 실시한다.
여기서 계산된 최하위 대표 센서 관련성 지수가 제3 기준값 보다 낮은 경우, 추가 최하위 대표 동작 그룹을 더 추가한다(S730). 여기서 추가되는 최하위 대표 동작 그룹은 현재의 최하위 동작 그룹 보다 더 내부의 최하위 계층의 동작 그룹을 선택할 수 있다.
최하위 대표 동작 그룹이 추가되는 추가 단계(S730) 이후에는, 해당 동작 그룹 내에서, 센서간 관련성 지수 계산단계, 동작 그룹 형성 단계, 대표 센서 결정 단계, 센서 제어 단계 및 측정값 예측 단계를 다시 수행하도록 할 수 있다.
이때에는 현 상태의 최하위 대표 동작 그룹과 추가 최하위 대표 동작 그룹 내에 있는 센서들 간의 내부에 있는 센서들의 센서간 관련성 지수를 다치 측정하고, 관련성 높은 센서들 간의 동작 그룹을 재설정할 수 있다.
또한, 최하위 대표 동작 그룹 내에서도 센서간 관련성이 약화되는 경우에는 앞서 진행하였던 트리거링 단계(S600)를 하위 동작 그룹 단위에서 수행할 수 있다.
(c) 계층 트리거링 단계 적용 사례
도 8a 내지 8c를 참조하여, 계층 트리거링 단계를 예시와 함께 설명한다.
도 8a를 참조하면, 상위 동작 그룹(UG1, UG2, UG3, UG4)과 하위 동작 그룹(LG1, …LG16)으로 형성된 수직적인 계층 그룹이 형성됨을 알 수 있다. 소규모 그룹과 중규모 그룹이 형성되었으며, 최하위 동작 그룹인 하위 그룹 내에는 각각 4개의 센서가 배치된다.
이 중 최하위 대표 동작 그룹은 가장자리에 위치한 동작 그룹인 제1, 제2, 제3, 제4, 제5, 제8, 제9, 제12, 제13, 제14, 제15, 제16 하위 그룹(LG1, LG2, LG3, LG4, LG5, LG8, LG9, LG12, LG13, LG14, LG15, LG16)이며, 내부에 포함된 하위 그룹인 제6, 제7, 제10, 제11 하위 동작 그룹(LG6, LG7, LG10, LG11)은 모든 센서가 비활성상태에 있다.
가장자리에 있는 최하위 대표 동작 그룹 내의 대표센서들이 측정하는 측정값들을 이용하여 대응 되는 비활성상태의 개별센서들의 측정값을 대체 한다.
도 8b를 참조하면, 최하위 대표 동작 그룹의 대표 센서 간의 관련성 지수가 제3 기준값 이하인 경우, 각각의 대표 센서 및 최하위 대표 동작 그룹 간의 관련성이 떨어지는 것이므로, 이 경우 현재의 최하위 대표 동작 그룹 보다 한 단계 내부에 있는 추가 최하위 동작 그룹을 추가한다. 이 동작 그룹은 제6, 제7, 제10, 제11 하위 동작 그룹(LG6, LG7, LG10, LG11)이다.
최하위 대표 동작 그룹(LG1, LG2, LG3, LG4, LG5, LG8, LG9, LG12, LG13, LG14, LG15, LG16)과 추가 최하위 대표 동작 그룹(LG6, LG7, LG10, LG11)의 각 대표 센서의 측정값을 바탕으로 관련성 지수를 계산한다. 이를 통해 중규모 그룹인 상위 동작 그룹을 재조정할 수 있다.
도 8c를 참조하면, 재편성된 상위 동작 그룹(UG1', UG2', UG3', UG4')이 도시된다. 재편성된 제1 상위 동작 그룹(UG1')은 제1, 제2, 제3, 제5, 제6, 제7 하위 동작 그룹(LG1, LG2, LG5, LG6, LG7, LG9, LG10, LG11)을 포함하도록 재조정되었으며, 제1 상위 동작 그룹(UG1')의 대표 최하위 동작 그룹은 제1, 제3, 제9, 제11 하위 동작 그룹(LG1, LG3, LG9, LG11)으로 변화하였다. 이로써, 각 계층의 동작 그룹이 재편성되었다.
본 실시예에서는 상위 동작 그룹과 하위 동작 그룹으로써 2계층만 존재하는 예시를 들었지만, 최하위 계층 그룹을 존재하는 한 다수 개층의 동작 그룹을 조작할 수 있다.
조건 트리거링 단계
도 9는 본 발명의 다른 실시예에 따른, 환경 센서의 측정값 예측 방법의 순서도이다.
도 9을 참조하면, 본 실시예에 따른 환경센서의 측정값 예측 방법은 조건별 설정 저장 단계(S820)를 더 포함한다. 또한, 이에 수반되는 해당 상태의 조건을 파악하는 지정 조건 설정 단계(S810) 및 현재 상태가 과거 저장된 지정 조건에 부합하는 지를 판단하는 지정 조건 판단 단계(S830)을 더 포함할 수 있다.
특정 조건이 설정된 경우에 형성되는 높은 관련관계를 바탕으로 동작 그룹과 대표 센서를 설정하고, 이러한 상태를 조건별 설정으로 저장하고, 해당 조건이 발현되는 경우 이를 활용하여 대표 센서를 통한 센서 측정값을 예측할 수 있다.
특히, 이 경우, 일반적인 정상상태의 동작 그룹 및 동작 그룹에 대한 대표 센서의 결정 상태를 별도로 기록하고, 조건별 설정으로 사용하는 조건이 더 이상 부합하지 않는 경우, 다시 정상상태의 조건별 설정 저장값으로 복귀하여, 센서 제어 단계(S400) 및 측정값 예측 단계(S500)를 수행할 수 있다.
또는 정상상태에서는 이러한 측정값 예측 프로세스 전체를 실시하지 않다가, 특정 조건이 발현되는 경우에 한해 본 발명의 측정값 예측 방법을 구동하는 설정도 가능하다.
적용 가능한 실제 실시 예시
(a) 댁내 태양광 발전 시설
가정집에 다수의 태양광 패널을 포함하는 태양광 발전시설이 있고, 각각의 패널에는 환경 센서를 포함하는 IoT 디바이스가 설치되어 있다고 가정한다. 건물 옥상의 태양 패널은 위치상 서로 붙어 있다. 하지만, 태양광 패널의 용량 제한 등으로 인하여 태양광 발전 시설을 하나의 IoT 디바이스로 측정 및 관리하지 못하고, 여러 개의 IoT 디바이스로 나누어 전력량을 측정하고, 제어하는 방식을 택하고 있다.
이 경우 환경센서 중 조도를 측정하는 센서는 하나의 가정집에 설치되는 규모라면 서로 매우 높은 관련성을 가질 수 있다. 따라서 하나의 센서 이외에는 모두 센서 측정을 생략하더라도 실제 측정값을 파악하는 것에는 큰 오차가 발생되지 않는다.
따라서 전체 태양광 발전 시설은 조도 센싱에 대해서는 하나의 동작 그룹으로 묶이게 되고, 소수의 대표 센서를 통하여, 전체 태양광 패널에 적용되는 센서의 측정값을 대표할 수 있다.
뿐만 아니라, 이러한 각 개별 센서들의 조도 측정값이 일관적으로 높은 관련성을 유지하는 경우에는 다음 IoT 디바이스 교체주기에 맞추어, 대표 센서를 포함하는 IoT 디바이스를 제외하고 다른 IoT 디바이스에서 조도센서를 제거함으로써 하드웨어 비용을 절감할 수 있다.
(b) 트리거링 단계가 포함되는 풍력 발전 시설
개활지에 풍력발전기를 10열 및 10행으로 총 100개의 격자형 배치를 한다고 가정한다. 풍속과 풍량을 측정하는 환경센서가 각 풍력발전기마다 설치되어 있을 때는 개활지의 특성상 격자의 가운데에서만 바람이 세게 불거나 사라지는 경우는 거의 발생하지 않는다. 하지만, 경우에 따라서는 격자 구조의 한쪽 끝에서는 바람이 세게 불지만, 다른 쪽 끝에서는 바람이 적게 부는 경우는 가능하다.
이 경우 전체 격자의 네 귀퉁이에 대표 최하위 동작 그룹을 설정하고, 각 해당 그룹 내 대표 센서간 관련성 지수가 높게 계산되는 경우에는 격자 내부에 존재하는 다른 센서들의 동작을 비활성상태로 전환하고, 이러한 다른 센서들의 센서값을 대표 센서의 센서값으로 대신할 수 있다.
만약, 대표 센서들에서 측정된 값이 관련성 지수가 낮다면, 격자 내에서 위치에 따라 풍력의 패턴이 달라졌다는 것을 의미한다. 이것은 계절의 영향이나 기타 외부적인 요인에 의해 최초 설정된 상황이 변경됨에 따라 변화될 수 있다.
이 때에는 최하위 대표 그룹에서 격자 중심부를 향하여 일정거리 이동하여, 추가 최하위 대표 동작 그룹을 정의할 수 있다. 추가 최하위 대표 동작 그룹 내의 대표 센서를 활성화 상태로 전환한다.
이 경우 모두 8개의 대표 센서가 동작하고 있으며, 이 8개의 대표 센서 중 인접한 센서와 관련성이 높은 센서들을 찾고, 그 센서들 사이의 센서들은 여전히 비활성상태로 유지한다. 인접하였으나 관련성이 낮은 환경센서가 발견되면, 그 사이에 위치하고 있는 다른 환경센서들을 추가로 켜서 활성화상태로 전환시킨다.
활성화상태에 있는 센서들로부터 지속적으로 관련성을 관찰하면서, 인접한 상태에서 다시 관련성이 높아지는 센서들을 발생할 경우, 해당되는 높은 관련성 있는 센서들을 새로운 동작 그룹으로 설정하고, 대표 센서를 결정한 후, 나머지 센서들을 다시 비활성상태로 전환할 수 있다.
(c) 지정 조건이 적용되는 태양광 발전 시설
지정 조건은 태양광 발전 시설에서, 낮과 밤으로 설정할 수 있다. 경우에 따라서는 일자별로 변화하는 일몰 시간 - 일출 시간을 파악하여 낮시간 조건과 밤시간 조건을 설정할 수 있다. 일반적으로 밤에는 태양광발전이 이뤄지기 힘든 낮은 조도가 유지된다.
낮에는 지형이나, 건물의 위치 등에 따라 각자 다른 조도가 측정되며, 태양광 발전량은 이러한 조도에 따라 달라진다. 하지만, 밤이 되면 태양광 발전이 이루어지지 않고, 모든 조도센서는 매우 낮은 값을 갖게 된다. 이때에는 전체 센서가 지정된 조건(밤시간)에 성립되는 경우 높은 관련성을 가지는 특정 조건이 성립된다.
이 특정 조건에는 전체 태양광 발전 시설의 외곽 부근에 하나 또는 몇개의 대표 센서를 설정하고, 그 외의 환경센서는 모두 비활성상태로 전환한다.
다시 아침이 되면 일부 대표 센서의 조도 값이 올라가고, 각 대표 센서들 간의 관련성이 낮아 진다. 이 경우 밤이라는 해당 조건이 불성립되는 상태로 변환 된다. 이 경우 다시 일반적인 동작모드로 돌아가서 모든 환경센서를 활성 상태로 전환한다.
환경센서의 예
본 발명에서 언급하는 센서는 다양한 종류의 환경 센서들을 포함한다. 이것은 조도, 온도, 습도, 풍속, 풍량, 강수량, 등 다양한 외부의 환경적인 요인을 측정하는 센서들을 포함하여 지칭할 수 있다.
이상과 같이 본 발명에서는 구체적인 구성 요소 등과 같은 특정 사항들과 한정된 실시예 및 도면에 의해 설명되었으나 이는 본 발명의 보다 전반적인 이해를 돕기 위해서 제공된 것일 뿐, 본 발명은 상기의 실시예에 한정되는 것은 아니며, 본 발명이 속하는 분야에서 통상적인 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형이 가능할 것이다. 따라서, 본 발명의 사상은 설명된 실시예에 국한되어 정해져서는 아니 되며, 후술하는 특허청구범위뿐 아니라 이 특허청구범위와 균등하거나 등가적 변형이 있는 모든 기술 사상은 본 발명의 권리범위에 포함되는 것으로 해석되어야 할 것이다.
G1 내지 G4 : 동작 그룹
S1 내지 S64 : 센서
UG1 내지 UG4 : 상위 동작 그룹
LG1 내지 LG16 : 하위 동작 그룹 또는 최하위 동작 그룹
S1 내지 S64 : 센서
UG1 내지 UG4 : 상위 동작 그룹
LG1 내지 LG16 : 하위 동작 그룹 또는 최하위 동작 그룹
Claims (16)
- 삭제
- 정의된 영역에서, 복수개의 센서들 간에 측정값에 대한 연관관계를 계산하는 센서간 관련성 지수 계산 단계;
상기 정의된 영역에서, 상기 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성하는 동작 그룹 형성 단계;
상기 정의된 영역에서, 각각의 동작 그룹 내에 적어도 하나 이상의 대표 센서를 결정하는 대표 센서 결정 단계;
상기 정의된 영역에서, 상기 대표 센서 결정 단계에서 결정된 상기 대표 센서를 제외한 상기 동작 그룹 형성 단계에서 형성된 상기 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 센서 제어 단계; 및
상기 정의된 영역에서, 상기 비활성상태 센서들의 측정값은 상기 대표 센서로 측정된 측정값들로 대체하는 측정값 예측 단계;를 포함하고,
상기 대표 센서 결정 단계에서,
상기 동작 그룹 내의 상기 대표 센서는 n개의 센서로 결정되는 것을 특징으로 하고,
상기 동작 그룹 내의 상기 대표 센서를 재결정하는 트리거링 단계를 더 포함하는 것을 특징으로 하고,
상기 트리거링 단계는,
상기 n개의 대표 센서들 간의 센서간 관련성 지수를 계산하는 대표 센서간 관련성 지수 계산 단계;
상기 대표 센서간 관련성 지수를 이용하여 대표 센서를 다시 결정하는 대표 센서 재결정 단계;
를 포함하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제2항에 있어서,
상기 대표 센서 결정 단계에서,
상기 동작 그룹 내의 상기 대표 센서는 상기 동작 그룹 내에서 외곽에 위치한 센서로 결정되는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 삭제
- 삭제
- 제2항에 있어서,
상기 대표 센서 재결정 단계에서,
상기 대표 센서간 관련성 지수가 제1기준값보다 적게 나오면,
상기 동작 그룹 내의 다른 센서를 활성화 하고,
상기 동작 그룹 내에서, 상기 센서간 관련성 지수 계산단계, 상기 동작 그룹 형성 단계, 상기대표 센서 결정 단계, 상기 센서 제어 단계 및 상기 측정값 예측 단계를 다시 수행하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제2항에 있어서,
상기 대표 센서 재결정 단계에서,
상기 대표 센서간 관련성 지수가 제2기준값보다 크게 나오면,
상기 n개의 대표 센서 중 하나를 제외하고, 나머지 대표센서들을 비활성화 하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 정의된 영역에서, 복수개의 센서들 간에 측정값에 대한 연관관계를 계산하는 센서간 관련성 지수 계산 단계;
상기 정의된 영역에서, 상기 계산된 센서간 관련성 지수를 바탕으로 동작 그룹을 형성하는 동작 그룹 형성 단계;
상기 정의된 영역에서, 각각의 동작 그룹 내에 적어도 하나 이상의 대표 센서를 결정하는 대표 센서 결정 단계;
상기 정의된 영역에서, 상기 대표 센서 결정 단계에서 결정된 상기 대표 센서를 제외한 상기 동작 그룹 형성 단계에서 형성된 상기 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 센서 제어 단계; 및
상기 정의된 영역에서, 상기 비활성상태 센서들의 측정값은 상기 대표 센서로 측정된 측정값들로 대체하는 측정값 예측 단계;를 포함하고,
상기 동작 그룹 형성 단계는
하나의 상위 동작 그룹 내에 복수개의 하위 동작 그룹이 포함되도록 수직적인 그룹 구조를 가지고,
상기 대표 센서 결정 단계는,
상기 수직적인 그룹 구조 내의 최하위 계층의 동작 그룹인 최하위 동작 그룹 중에서, 최하위 대표 동작 그룹 내에 적어도 하나 이상의 대표센서를 결정하는 것을 특징으로 하고,
상기 수직적인 그룹 구조를 가지는 동작 그룹 내의 상기 대표 센서를 재결정하는 계층 트리거링 단계를 더 포함하는 것을 특징으로 하고,
상기 계층 트리거링 단계는,
상기 최하위 대표 동작 그룹 내에 있는 대표 센서들 간의 센서간 최하위 대표 센서 관련성 지수 계산 단계;를 더 포함하고,
상기 최하위 대표 센서 관련성 지수가 제3 기준값 보다 낮은 경우,
상기 최하위 동작 그룹 보다 더 내부의 최하위 계층의 동작 그룹을 선택하여, 추가 최하위 대표 동작 그룹을 설정하는 대표 동작 그룹 추가 단계;를 더 포함하고,
상기 최하위 동작 그룹 및 추가 최하위 대표 동작 그룹 내에서, 상기 센서간 관련성 지수 계산단계, 상기 동작 그룹 형성 단계, 상기대표 센서 결정 단계, 상기 센서 제어 단계 및 상기 측정값 예측 단계를 다시 수행하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제8항에 있어서,
상기 상위 동작 그룹의 가장자리에 위치하는 하위 동작 그룹을 대표 하위 동작 그룹으로 설정하는 단계를 더 포함하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제9항에 있어서,
상기 센서 제어 단계에서는,
상기 상위 동작 그룹 내에 상기 대표 하위 동작 그룹이 아닌 다른 하위 동작 그룹에 포함된 모든 센서들을 비활성상태로 제어하고,
상기 최하위 대표 동작 그룹 내에서 상기 결정된 대표 센서를 제외한 상기 동작 그룹 내 다른 센서들을 비활성상태로 제어하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 삭제
- 삭제
- 제2항에 있어서,
상기 센서간 관련성 지수 계산단계, 상기 동작 그룹 형성 단계 및 상기 대표 센서 결정 단계는 지정된 조건 하에 설정되고,
상기 지정된 조건에 따른 상기 동작 그룹 및 상기 대표 센서의 결정 상태를 기록하는 조건별 설정 저장 단계를 더 포함하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제13항에 있어서,
상기 지정된 조건이 만족되는 경우,
상기 조건별 설정 저장 값에 따라 상기 센서 제어 단계 및 상기 측정값 예측 단계를 진행하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제14항에 있어서,
상기 조건별 설정 저장 단계는,
일반적인 정상 상태의 상기 동작 그룹 및 상기 대표 센서의 결정 상태를 기록하고,
상기 지정된 조건이 해제되는 경우,
상기 일반적인 정상 상태의 조건별 설정 저장 값에 따라 상기 센서 제어 단계 및 상기측정값 예측 단계를 진행하는 것을 특징으로 하는 센서의 측정값 예측 방법.
- 제2항에 있어서,
상기 센서 제어 단계에서 지속적으로 비활성상태로 제어되는 센서들이 있는 경우,
상기 지속적으로 비활성상태로 제어되는 센서들을 영구적으로 제거하는 영구적 센서 제거 단계;를 더 포함하는 것을 특징으로 하는 센서의 측정값 예측 방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200118876A KR102370790B1 (ko) | 2020-09-16 | 2020-09-16 | 환경 센서의 측정값 예측 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200118876A KR102370790B1 (ko) | 2020-09-16 | 2020-09-16 | 환경 센서의 측정값 예측 방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR102370790B1 true KR102370790B1 (ko) | 2022-03-07 |
| KR102370790B9 KR102370790B9 (ko) | 2023-02-23 |
Family
ID=80817340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200118876A KR102370790B1 (ko) | 2020-09-16 | 2020-09-16 | 환경 센서의 측정값 예측 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102370790B1 (ko) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100987394B1 (ko) * | 2009-12-17 | 2010-10-12 | 동국대학교 산학협력단 | 센서 노드의 클러스터링 방법 및 장치 |
| KR20160084585A (ko) * | 2015-01-06 | 2016-07-14 | 삼성전자주식회사 | 센서 정보 처리 방법 및 장치 |
-
2020
- 2020-09-16 KR KR1020200118876A patent/KR102370790B1/ko active IP Right Grant
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100987394B1 (ko) * | 2009-12-17 | 2010-10-12 | 동국대학교 산학협력단 | 센서 노드의 클러스터링 방법 및 장치 |
| KR20160084585A (ko) * | 2015-01-06 | 2016-07-14 | 삼성전자주식회사 | 센서 정보 처리 방법 및 장치 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR102370790B9 (ko) | 2023-02-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Huang | Enhancement of hydroelectric generation scheduling using ant colony system based optimization approaches | |
| US8577822B2 (en) | Data-driven approach to modeling sensors wherein optimal time delays are determined for a first set of predictors and stored as a second set of predictors | |
| US10488069B2 (en) | Generation of coordinated control commands for groupings of heating/ventilation/cooling thermostats | |
| CN100358310C (zh) | 支持环境自适应应用重构的无线传感器网络系统及方法 | |
| AU2017383991B2 (en) | Method for structuring an existing grid for distributing electric energy | |
| JP2019204458A (ja) | 電力需要予測システム、学習装置及び電力需要予測方法 | |
| Lee et al. | Universal workflow of artificial intelligence for energy saving | |
| Zavala et al. | Proactive energy management for next-generation building systems | |
| Mohamed et al. | Service-oriented big data analytics for improving buildings energy management in smart cities | |
| CN115249094A (zh) | 一种基于大数据的建筑能效管理和优化方法 | |
| KR20210011745A (ko) | 제로에너지 타운 구축을 위한 빅데이터 기반의 에너지 수요 및 공급 예측 시스템 그리고 방법 | |
| Yu et al. | Extracting interpretable building control rules from multi-objective model predictive control data sets | |
| CN113469839A (zh) | 一种基于深度强化学习的智慧园区优化策略 | |
| KR102370790B1 (ko) | 환경 센서의 측정값 예측 방법 | |
| Liu et al. | Coverage algorithm based on perceived environment around nodes in mobile wireless sensor networks | |
| CN108074045A (zh) | 风电机组整机脆弱性分析与故障排序方法及电子终端 | |
| Prauzek et al. | Simulation of adaptive duty cycling in solar powered environmental monitoring systems | |
| Cheng et al. | A cyber physical system model using genetic algorithm for actuators control | |
| KR102253741B1 (ko) | 인공신경망을 이용한 다중적 전력 수요 예측 방법 | |
| Fan et al. | The probabilistic sense model for coverage hole elimination in WSN | |
| Mingshi et al. | Failure prediction based VNF migration mechanism for multimedia services in power grid substation monitoring | |
| JP6848234B2 (ja) | 電圧監視制御装置 | |
| CN117439101B (zh) | 一种用于电网中新能源与柔性负荷互动的智能网络 | |
| Sharma et al. | A novel Hypertuned Prophet based power saving approach for IoT enabled smart homes | |
| CN114926981B (zh) | 一种路网交通拥堵主动管控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant | ||
| G170 | Re-publication after modification of scope of protection [patent] |