KR20180128636A - 지역난방을 위한 열수요 통합관리 시스템 및 그 방법 - Google Patents
지역난방을 위한 열수요 통합관리 시스템 및 그 방법 Download PDFInfo
- Publication number
- KR20180128636A KR20180128636A KR1020170063990A KR20170063990A KR20180128636A KR 20180128636 A KR20180128636 A KR 20180128636A KR 1020170063990 A KR1020170063990 A KR 1020170063990A KR 20170063990 A KR20170063990 A KR 20170063990A KR 20180128636 A KR20180128636 A KR 20180128636A
- Authority
- KR
- South Korea
- Prior art keywords
- energy
- web client
- data
- energy use
- use facility
- Prior art date
Links
- 238000010438 heat treatment Methods 0.000 title claims abstract description 45
- 238000007726 management method Methods 0.000 title claims description 82
- 238000012545 processing Methods 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims abstract description 14
- 238000004519 manufacturing process Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 14
- 238000012876 topography Methods 0.000 claims 1
- 238000013523 data management Methods 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 238000007405 data analysis Methods 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000011084 recovery Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003712 anti-aging effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2219—Large Object storage; Management thereof
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Operations Research (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computing Systems (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
본 개시는 클러스터 서버와 웹 클라이언트를 이용하여 지역난방을 위한 열수요 통합관리 방법에 있어서, IoT(Internet of Things)를 기반으로 실시간 수집된 에너지 빅데이터를 클러스터 서버측에서 가공하여 관리하는 단계; 그리고 웹 클라이언트의 요청에 따라 웹 클라이언트의 화면에 디스플레이 될 정보를 클러스터 서버가 웹 클라이언트로 전송하는 정보 전송 단계;를 포함하며, 클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 에너지 빅데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간으로 관리하는 지역난방을 위한 열수요 통합관리 방법에 관한 것이다.
Description
본 개시(Disclosure)는 전체적으로 지역난방을 위한 열수요 통합관리 시스템 및 그 방법에 관한 것으로, 특히 IoT(Internet of Things) 기반으로 실시간 수집되는 에너지 빅데이터를 목적에 따라 처리하여 처리된 데이터를 저장 및 분석하여 지역난방을 원활하게 관리할 수 있는 지역난방을 위한 열수요 통합관리 시스템 및 그 방법에 관한 것이다.
여기서는, 본 개시에 관한 배경기술이 제공되며, 이들이 반드시 공지기술을 의미하는 것은 아니다(This section provides background information related to the present disclosure which is not necessarily prior art).
일반적으로, 사물인터넷(IoT, Internet of Things)(이하 'IoT'라 한다)은 무선 인터넷을 기반으로 다양한 전자장치를 연결하고 센서를 통해 환경 정보를 획득하며, 이를 기반으로 제어하는 여러 기술이 융합된 컴퓨팅 시스템이다.
이러한 IoT 환경에서 애플리케이션은 네트워크에 연결된 여러 장치 또는 기기를 이용하여 사용자에게 유용한 정보와 편의를 제공할 수 있는데, IoT 기기(device)들은 단순한 정보를 제공하기도 하고, 다수 기기들의 협업에 의한 서비스를 제공하기도 한다. 여기에서, 상기 사물을 지칭하는 IoT 기기는 가전제품, 모바일 장비 및 컴퓨터 등 다양한 임베디드 시스템으로 이루어질 수 있으며, 각각의 사물들은 자신을 구별하는 식별인자, 통신 기능 및 데이터를 처리할 수 있는 기능 등이 포함되어야 한다. 이때, IoT 기기들에서 센싱되는 데이터는 특정 API(Application Programming Interface), 네트워크 프로토콜(Network Protocol) 및 인터페이스 패러다임(Interface Paradigm) 등에 따라 서로 다른 이질성을 가지며, 이러한 이질성에 따라 IoT 애플리케이션이 설계되게 된다.
이와 같은 IoT 환경에서 수집된 대용량의 에너지정보 즉, 빅데이터(Big Data)에 대한 처리 및 관리를 위해 분산형 클러스터 컴퓨팅 프레임워크(distributed cluster computing framework)가 인기를 얻고 있다. 예를 들어, 하둡(Hadoop)과 스파크(Spark)는 빠르게 성장하고 있으며, 구글(Google), 페이스북(Facebook), 아마존(Amazon) 등과 같은 많은 인터넷 서비스 회사들은 이러한 클러스터 컴퓨팅 플랫폼을 기계학습(machine learning) 등 그들 고유의 기술을 탑재한 실시간 서비스를 제공을 위한 플랫폼으로서 활용하고 있다.
구체적으로, 스파크는 빅데이터를 위한 실시간 분산형 컴퓨팅 프레임워크로서, 빅데이터 처리를 분산 클러스터 환경에서 고속으로 실행할 수 있다.
대표적인 분산형 프레임워크인 하둡과는 다르게 스파크에는 대개 '실시간'이라는 용어가 따라붙는다.
빅데이터 처리 측면에서 하둡은 HDFS(Hadoop Distributed File System)로 된 스토리지를 경유하기 때문에 상호 작용이 많아져 처리 속도가 느리다는 단점이 있다. 이에 비해, 스파크는 인-메모리 처리를 기본 방식으로 하기 때문에 좀 더 빠르고 지연 속도가 낮은 분석이 가능해 차세대 빅데이터 처리를 위한 프레임워크로 기대되고 있다.
스파크는 처리 대상이 되는 빅데이터를 HDFS를 매개로 읽고 쓸 수 있지만, 이후 처리는 기본적으로 메모리에서 하기 때문에 기계학습이나 차트 계산처럼 반복 계산이 많은 작업에 대해서는 하둡보다 수행 속도가 빠를 수 있다. 그래서 스파크는 하둡 맵리듀스 상에서 구동하는 것보다 100배 이상 빠른 데이터 분석 작업을 수행할 수 있게 해 준다는 평가를 받고 있다.
맵리듀스는 배치 모드에서 작업을 실행하기 때문에 하둡 클러스터에서 성능 상의 병목 현상을 일으킨다는 지적을 받아왔다. 이에 비해 스파크는 5초 이하의 짧은 배치 작업을 통해 분석을 처리하기 때문에 맵리듀스의 대안으로 부각되었다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
여기서는, 본 개시의 전체적인 요약(Summary)이 제공되며, 이것이 본 개시의 외연을 제한하는 것으로 이해되어서는 아니 된다(This section provides a general summary of the disclosure and is not a comprehensive disclosure of its full scope or all of its features).
본 개시에 따른 일 태양에 의하면(According to one aspect of the present disclosure), 클러스터 서버와 웹 클라이언트를 이용하여 지역난방을 위한 열수요 통합관리 방법에 있어서, IoT(Internet of Things)를 기반으로 실시간 수집된 에너지 빅데이터를 클러스터 서버측에서 가공하여 관리하는 단계; 그리고 웹 클라이언트의 요청에 따라 웹 클라이언트의 화면에 디스플레이 될 정보를 클러스터 서버가 웹 클라이언트로 전송하는 정보 전송 단계;를 포함하며, 클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 에너지 빅데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간으로 관리하는 지역난방을 위한 열수요 통합관리 방법이 제공된다.
본 개시에 따른 다른 일 태양에 의하면(According to another aspect of the present disclosure), 클러스터 서버와 웹 클라이언트를 이용한 지역난방을 위한 열수요 통합관리 시스템에 있어서, IoT(Internet of Things)를 기반으로 에너지 빅데이터를 실시간으로 수집하는 제1 웹 클라이언트; 그리고 제1 웹 클라이언트로부터 수집된 에너지 빅데이터를 가공 및 관리하는 클러스터 서버;를 포함하고, 클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 난방에너지데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간 관리하는 지역난방을 위한 열수요 통합관리 시스템이 제공된다.
이에 대하여 '발명의 실시를 위한 구체적인 내용'의 후단에 기술한다.
도 1은 본 개시에 따른 지역난방을 위한 열수요 통합관리 시스템의 전체 구성의 일 예를 나타내는 도면,
도 2는 본 개시에 따른 빅데이터 관리부의 일 예를 나타내는 도면,
도 3은 본 개시에 따른 데이터 관리부의 일 예를 나타내는 도면,
도 4는 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 열효율 분석 결과를 나타내는 도면,
도 5는 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 운전 권고 시뮬레이션 상황을 나타내는 도면,
도 6은 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 고장진단 및 이상 예측 진단 상황을 나타내는 도면.
도 2는 본 개시에 따른 빅데이터 관리부의 일 예를 나타내는 도면,
도 3은 본 개시에 따른 데이터 관리부의 일 예를 나타내는 도면,
도 4는 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 열효율 분석 결과를 나타내는 도면,
도 5는 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 운전 권고 시뮬레이션 상황을 나타내는 도면,
도 6은 본 개시에 따른 웹 클라이언트에 대한 클러스터 서버의 고장진단 및 이상 예측 진단 상황을 나타내는 도면.
이하, 본 개시를 첨부된 도면을 참고로 하여 자세하게 설명한다(The present disclosure will now be described in detail with reference to the accompanying drawing(s)).
도 1는 본 개시에 따른 지역난방을 위한 열수요 통합관리 시스템의 전체 구성의 일 예를 나타내는 도면이다.
열수요 통합관리 시스템은 도 1을 참조하면, 클러스터(cluster) 서버(1)와 웹 클라이언트(2)를 포함한다. 본 개시에서 클러스터 서버(1)는 스파크 프레임워크를 기반으로 하는 클러스터 서버인 것이 바람직하며, 이에 한정되지 않는다.
일반적으로, 대용량의 에너지 빅데이터를 분산된 서버에서 처리하기 위해서는 데이터 분석 프레임워크가 필수적이며, 이러한 데이터 분석 프레임워크는 안정성(safety), 데이터 보완성(data security), 적시성(timeliness), 신뢰성(reliability) 및 안티에이징(anti-aging) 등과 같은 다양한 요구 사항들을 충족할 필요가 있다.
언급된 서비스의 제공을 위해서는 스트림 프로세싱(stream processing)을 지원하는 데이터 분석 프레임워크가 필수적이다. 현존하는 데이터 분석 프레임워크들 중 인-메모리(in-memory) 처리를 통해 세컨드-스케일 프로세싱(second-scale processing)을 지원하는 스파크 스트리밍(Spark Streaming)이 각광을 받고 있다.
스파크 스트리밍은 기존의 Apache Hadoop에서 빈번한 스토리지 접근에 의한 느린 잡(job)의 수행 시간을 개선하기 위해 2012년 UCBerkeley에서 제안된 스파크에 기반하여 동작한다. 스파크는 빈번한 스토리지 접근을 줄이기 위해 잡에서 반복적으로 사용될 중간 결과값을 메모리에 저장하여 그 횟수를 줄여 수행 시간을 단축하였다. 그 중간 결과값을 메모리에 저장하여 관리하기 위해 사용되는 데이터 구조는 RDD(resilient distributed dataset)이며 트랜스포메이션(transformation)과 액션(action)이라는 메소드들이 제공될 수 있다. 스파크는 배치 프로세싱(batch processing)이기 때문에 근본적으로는 스트림 프로세싱(stream processing)이 지원되지 않는다. 여기서, RDD는 병렬처리를 지원하며 결함 감내 특성을 가짐으로써, 빅데이터를 활용하고 분석할 수 있다.
하지만 다양한 산업에서 스트림 프로세싱(stream processing)을 요구하여 스트림 프로세싱을 위해 개발된 것이 스파크 스트리밍이다. 스파크 스트리밍은 입력으로 전달되는 라이브 스트림 데이터를 주기적으로 마이크로 배치(micro batch) 형태로 스파크에 전달하여 처리할 수 있다. 이러한 스파크 스트리밍이 스토리지에 접근하는 경우는 두 가지 경우가 있다. 두 가지 경우는 장애 복구(fault recovery)를 위해 입력 데이터를 저장하는 경우와 RDD에서 쫓겨난 데이터를 다시 읽는 경우이다.
클러스터 서버(1)는 에너지 빅데이터를 관리하는 빅데이터 관리부(10) 및 웹 클라이언트(2)를 관리하는 시설 관리부(12)를 포함한다.
웹 클라이언트(2)는 에너지 사용시설(30)의 데이터 및 에너지 사용시설(30) 주변에 위치하는 외부환경부(32)의 데이터를 클러스터 서버(1)로 전송하고, 클러스터 서버(1)로부터 제어신호를 수신하여 에너지 사용시설(30) 및 외부환경부(32)를 관리하는 제1 중간 관리부(20)를 포함하는 제1 웹 클라이언트(3)와 에너지 생산시설(50)의 데이터를 수신하여 클러스터 서버(1)로 전송하고, 클러스터 서버(1)로부터 제어신호를 수신하여 에너지 생산시설(50)을 관리하는 제2 중간 관리부(40)를 포함하는 제2 웹 클라이언트(4)를 포함한다.
빅데이터 관리부(10)는 제1 웹 클라이언트(3)로부터 실시간으로 수집되는 에너지 빅데이터를 제어 및 관리한다.
도 2를 참조하면, 빅데이터 관리부(10)는 2개로 구성된 매니지노드(100), 6개로 구성된 데이터노드(120) 및 2개로 구성된 엣지노드(140)를 포함한다. 본 개시에서, 매니지노드(100)는 2개로 이루어지고, 데이터노드(120)는 6개로 이루어지고, 엣지노드(140)는 2개로 이루어지는 것으로 도시하였지만, 이에 한정되지 않는다.
매니지노드(100)는 제1 웹 클라이언트(3)의 요청에 따라 데이터노드(120)에 저장된 정보가 제1 웹 클라이언트(3)로 전송되거나 또는 새로운 에너지 빅데이터가 데이터노드(120)로 실시간 전송될 수 있도록 빅데이터 관리부(10)를 제어한다.
구체적으로, 매니지노드(100)는 외부환경부(32)로부터 발생하는 외부환경데이터가 데이터노드(120)에 수신되도록 데이터노드(120)에 제어신호 즉, 외부데이터입력신호를 생성하여 전달하고, 에너지 사용시설(30)으로부터 발생하는 에너지사용시설데이터가 데이터노드(120)에 수신되도록 데이터노드(120)에 제어신호 즉, 에너지사용시설데이터입력신호를 생성하여 전달한다.
또한, 매니지노드(100)는 제1 중간 관리부(20)의 화면(22)에 정보가 디스플레이될 수 있도록 데이터노드(120)에 저장된 해당 에너지 빅데이터를 검색하여 제1 웹 클라이언트(3)로 송신되도록 데이터노드(120)에 제어신호 즉, 검색요청신호를 생성하여 전달한다.
그리고, 매니지노드(100)는 클러스터 서버(1) 및 웹 클라이언트(2)의 고장에 대한 제어신호 즉, 장애 복구(fault recovery)신호를 생성하여 데이터노드(120) 또는 제1 웹 클라이언트(3)로 전달한다.
매니지노드(100)가 2개로 이루어진 경우를 살펴보면, 에너지 빅데이터가 대용량으로 송수신되는 경우, 클러스터 서버(1)의 환경 또는 제1 웹 클라이언트(3)의 환경에 따라 제1 매니지노드(100)가 메인 매니지노드로 사용되고, 나머지 제2 매니지노드(120)는 보조 매니지노드로 사용될 수 있다. 이와 달리 2개의 매니지노드 중 하나의 매니지노드만 사용되거나 2개의 매니지노드 모두가 사용될 수 있다.
이와 같이 2개의 매니지노드(100)가 모두 동작되는 경우 클러스터 서버(1)의 과부하가 방지되어 열수요 통합관리 시스템이 안정적으로 동작하여 신뢰성이 증가될 수 있다.
데이터노드(120)는 매니지노드(100)로부터 제어신호를 수신하여 제1 웹 클라이언트(3)로부터 수신한 에너지 빅데이터를 관리한다. 여기서, 에너지 빅데이터는 직접적 또는 간접적으로 에너지 사용시설(30)의 데이터 및 에너지 사용시설(30) 주변에 위치하는 외부환경부(32)의 데이터를 포함할 수 있다. 외부환경데이터는 외부환경부(32)에 따른 지형 정보, 날씨 정보 또는 소셜 정보 등을 포함하고, 에너지사용시설데이터는 에너지 사용시설(30)에 따른 에너지 사용량, 전력량 또는 에너지 사용시설 현황 등을 포함할 수 있다.
이와 같은 외부환경데이터 및 에너지사용시설데이터로 이루어진 에너지 빅데이터는 정형 데이터 및 비정형 데이터로 분류될 수 있다. 이와 달리, 에너지 빅데이터는 반정형 데이터로도 분류될 수 있지만, 본 개시에서는 정형 데이터 및 비정형 데이터로 분류하여 설명한다.
구체적으로, 도 3을 참조하면 데이터노드(120)는 데이터 수신부(1210), 데이터 분석부(1220), 데이터 저장부(1230) 및 데이터 관리부(1240)를 포함한다.
데이터 수신부(1210)는 실시간으로 전송되는 외부환경데이터와 매니지노드(100)의 제어신호에 대응하여 전송되는 에너지사용시설데이터를 수신한다. 에너지 빅데이터에 포함된 정형 데이터는 카프카(Kafka)를 통해 수집되고, 에너지 빅데이터에 포함된 비정형 데이터는 플럼(Flume)을 통해서 수집될 수 있다.
데이터 분석부(1220)는 수집된 에너지 빅데이터를 분석 가능하도록 변환하여 분야별로 분석할 수 있다.
구체적으로, 카프카(Kafka)를 통해서 분류된 정형 데이터와 플럼(Flume)을 통해서 분류된 비정형 데이터를 분석 가능하도록 기계학습(MLlib) 및 스쿱(Sqoop)을 이용하여 프로그래밍 언어로 변환한 후 분석할 수 있다.
스쿱(Sqoop)은 관계형 데이터베이스 체계(RDBMS)의 정형 데이터를 HDFS 및 HBase로 변환하고, 기계학습(MLlib)은 지도학습 및 비지도학습의 일부 알고리즘에 국한되지만 기계학습 구현을 파이썬, 스칼라, 자바 등 여러 종류의 프로그래밍 언어로 지원하고, 그래프 X(GraphX)는 차트 계산을 위한 라이브러리이다. 여기서, 스쿱(Sqoop)은 실시간으로 데이터 전송을 위해 카프카(Kafka) 및 플럼(Flume)과 연계되는 것이 바람직하다.
데이터 저장부(1230)는 분석된 데이터를 활용 분야별로 분류하여 저장한다.
데이터 관리부(1240)는 제1 웹 클라이언트(3)의 요청에 따라 데이터 저장부(1230)에 저장된 정보를 제공하는 제1 관리부(1242)와 데이터 저장부(1230)에 저장된 정보를 활용할 수 있도록 시각화하는 제2 관리부(1244)와 빅데이터 관리부(10) 및 제1 웹 클라이언트(3)를 관리하는 제3 관리부(1246)를 포함한다.
제1 관리부(1242)는 제1 웹 클라이언트(3)의 요청에 따라 데이터노드(120)에 저장된 정보가 전송될 수 있도록 대응 정보를 검색하는 하둡 데이터베이스(HBase)부의 정형 데이터에 대한 SQL 검색을 지원하는 스파크SQL과 데이터 과학에 유용한 통계 도구인 R을 연결지어주는 스파크R(Spark R)을 포함할 수 있다.
제2 관리부(1244)는 복수의 작업을 순차적으로 배치하며 워크 플로우 스케줄링 및 모니터링을 수행하는 우지(Oozie) 등을 포함할 수 있다.
제3 관리부(1246)는 처리 시스템 환경에서 발생하는 다종의 장애와 예외가 해결되도록 보조해주는 역할을 수행하는 주키퍼(Zookeeper)를 포함할 수 있다.
엣지노드(140)는 빅데이터 관리부(10) 및 제1 웹 클라이언트(3)가 직접적으로 또는 간접적 예를 들어 네트워크를 통해 상호작용할 수 있도록 연결시키는 역할을 수행한다. 네트워크는 예를 들어, Local Area Network (LAN), Wide Area Network (WAN), Virtual Private Network (VPN) 또는 인터넷과 같은 임의 행태의 네트워크일 수 있다.
앞서 설명한 바와 같이 클러스터 서버(1)는 제1 중간 관리부(20)의 요청에 따라 에너지 사용시설(30)로부터 실시간으로 수집되는 에너지사용시설데이터를 기초로 하여 데이터노드(120)에서 에너지 사용시설(30)의 열효율을 엑서지 분석 기법을 이용하여 분석할 수 있다. 본 개시에서 엑서지 분석 기법을 이용하여 에너지 사용시설(30)의 열효율을 분석하였지만, 이에 한정되지 않는다.
에너지 사용시설(30)에 따른 열효율을 기간별, 구역별, 사용처 별로 구분하여 분석된 열효율 분석 결과를 도 4에 도시된 바와 같이 확인할 수 있다. 이에 따라, 에너지 사용시설(30)의 난방 사용량에 따른 열효율을 개별적 또는 통합적으로 구분하여 확인함으로써, 수집된 정보를 이용하여 외부환경부(32)를 고려하여 에너지 사용시설(30)로 에너지를 효율적으로 공급할 수 있다. 따라서, 난방 사용량에 따라 효율적으로 난방이 공급됨으로써, 에너지 사용시설(30)에서 발생하는 열효율 저하 및 열손실 문제점을 해결함은 물론, 에너지절감 시장에 능동적이고 자발적으로 동참할 수 있는 효과가 있다.
한편, 열효율 분석 서비스에서의 빅데이터 분석 결과를 기초로 하여, 난방열 공급 온도 등 운전변수 변경 시 열효율 개선이 가능한 경우, 클러스터 서버(1)는 에너지 사용시설(30)의 동작을 권고하는 매니지노드(100)의 명령신호에 응답하여 도 5에 도시된 바와 같이 에너지 사용시설(30)을 동작시킬 수 있다. 이와 같이, 클러스터 서버(1)가 누적된 에너지 빅데이터를 기초로 하여 에너지 사용시설(30)의 동작 상태를 제어함으로써, 에너지 사용시설(30)에 대한 열효율 향상이 높아짐과 더불어 비용 절감 측면에서 경제적 효과를 확인할 수 있다.
본 개시에서, 도 5에 도시된 바와 같이 에너지 사용시설(30)의 동작 권고 화면은 네비게이션 형태로 도시되었지만, 이에 한정되는 것은 아니다.
또한, 클러스터 서버(1)는 제1 웹 클라이언트(3)의 제1 중간 관리부(20)로부터 검색요청신호가 입력되는 경우, 제1 중간 관리부(20)의 요청에 따라 제1 중간 관리부(20)의 화면(22)에 정보가 디스플레이 되도록 정보를 전송한다. 이때, 데이터노드(120)는 제1 중간 관리부(20)의 요청에 따른 우선 순위를 고려하여 분야별 배치된 에너지 빅데이터를 검색하여 정보를 전송할 수 있다.
또한, 클러스터 서버(1)는 매니지노드(100)로부터 외부데이터입력신호 및 에너지사용시설데이터가 데이터노드(120)에 입력되는 경우, 실시간으로 외부환경부(32) 및 에너지 사용시설(30)로부터 외부환경데이터 및 에너지사용시설데이터를 수신한다. 여기서, 외부환경데이터는 별도의 외부데이터입력신호 없이 실시간으로 데이터노드(120)에 입력될 수 있다.
그리고, 클러스터 서버(1)는 클러스터 서버(1) 및 제1 웹 클라이언트(3)의 고장에 대한 제어신호 즉, 장애 복구(fault recovery)신호를 생성하여 도 6에 도시된 바와 같이 클러스터 서버(1) 및 제1 웹 클라이언트(3)를 제어할 수 있다. 클러스터 서버(1)가 에너지 사용시설(30)에 대한 고장 진단 및 이상 예측 상황을 확인할 수 있다. 진단된 모듈의 총수, 고장, 주의 및 정상에 해당하는 각 모듈의 수를 점검할 수 있으며, 전일과 금일에 대한 정보를 비교할 수 있다. 도 6을 참조하면 시간, 일, 주, 월별 고장 및 주의로 진단 및 예측되는 모듈을 도식화하여 그래프로 도시하였지만 이에 한정되는 것은 아니다.
시설 관리부(12)는 제1 웹 클라이언트(3) 및 제2 웹 클라이언트(4)를 관리한다. 에너지 사용시설(30)의 형성 위치, 형성 개수 등에 따른 정보를 관리하는 제1 중간 관리부(20)와, 에너지 생산시설(50)의 형성 위치, 형성 개수 등에 따른 정보를 관리하는 제2 중간 관리부(40)를 제어할 수 있다.
시설 관리부(12)는 에너지 생산시설(50)로부터 생성된 생산에너지데이터를 난방이 필요한 에너지 사용시설(30)로 공급되도록 제어할 수 있다.
웹 클라이언트(2)는 일반적으로 네트워크 통신이 가능한 컴퓨터(예: PC)로 이루어지는 것이 바람직하며, 통상의 컴퓨터일 수 있으나, 예를 들어 데스크톱 컴퓨터, 랩톱 컴퓨터, 태블릿 컴퓨터, PDA (personal digital assistant), 또는 스마트폰을 포함한 임의 형태의 기계 또는 컴퓨팅 장치일 수 있음을 이해할 것이다. 제1 중간 관리부(20) 및 제2 중간 관리부(40)는 정보가 디스플레이 될 수 있는 화면(22, 42)을 포함하는 것이 바람직하다.
제1 웹 클라이언트(3)의 에너지 사용시설(30) 및 외부환경부(32)는 복수개로 이루어질 수 있는데, 복수개로 이루어지는 경우 각각 동일한 형태이거나 다른 형태일 수 있고, 네트워크를 통한 통신이 가능하도록 데이터를 송신/수신하는 송신기/수신기(미도시)를 포함할 수 있다.
외부환경부(32)는 에너지 사용시설(30) 즉, 빌딩, 공장, 창고, 수처리장, 발전소, 변전소, 배전반, 공동주택, 관공서, 비닐하우스 또는 축사 등의 주변에 설치되어 온도, 습도, 미세먼지 및 이산화탄소 등의 외부환경데이터를 검출하는 센서로 이루어질 수 있다. 예를 들어, 온도 센서, 습도 센서, 이산화탄소 센서, 적외선 센서, 감지 센서, 불꽃 센서 및 연기 센서 등 환경적인 요소를 검출하는 단일화된 센서로 이루어질 수 있지만, 이에 한정하는 것은 아니다.
에너지 사용시설(30)은 원격 자동제어 시스템, 홈 네트워크 시스템, 자동차 원격 제어 시스템 및 스마트 그리드 시스템 등과 같이 IoT 기술 기반의 서비스 대상이 되는 모든 스마트 기기나 센서로 이루어질 수도 있다. 예를 들어, 전력량계, 수도 계량기, 통풍 팬 및 냉난방기 등의 장치와 연계하여 각 장치의 상태를 검출하는 센서 등을 통해 난방에 따른 사용량, 전력량, 에너지 사용시설 현황 등을 포함하는 에너지사용시설데이터를 검출하는 단일화된 센서로 이루어질 수 있지만, 이에 한정하는 것은 아니다.
에너지 생산시설(50)은 난방 에너지를 생산할 수 있는 생성 장치(미도시)를 포함하며, 생성된 난방 에너지를 개별적 또는 동시에 에너지 사용시설(30)로 공급할 수 있는 공급 장치(미도시)를 구비할 수 있다. 여기서, 에너지 생산시설(50)은 복수개로 이루어질 수 있는데, 복수개로 이루어지는 경우 에너지 사용시설(30)에 대응하여 각각 동일한 형태이거나 다른 형태일 수 있고, 네트워크를 통한 통신이 가능하도록 데이터를 송신/수신하는 송신기/수신기(미도시)를 포함할 수 있다.
이하 본 개시의 다양한 실시 형태에 대하여 설명한다.
(1) 클러스터 서버와 웹 클라이언트를 이용하여 지역난방을 위한 열수요 통합관리 방법에 있어서, IoT(Internet of Things)를 기반으로 실시간 수집된 에너지 빅데이터를 클러스터 서버측에서 가공하여 관리하는 단계; 그리고 웹 클라이언트의 요청에 따라 웹 클라이언트의 화면에 디스플레이 될 정보를 클러스터 서버가 웹 클라이언트로 전송하는 정보 전송 단계;를 포함하며, 클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 에너지 빅데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간으로 관리하는 지역난방을 위한 열수요 통합관리 방법.
웹 클라이언트의 대표적인 예는 PC이지만, 이에 제한되지 않고, 화면을 통해 클러스터 서버로부터 전송 받은 정보를 디스플레이할 수 있는 컴퓨팅 수단(예: 휴대폰)이라면 어떠한 것도 좋다. 이러한 일련의 단계는 서버 측 컴퓨터의 내적 과정으로서, 소프트웨어에 의해 행해진다.
(2) 정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 열효율 정보를 에너지 사용시설 관리자측으로 전송하고, 에너지 빅데이터는 에너지 사용시설에 따른 에너지 사용량, 전력량, 에너지 사용시설 현황 등을 포함하는 에너지사용시설데이터와, 외부환경부에 따른 지형 정보, 날씨 정보, 소셜 정보 등을 포함하는 외부환경데이터으로 이루어지는 지역난방을 위한 열수요 통합관리 방법.
(3) 정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 분석된 에너지사용시설데이터에 대응하여 에너지 사용시설의 동작상태를 제어하는 지역난방을 위한 열수요 통합관리 방법.
(4) 정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 분석된 에너지사용시설데이터에 대응하여 에너지 사용시설의 동작상태를 개별적으로 제어하는 지역난방을 위한 열수요 통합관리 방법.
(5) 정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 고장 유무를 예측하고, 에너지 빅데이터는 에너지 사용시설에 따른 에너지 사용량, 전력량, 에너지 사용시설 현황 등을 포함하는 에너지사용시설데이터와, 외부환경부에 따른 지형 정보, 날씨 정보, 소셜 정보 등을 포함하는 외부환경데이터로 이루어지는 지역난방을 위한 열수요 통합관리 방법.
-(6) 정보 전송 단계는, 웹 클라이언트의 에너지 생산관리자의 요청에 따라 실시간으로 수집된 생산에너지데이터를 분석하여 에너지 사용시설에 생산 에너지를 공급하도록 하는 지역난방을 위한 열수요 통합관리 방법.
(7) 에너지 빅데이터 가공 단계에서, 정형 데이터 및 비정형 데이터를 포함하는 에너지 빅데이터를 분류하는 단계; 분류된 에너지 빅데이터를 분석하는 단계; 그리고 분석된 에너지 빅데이터를 클러스터 서버에 저장하는 단계를 포함하는 지역난방을 위한 열수요 통합관리 방법.
(8) 클러스터 서버와 웹 클라이언트를 이용한 지역난방을 위한 열수요 통합관리 시스템에 있어서, IoT(Internet of Things)를 기반으로 에너지 빅데이터를 실시간으로 수집하는 제1 웹 클라이언트; 그리고 제1 웹 클라이언트로부터 수집된 에너지 빅데이터를 가공 및 관리하는 클러스터 서버;를 포함하고, 클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 난방에너지데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간 관리하는 지역난방을 위한 열수요 통합관리 시스템.
(9) 클러스터 서버는 제1 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 고장유무를 예측하는 지역난방을 위한 열수요 통합관리 시스템.
(10) 생산에너지데이터를 클러스터 서버로 전송하는 제2 웹 클라이언트;를 포함하고, 제2 웹 클라이언트로부터 전송된 생산에너지데이터를 분석하여 제1 웹 클라이언트로 에너지를 공급하는 지역난방을 위한 열수요 통합관리 시스템.
(11) 클러스터 서버는 클러스터 서버를 제어하는 매니지노드; 실시간으로 수집된 에너지 빅데이터를 가공 및 저장하는 데이터노드; 그리고 클러스터 서버와 웹 클라이언트 사이의 정보 및 신호를 전달하는 엣지노드;를 포함하고, 매니지노드는 웹 클라이언트의 요청에 따라 데이터노드에 저장된 정보를 전송하거나 데이터노드에 새로운 에너지 빅데이터가 수신되도록 제어하는 지역난방을 위한 열수요 통합관리 시스템.
(12) 클러스터 서버는 2개의 매니지노드, 6개의 데이터노드 및 2개의 엣지노드로 이루어지는 지역난방을 위한 열수요 통합관리 시스템.
본 개시에 따른 지역난방을 위한 열수요 통합관리 시스템을 제공하는 방법에 의하면, 에너지 빅데이터를 제공하는 웹 클라이언트의 동작 상태를 클러스터 서버에서 종합적으로 관리하고 제어함으로써, 에너지 빅데이터를 목적에 따라 효율적으로 관리할 수 있다.
또한, 클러스터 서버를 이용하여 에너지 빅데이터를 관리함으로써, 데이터 처리, 관리로 데이터 안정성이 향상되고, 소프트웨어, 데이터베이스 업그레이드로 지속적 성능을 향상시킬 수 있다.
그리고, 실시간으로 웹 클라이언트의 동작 상태를 관리하여, 관리 요청 또는 설비의 고장 진단에 실시간으로 대응함으로써, 이를 활용한 에너지정보 기반의 에너지절감 시장에 능동적이고 자발적으로 동참할 수 있는 효과가 있다.
1 : 클러스터 서버
2 : 웹 클라이언트
10 : 빅데이터 관리부 12 : 시설 관리부
100 : 매니지노드 120 : 데이터노드
140 : 엣지노드
10 : 빅데이터 관리부 12 : 시설 관리부
100 : 매니지노드 120 : 데이터노드
140 : 엣지노드
Claims (12)
- 클러스터 서버와 웹 클라이언트를 이용하여 지역난방을 위한 열수요 통합관리 방법에 있어서,
IoT(Internet of Things)를 기반으로 실시간 수집된 에너지 빅데이터를 클러스터 서버측에서 가공하여 관리하는 단계; 그리고
웹 클라이언트의 요청에 따라 웹 클라이언트의 화면에 디스플레이 될 정보를 클러스터 서버가 웹 클라이언트로 전송하는 정보 전송 단계;를 포함하며,
클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 에너지 빅데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간으로 관리하는 지역난방을 위한 열수요 통합관리 방법. - 청구항 1에 있어서,
정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 열효율 정보를 에너지 사용시설 관리자측으로 전송하고,
에너지 빅데이터는 에너지 사용시설에 따른 에너지 사용량, 전력량, 에너지 사용시설 현황 등을 포함하는 에너지사용시설데이터와, 외부환경부에 따른 지형 정보, 날씨 정보, 소셜 정보 등을 포함하는 외부환경데이터로 이루어지는 지역난방을 위한 열수요 통합관리 방법. - 청구항 2에 있어서,
정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 분석된 에너지사용시설데이터에 대응하여 에너지 사용시설의 동작상태를 제어하는 지역난방을 위한 열수요 통합관리 방법. - 청구항 2에 있어서,
정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 분석된 에너지사용시설데이터에 대응하여 에너지 사용시설의 동작상태를 개별적으로 제어하는 지역난방을 위한 열수요 통합관리 방법. - 청구항 1에 있어서,
정보 전송 단계는, 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 고장 유무를 예측하고,
에너지 빅데이터는 에너지 사용시설에 따른 에너지 사용량, 전력량, 에너지 사용시설 현황 등을 포함하는 에너지사용시설데이터와, 외부환경부에 따른 지형 정보, 날씨 정보, 소셜 정보 등을 포함하는 외부환경데이터으로 이루어지는 지역난방을 위한 열수요 통합관리 방법. - 청구항 1에 있어서,
정보 전송 단계는, 웹 클라이언트의 에너지 생산관리자의 요청에 따라 실시간으로 수집된 생산에너지데이터를 분석하여 에너지 사용시설에 생산 에너지를 공급하도록 하는 지역난방을 위한 열수요 통합관리 방법. - 청구항 1에 있어서,
에너지 빅데이터 가공 단계에서,
정형 데이터 및 비정형 데이터를 포함하는 에너지 빅데이터를 분류하는 단계;
분류된 에너지 빅데이터를 분석하는 단계; 그리고
분석된 에너지 빅데이터를 클러스터 서버에 저장하는 단계를 포함하는 지역난방을 위한 열수요 통합관리 방법. - 클러스터 서버와 웹 클라이언트를 이용한 지역난방을 위한 열수요 통합관리 시스템에 있어서,
IoT(Internet of Things)를 기반으로 에너지 빅데이터를 실시간으로 수집하는 제1 웹 클라이언트; 그리고
제1 웹 클라이언트로부터 수집된 에너지 빅데이터를 가공 및 관리하는 클러스터 서버;를 포함하고,
클러스터 서버는 해당 웹 클라이언트가 위치하는 에너지 사용시설로부터 수집된 난방에너지데이터에 대응하여 웹 클라이언트의 현재 상태를 실시간 관리하는 지역난방을 위한 열수요 통합관리 시스템. - 청구항 8에 있어서,
클러스터 서버는 제1 웹 클라이언트의 에너지 사용시설 관리자의 요청에 따라 실시간으로 수집된 에너지 빅데이터를 분석하여 에너지 사용시설의 고장유무를 예측하는 지역난방을 위한 열수요 통합관리 시스템. - 청구항 8에 있어서,
생산에너지데이터를 클러스터 서버로 전송하는 제2 웹 클라이언트;를 포함하고,
제2 웹 클라이언트로부터 전송된 생산에너지데이터를 분석하여 제1 웹 클라이언트로 에너지를 공급하는 지역난방을 위한 열수요 통합관리 시스템. - 청구항 8에 있어서,
클러스터 서버는
클러스터 서버를 제어하는 매니지노드;
실시간으로 수집된 에너지 빅데이터를 가공 및 저장하는 데이터노드; 그리고
클러스터 서버와 웹 클라이언트 사이의 정보 및 신호를 전달하는 엣지노드;를 포함하고,
매니지노드는 웹 클라이언트의 요청에 따라 데이터노드에 저장된 정보를 전송하거나 데이터노드에 새로운 에너지 빅데이터가 수신되도록 제어하는 지역난방을 위한 열수요 통합관리 시스템. - 청구항 11에 있어서,
클러스터 서버는 2개의 매니지노드, 6개의 데이터노드 및 2개의 엣지노드로 이루어지는 지역난방을 위한 열수요 통합관리 시스템.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170063990A KR20180128636A (ko) | 2017-05-24 | 2017-05-24 | 지역난방을 위한 열수요 통합관리 시스템 및 그 방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170063990A KR20180128636A (ko) | 2017-05-24 | 2017-05-24 | 지역난방을 위한 열수요 통합관리 시스템 및 그 방법 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20180128636A true KR20180128636A (ko) | 2018-12-04 |
Family
ID=64669274
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170063990A KR20180128636A (ko) | 2017-05-24 | 2017-05-24 | 지역난방을 위한 열수요 통합관리 시스템 및 그 방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20180128636A (ko) |
-
2017
- 2017-05-24 KR KR1020170063990A patent/KR20180128636A/ko not_active Application Discontinuation
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10418811B2 (en) | Electric power grid supply and load prediction using cleansed time series data | |
| US11449022B2 (en) | Building management system with integration of data into smart entities | |
| CN111966684B (zh) | 用于分布式数据集索引的装置、方法和计算机程序产品 | |
| US10652633B2 (en) | Integrated solutions of Internet of Things and smart grid network pertaining to communication, data and asset serialization, and data modeling algorithms | |
| US20200143246A1 (en) | Demand classification based pipeline system for time-series data forecasting | |
| CN110430260A (zh) | 一种基于大数据云计算支撑的机器人云平台及工作方法 | |
| CN113176948B (zh) | 边缘网关、边缘计算系统及其配置方法 | |
| WO2019067645A1 (en) | BUILDING MANAGEMENT SYSTEM WITH DATA INTEGRATION IN INTELLIGENT ENTITIES AND INTERFACE OF INTELLIGENT ENTITIES WITH BUSINESS APPLICATIONS | |
| US11322976B1 (en) | Diagnostic techniques for monitoring physical devices and resolving operational events | |
| US20170076207A1 (en) | Interactive Interface for Model Selection | |
| KR102064083B1 (ko) | 발전 시스템의 이상 유무 판단 장치 및 방법 | |
| Maatoug et al. | Fog computing framework for location-based energy management in smart buildings | |
| Celik et al. | DDDAMS-based dispatch control in power networks | |
| KR20150094408A (ko) | 사물 데이터를 이용한 클라우드 환경에서의 서비스 인지 시스템 | |
| McGibney et al. | Open BMS-IoT driven architecture for the internet of buildings | |
| Fan et al. | Research and applications of data mining techniques for improving building operational performance | |
| CN108600357A (zh) | 一种基于soa的油气设备维养管理系统及工作方法 | |
| Kireev et al. | Predictive repair and support of engineering systems based on distributed data processing model within an IoT concept | |
| KR101878291B1 (ko) | 에너지 빅데이터 관리 시스템 및 그 방법 | |
| Ali et al. | Architecting a big data-driven software architecture for smart street lighting | |
| Zhuang et al. | [Retracted] Braking Control System of Oilfield Minor Repair Machine Based on Wireless Sensor Network | |
| KR20180128636A (ko) | 지역난방을 위한 열수요 통합관리 시스템 및 그 방법 | |
| Padmanaban et al. | The Impact of the Internet of Things in the Smart City from the Point of View of Energy Consumption Optimization | |
| Lakshman Narayana et al. | An intelligent iot framework for handling multidimensional data generated by iot gadgets | |
| Simonov et al. | Big Data application: analyzing real-time electric meter data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| A302 | Request for accelerated examination | ||
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |