KR20230045487A - 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법, 이를 수행하기 위한 기록 매체 및 장치 - Google Patents

Abstract

태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, LoRaWAN IoT 환경에서 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집하는 단계; 노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하는 단계; 각 노드의 사용 가능한 배터리 잔량이 에너지 문턱값 보다 낮은 경우 충전이 필요한 노드 집합으로 선정하는 단계; 노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 단계; 및 결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정하는 단계;를 포함한다. 이에 따라, 최적의 경로로 드론이 이동하면서 노드를 충전해줌으로써, 제한된 드론의 에너지를 최적으로 사용하여 태양에너지 수집형 IoT 노드들의 안정성을 향상시킬 수 있다.

Description

태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법, 이를 수행하기 위한 기록 매체 및 장치{METHOD FOR SETTING PATH OPTIMIZATION OF DRONE FOR RF WIRELESS POWER TRANSMISSION IN SOLAR-POWERED LORAWAN IOT, RECORDING MEDIUM AND DEVICE FOR PERFORMING THE METHOD}

본 발명은 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법, 이를 수행하기 위한 기록 매체 및 장치에 관한 것으로서, 더욱 상세하게는 태양에너지 수집형 LoRaWAN IoT 환경에서 노드의 안정적인 운용을 위해 태양에너지 수집이 부족한 노드들을 선정하고, 이 노드들에게 드론의 제한된 에너지를 가장 균형적이고 효율적으로 전달할 수 있는 최적 경로(호버링 위치, 호버링 시간, 이동 경로)를 결정하는 기술에 관한 것이다.

LoRaWAN은 저전력 장거리 네트워크(Low-Power Wide-Area Network, LPWAN)의 한 종류로, 장거리, 저전력, 저비용의 특징을 가지고 있다. 최대 10km 거리에 있는 LPWAN 송수신기와 데이터 통신이 가능하고, 작고 저렴해서 초소용, 저비용, 저전력의 많은 센서 노드로 구성되어있는 IoT 환경에 적합하다.

일반적으로, IoT 노드는 배터리 기반으로 동작하기 때문에 노드의 수명이 제한되고 따라서 배터리의 유지보수가 필요하지만, 위험지역이나 산악지역 등 접근성이 떨어지는 곳에 위치한 노드는 폐기될 수밖에 없다.

이를 해결하고자, 즉 IoT 노드의 영속적인 동작을 위해 최근에는 환경 에너지를 이용한 에너지 수집형 IoT 노드를 사용하는 연구가 진행되고 있다. 바람, 열, 중력, 압력, 태양 등으로 환경 에너지를 수집하는데, 그중 태양에너지는 높은 에너지 밀도와 주기적 충전, 그리고 수집 에너지양의 높은 예측 가능성으로 인해 IoT 노드의 영속적 동작을 위한 최적의 환경에너지원으로 생각되고 있다.

태양에너지 수집형 노드가 배터리 기반 노드의 근본적인 에너지양 제한 문제를 해결하여 에너지 측면에서 영속성을 제공할 수 있기는 하지만, 노드의 안정성을 보장하지는 못한다.

예를 들어, 흐린 날이 지속되거나 그림자가 지는 등의 외부적인 요인 또는 소프트웨어의 비효율적인 동작 등과 같은 내부적인 요인으로 인하여, 노드가 수집한 태양 에너지양이 사용하는 에너지양에 비해 낮아질 가능성도 존재한다.

이런 경우, 시간이 지나면서 내/외부적 요인이 바뀌어 노드들이 다시 동작하기에 충분한 에너지양이 저절로 확보되기도 하지만, 만약 그렇지 않다면 노드들은 에너지가 다시 충분해질 때까지 당분간 정상적인 동작을 못 할 수도 있다.

이런 노드들은 듀티사이클(수면시간 대비 동작시간의 비율), 센싱 주기, 데이터 통신 거리를 줄이는 등의 방법으로 부족한 수집에너지의 양에 대응해야 한다.

그럼에도 불구하고, 수집에너지가 계속해서 부족하다면 결국 정전상태(수면상태)에 들어가게 되고, 정상적인 동작을 수행하지 못하게 된다. 대부분의 IoT 응용에서는 노드들의 영속적인 동작뿐 아니라 안정적인 동작도 필요로 하기 때문에 노드가 정전되는 시간을 최소화하는 연구가 반드시 필요하다.

CN 108566670 A

이에, 본 발명의 기술적 과제는 이러한 점에서 착안된 것으로 본 발명의 목적은 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법을 제공하는 것이다.

본 발명의 다른 목적은 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 기록 매체를 제공하는 것이다.

본 발명의 또 다른 목적은 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법을 수행하기 위한 장치를 제공하는 것이다.

상기한 본 발명의 목적을 실현하기 위한 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, LoRaWAN IoT 환경에서 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집하는 단계; 노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하는 단계; 각 노드의 사용 가능한 배터리 잔량이 에너지 문턱값 보다 낮은 경우 충전이 필요한 노드 집합으로 선정하는 단계; 노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 단계; 및 결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정하는 단계;를 포함한다.

본 발명의 실시예에서, 상기 에너지 문턱값을 결정하는 단계는, 노드의 평균 에너지 수집률, 노드의 평균 에너지 소모율 및 노드의 전체 배터리 용량을 기초로 결정할 수 있다.

본 발명의 실시예에서, 상기 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 단계는, 후보 방문 경로 상의 호버링 위치 및 호버링 시간들의 조합들 중에서 목적함수를 최대화하는 조합을 도출할 수 있다.

본 발명의 실시예에서, 상기 드론의 최적 방문 경로를 결정하는 단계는, 최단 경로 알고리즘을 사용하여 드론의 최적 방문 경로를 결정할 수 있다.

본 발명의 실시예에서, 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, 드론을 노드들의 충전을 위해 호버링 위치로 이동시키기 위해, 결정된 최적 방문 경로를 드론에 다운로딩하는 단계;를 더 포함할 수 있다.

상기한 본 발명의 다른 목적을 실현하기 위한 일 실시예에 따른 컴퓨터로 판독 가능한 저장 매체에는, 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법을 수행하기 위한 컴퓨터 프로그램이 기록되어 있다.

상기한 본 발명의 또 다른 목적을 실현하기 위한 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치는, LoRaWAN IoT 환경에서 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집하는 정보 수집부; 노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하는 문턱값 설정부; 각 노드의 사용 가능한 배터리 잔량이 에너지 문턱값 보다 낮은 경우 충전이 필요한 노드 집합으로 선정하는 충전 노드 선정부; 노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 호버링 결정부; 및 결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정하는 방문 경로 결정부;를 포함한다.

본 발명의 실시예에서, 상기 문턱값 설정부는, 노드의 평균 에너지 수집률, 노드의 평균 에너지 소모율 및 노드의 전체 배터리 용량을 기초로 결정할 수 있다.

본 발명의 실시예에서, 상기 호버링 결정부는, 후보 방문 경로 상의 호버링 위치 및 호버링 시간들의 조합들 중에서 목적함수를 최대화하는 조합을 도출할 수 있다.

본 발명의 실시예에서, 상기 방문 경로 결정부는, 최단 경로 알고리즘을 사용하여 드론의 최적 방문 경로를 결정할 수 있다.

본 발명의 실시예에서, 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치는, 드론을 노드들의 충전을 위해 호버링 위치로 이동시키기 위해, 결정된 최적 방문 경로를 드론에 다운로딩하는 다운로딩부;를 더 포함할 수 있다.

이와 같은 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법에 따르면, 노드의 안정적인 운용을 위한 드론의 RF 무선전력전송 최적 충전 경로 설정 기법을 제안한다.

이에 따라, 태양에너지 수집이 부족한 노드들을 선정하고, 이 노드들에게 드론의 제한된 에너지를 가장 균형적이고 효율적으로 전달할 수 있는 최적 경로(호버링 위치, 호버링 시간, 이동 경로)를 결정할 수 있다.

결과적으로, 이러한 경로로 드론이 이동하면서 노드를 충전해줌으로써, 제한된 드론의 에너지를 최적으로 사용하여 태양에너지 수집형 IoT 노드들의 안정성을 향상시킬 수 있다. 또한, 정전 노드의 시간을 최소화하여 영속적이고 안정적인 동작을 지원하고, 수집되는 데이터의 질과 양을 최대화한다.

도 1은 본 발명의 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 기법을 설명하기 위한 개념도이다.
도 2는 본 발명의 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치의 블록도이다.
도 3은 본 발명에 따라 결정한 최적 이동 경로를 따라 드론이 각 호버링 위치로 이동하여 노드들을 충전하는 것을 보여주는 개념도이다.
도 4는 본 발명의 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법의 흐름도이다.

후술하는 본 발명에 대한 상세한 설명은, 본 발명이 실시될 수 있는 특정 실시예를 예시로서 도시하는 첨부 도면을 참조한다. 이들 실시예는 당업자가 본 발명을 실시할 수 있기에 충분하도록 상세히 설명된다. 본 발명의 다양한 실시예는 서로 다르지만 상호 배타적일 필요는 없음이 이해되어야 한다. 예를 들어, 여기에 기재되어 있는 특정 형상, 구조 및 특성은 일 실시예에 관련하여 본 발명의 정신 및 범위를 벗어나지 않으면서 다른 실시예로 구현될 수 있다. 또한, 각각의 개시된 실시예 내의 개별 구성요소의 위치 또는 배치는 본 발명의 정신 및 범위를 벗어나지 않으면서 변경될 수 있음이 이해되어야 한다. 따라서, 후술하는 상세한 설명은 한정적인 의미로서 취하려는 것이 아니며, 본 발명의 범위는, 적절하게 설명된다면, 그 청구항들이 주장하는 것과 균등한 모든 범위와 더불어 첨부된 청구항에 의해서만 한정된다. 도면에서 유사한 참조부호는 여러 측면에 걸쳐서 동일하거나 유사한 기능을 지칭한다.

이하, 도면들을 참조하여 본 발명의 바람직한 실시예들을 보다 상세하게 설명하기로 한다.

도 1은 본 발명의 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 기법을 설명하기 위한 개념도이다. 도 2는 본 발명의 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치의 블록도이다.

도 1을 참조하면, 태양에너지 수집형 LoRaWAN IoT 환경에서 복수의 에너지 수집형 IoT 노드들과 노드들에 에너지를 공급하는 드론이 존재하고, 노드들과 드론을 제어하는 베이스스테이션이 존재한다.

도 2를 참조하면, 본 발명에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치(10, 이하 장치)는 드론을 사용하여 Radio Frequency(RF) 전력을 무선으로 전송하는 WPT(Wireless Power Transfer) 기술을 기반으로 최대한 효율적으로 이동 경로와 충전 위치 및 충전 스케쥴을 결정해야 한다.

도 2를 참조하면, 본 발명에 따른 장치(10)는 정보 수집부(110), 문턱값 결정부(130), 충전 노드 선정부(150), 호버링 결정부(170) 및 방문 경로 결정부(190)를 포함한다. 장치(10)는 베이스스테이션의 일부를 구성할 수 있다.

본 발명의 상기 장치(10)는 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정을 수행하기 위한 소프트웨어(애플리케이션)가 설치되어 실행될 수 있으며, 상기 정보 수집부(110), 상기 문턱값 결정부(130), 상기 충전 노드 선정부(150), 상기 호버링 결정부(170) 및 상기 방문 경로 결정부(190)의 구성은 상기 장치(10)에서 실행되는 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정을 수행하기 위한 소프트웨어에 의해 제어될 수 있다.

상기 장치(10)는 별도의 단말이거나 또는 단말의 일부 모듈일 수 있다. 또한, 상기 정보 수집부(110), 상기 문턱값 결정부(130), 상기 충전 노드 선정부(150), 상기 호버링 결정부(170) 및 상기 방문 경로 결정부(190)의 구성은 통합 모듈로 형성되거나, 하나 이상의 모듈로 이루어 질 수 있다. 그러나, 이와 반대로 각 구성은 별도의 모듈로 이루어질 수도 있다.

상기 장치(10)는 이동성을 갖거나 고정될 수 있다. 상기 장치(10)는, 서버(server) 또는 엔진(engine) 형태일 수 있으며, 디바이스(device), 기구(apparatus), 단말(terminal), UE(user equipment), MS(mobile station), 무선기기(wireless device), 휴대기기(handheld device) 등 다른 용어로 불릴 수 있다.

상기 장치(10)는 운영체제(Operation System; OS), 즉 시스템을 기반으로 다양한 소프트웨어를 실행하거나 제작할 수 있다. 상기 운영체제는 소프트웨어가 장치의 하드웨어를 사용할 수 있도록 하기 위한 시스템 프로그램으로서, 안드로이드 OS, iOS, 윈도우 모바일 OS, 바다 OS, 심비안 OS, 블랙베리 OS 등 모바일 컴퓨터 운영체제 및 윈도우 계열, 리눅스 계열, 유닉스 계열, MAC, AIX, HP-UX 등 컴퓨터 운영체제를 모두 포함할 수 있다.

상기 정보 수집부(110)는 도 1을 참조하면, 각 노드로부터 각 노드의 위치와 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집한다. LoRaWAN 환경을 가정하고 있기 때문에 10km 반경의 모든 노드로부터 센싱 데이터를 전달받을 수 있다.

이때, 센싱 데이터뿐 아니라 위치, 에너지 부족 여부 및 잔여 에너지양 정보 데이터도 함께 받는다. 정보 데이터의 크기가 매우 작기 때문에 오버헤드가 거의 없다고 해도 무방하다.

상기 문턱값 결정부(130)는 노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하고, 상기 충전 노드 선정부(150)는 에너지 문턱값을 기초로 충전이 필요한 노드들을 선정한다. 즉, 노드에서 현재 사용 가능한 배터리 잔량이 에너지 문턱값 보다 작은 경우, 에너지가 부족한 노드로 판단하여, 충전 대상 노드 집합에 추가한다.

본 발명의 태양에너지 기반 IoT 노드의 에너지 모델은, 먼저 에너지 수집형 IoT 노드들이 에너지가 충분한지 아니면 에너지가 부족하여 드론으로부터 에너지 공급을 받아야 하는지 구분하기 위한 에너지 문턱값을 결정한다.

에너지 문턱값은 해당 노드의 에너지 소비율과 태양에너지 수집률, 배터리 잔량과 관련이 있다. 에너지 수집률은 태양 전지판의 종류, 위치, 날씨, 계절 등의 영향을 받고, 노드의 에너지 소모율은 데이터 센싱률과 전송률 그리고 듀티사이클의 영향을 받는다. 그러나, 이러한 요소들은 정확한 예측이 쉽지 않다.

본 발명에서는 이러한 각 요소의 정확한 예측이 필요 없는 간단하고 효율적인 에너지 모델을 사용하고 있다. 태양에너지 기반 노드 n_i의 평균 에너지 수집률을 P_solar(i), 평균 에너지 소모율을 P_sys(i)라고 한다면, P_sys(i) 값은 노드가 동작하는 동안의 에너지 소모량을 지속적으로 프로파일링함으써 구할 수 있고, P_solar(i)는 수집되는 에너지양의 프로파일링을 통해 도출할 수 있다.

노드 n_i에서 현재 사용 가능한 배터리 잔량을 E_residual(i)라고 할 때, 그 노드에서 배터리가 완전히 충전될 때까지 기대되는 시간(T_full())은 다음의 수학식 1과 같이 표현할 수 있다.

[수학식 1]

위 식에서 C(i)는 노드의 전체 배터리 용량을 나타낸다. 중요한 것은, P_solar(i) > P_sys(i)을 만족해야 배터리가 충전된다는 것이다. 이때, P_solar(i)는 값 조절이 불가능하지만 P_sys(i)는 노드 n_i의 듀티사이클을 적당히 조절함으로써 원하는 값으로의 변경이 가능하므로, P_sys(i)의 조절을 통하여 P_solar(i) > P_sys(i)를 만족시킬 수 있다.

한편, 태양에너지는 날씨와 시간 등에 따라 충전량이 계속 변하여 정확한 수집 에너지양을 예측하기 어렵지만, 배터리 내의 남아있는 에너지의 양이 다음의 수학식 2의 조건을 만족한다면 현재 시각부터 배터리가 가득 채워지는 시각까지 정전시간은 존재하지 않게 된다.

[수학식 2]

즉, 수학식 2를 만족하는 노드는 최악의 상황에서도 다음 배터리가 완충되는 시간까지 정전시간 없이 동작하게 된다. 수학식 1 및 수학식 2를 통해

를 도출할 수 있다. 이는 배터리가 최소한

이상의 에너지를 가지고 있다면, 그 시스템은 날씨 변화나 에너지 소비의 변화 등 어떠한 예상치 못한 상황이 발생한 경우라도 정상적으로 동작한다는 것을 의미한다.

본 발명에서는 이를 에너지 문턱값 E_threshold(i)라고 정의하며, 다음의 수학식 3과 같은 식으로 나타낸다.

[수학식 3]

요컨대, 만약

이 되면, 네트워크 정전시간의 가능성이 존재한다는 것이다. 그러므로 노드는 드론을 통해 추가 에너지를 공급받아야만 안정적인 동작을 유지할 수 있다.

상기 호버링 결정부(170)는 노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정한다. 상기 방문 경로 결정부(190)는 결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정한다.

RF 무선 전력 전송 에너지 모델을 설명하기 위해서 각 노드 n_i, i∈I는 지상의 n_i=(x,y,z) 좌표에 고정되어 있고, 드론은 모든 시간 t∈T 에서 고정된 고도인 H에서 호버링하고 이동한다고 가정한다. 이때, I는 전체 노드의 집합이고, T는 전체 충전 시간이다. 또한, 드론이 시간에 따라 변하는 위치는 (x(t),y(t),H)로 표시한다.

본 발명에서는 드론의 각 노드에 대한 에너지 충전 모델로써 자유 공간에서의 경로 손실 모델을 사용하였는데, 드론과 각 노드 사이의 무선 채널이 거의 대부분 Los(line-of-sight)라고 가정하기 때문이다.

본 발명의 모델에서는, 시간 t에서 드론과 각 노드 n_i 간의 채널 전력 이득 h_i(t)가

로 표현될 수 있다. 여기서 β₀는 기준 거리 1m에서의 채널 전력 이득을 나타내고, d_i(t)는 시간 t에서 노드 n_i와 드론 사이의 거리인

를 나타낸다. 이 때, 드론이 일정한 송신 전력 P_T을 가진다고 가정하면, 시간 t에서 노드 n_i에 수신된 RF 전력을 다음의 수학식 4와 같이 정의할 수 있다.

[수학식 4]

수학식 4를 이용해서 전체 충전 시간인 T 동안 노드 n_i가 받는 총 에너지를 구하면 다음의 수학식 5와 같다.

[수학식 5]

마지막으로 전체 충전 시간 T가 지난 후 노드 n_i의 잔여 에너지 양은 아래의 수학식 6과 같이 표현된다.

[수학식 6]

본 발명에서 제안하는 기법은 Max-min Residual Energy 기법으로 정의한다. 즉, 에너지가 부족한 노드들을 대상으로, 드론의 방문(충전) 후 각 노드의 에너지양 예측값 중 최소 잔여 에너지양을 최대화하는 드론의 최적 경로를 결정한다.

이후, 상기 호버링 결정부(170)는 Max-min Residual Energy 기법을 사용하여 1) 충전을 위해 호버링할 위치와 2) 호버링 시간(충전 시간)를 결정하고, 최단 경로 알고리즘을 사용하여 3) 드론의 호버링 위치 방문 경로를 결정한다.

이후 도 3과 같이, 드론에 결정된 결정된 최적 방문 경로를 다운로딩하여 드론이 이를 기반으로 각 호버링 위치로 이동하여 노드들을 충전하게 된다. 이러한 작업을 주기적으로 수행하여 각 노드의 정전 노드의 시간을 최소화하고, 안정적인 노드의 동작을 지원한다.

앞서 설명한 바와 같이, 드론의 에너지양 제한 문제로 인해 드론이 가진 에너지를 가장 효율적으로 사용하여 에너지 충전이 필요한 노드들에게 전달해야 한다. 이 최적화 문제에서 세 가지 요소들, 즉 1) 충전을 위해 호버링할 위치와 2) 호버링 시간(충전 시간), 그리고 3) 호버링 위치 방문 경로를 결정하여야 한다.

문제를 단순화하기 위해 3)의 경우 1)이 결정된 후 최단 경로 알고리즘을 사용하여 결정하는 것으로 하고, 1)과 2)를 최적화하는 것에 집중한다. 1)과 2)를 결정하기 위해 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 (충전 후) 잔여 에너지 양들 중 가장 작은 값이다. 그리고 목적함수는 이 가장 작은 에너지의 양을 최대화하는 것이다.

목적함수를 이렇게 정함으로써 드론의 에너지를 에너지가 부족한 노드들에게 가장 균형적으로 나누어 줄 수 있게 되고, 태양에너지 기반 IoT 환경에 안정성을 보완할 수 있게 된다. 이 목적함수를 수식으로 표현하면 아래의 수학식 7과 같다.

[수학식 7]

본 발명에서 풀어야 할 문제는, 수많은 호버링 위치 및 호버링 시간들의 조합들 중에서 위 목적함수를 최대화하는 조합을 찾는 것으로 정의할 수 있다.

본 발명은 IoT 노드들의 안정적인 운용을 위하여 목적함수인 수학식 7을 만족하는 세 가지 파라미터(호버링 위치, 호버링 시간(충전 시간), 호버링 위치 방문 경로)를 찾고자 하는 것이다.

그런데, 앞서 설명한 바와 같이 호버링 위치 방문 경로는 호버링 위치들이 결정된 후 최단 경로 알고리즘을 사용하여 결정할 수 있으므로, 먼저 Max-min Residual Energy 기법은 호버링 위치들과 각 위치에서 호버링하는 시간을 결정하는 것을 목표로 한다.

이를 위해, 우선 각 노드는 자신의 위치정보, 현재 에너지양, 에너지 부족 여부(자신의 현재 에너지양이 문턱값보다 작은지 여부)를 포함한 자신의 정보데이터를 베이스스테이션에게 주기적으로 전달한다. 본 발명은 LoRaWAN 환경을 가정하고 있기 때문에 베이스스테이션은 10km 반경의 모든 노드들로부터 각 노드들에 대한 위의 정보데이터를 1-hop으로 받을 수 있고, 아울러 정보데이터의 크기가 매우 작기 때문에 오버헤드가 거의 없다고 해도 무방하다.

이후 베이스스테이션은, 에너지가 부족하다는 메시지를 보낸 노드들을 드론의 에너지 충전이 필요한 노드라 판단하고, 이를 충전 대상 노드 집합인 K에 추가한다. 본 발명에서 제안하는 Max-min Residual Energy 기법은 노드 n_k, k∈K를 대상으로 목적함수인 수학식 6을 만족하는 충전 경로를 찾는다. 충전 경로는 호버링 위치와 호버링 시간(충전 시간)을 포함한다.

목적함수인 수학식 7을 보조 변수 E를 도입해 아래의 수학식 8로 표현할 수 있다.

[수학식 8]

수학식 8은 non-convex 최적화 문제에 속하지만, time-sharing 조건을 만족하기 때문에, 자신의 Lagrange dual problem과 동일한 문제라 할 수 있고, 그 결과 수학식 8의 문제는 Lagrange dual method을 사용하여 접근할 수 있다.

λ_k를 노드 n_k에 대한 dual 변수라 하면, 수학식 8의 제약 조건과 관련한 Lagrangian은 다음의 수학식 9와 같이 주어진다.

[수학식 9]

따라서, 수학식 8 최적화 문제의 dual function은 다음의 수학식 10과 같다.

[수학식 10]

이때, 수학식 10이 상한선을 유지하려면, 즉

이 되려면 ??

을 유지해야 한다. 이에 조건을 포함하면 수학식 10은 다음의 수학식 11과 같이 표현될 수 있다.

[수학식 11]

즉, 수학식 8의 dual function인 수학식 11을 해결함으로써 최적화 문제를 풀 수 있게 된다. 수학식 10의 제약 조건을 만족하는 {λ_k}의 실현 가능한 집합을 X라고 한다. 다음으로, 주어진 실현 가능한 dual 변수 {λ_k}∈X에서 f({λ_k})를 얻기 위해 수학식 10를 계산한 후, 다시 수학식 11에서 f({λ_k})를 최소화하기 위한 최적의 dual 솔루션을 찾는다. 이를 {λ_k ^*}로 나타낸다.

마지막으로 {λ_k ^*}를 기반으로 원래 문제인 수학식 8의 primal 솔루션을 찾아야 하는데, 최적 dual 솔루션인 {λ_k ^*}에 해당하는 primal 솔루션은

로 표현한다.

최적 dual 솔루션 {λ_k ^*}에 대한 primal 솔루션 중 호버링 위치인

는

로 표현될 수 있는데, 여기서 Γ는 드론이 호버링하는 위치의 개수를 의미한다. 이때 최적 솔루션 {λ_k ^*}에 대한

들은 IoT 노드의 배치영역에 대하여 2D exhaustive search를 통하여 찾을 수 있고, 이를 위한 많은 기법들이 존재한다.

호버링 위치들이 정해졌다면 각 호버링 위치에서 드론이 얼마나 오랜 시간 호버링 하며 충전을 해야하는지 결정해야 한다. 드론이 충전을 위해 출발하여 돌아올 때까지의 전체 시간을 T 라고 하고, 각 호버링 위치

에서의 최적 호버링 시간을

라고 하자. 이때

는 정수값으로

을 만족한다. 그렇다면 각

에 대한

들은 아래의 수학식 12를 만족시켜야 한다.

[수학식 12]

여기서, E는 수학식 8의 E를 의미하는데, 결국 충전 후 잔여 에너지 양들의 최소값을 의미한다. 그리고

는 수학식 4에 표현되어 있다. 이 수학식 12를 통해 얻어진 잔여 에너지 최소값들의 최대값이 E^*이 된다. 이 문제는 선형 프로그래밍(LP)이므로 일반적인 convex 최적화 기술들을 사용해서 풀 수 있다.

호버링 위치들과

, 각 호버링 위치들에서의 호버링 시간(충전 시간)

가 정해지면 마지막으로 드론이 이 위치들을 방문하는 순서를 결정해야 한다. 위에서 드론이 충전을 위해 출발하여 돌아올 때까지의 전체 시간(즉, 모든

들의 합)을 T 문제를 풀고 있는데, 이 T 값은 드론이 보유한 에너지의 양에 따라 설정되어야 한다. 예를 들어, 드론이 보유한 에너지양이 많다면 노드에게 전달할 수 있는 에너지가 많기 때문에 보다 큰 T 값을 유지해도 된다.

중요한 것은 드론이 보유한 에너지가 노드에게 전달되는 데만 사용되는 것은 아니라는 점이다. 노드에게 전달하는 에너지양 외에 드론의 비행을 위한 에너지는 추가적으로 필요하다. 따라서, 이 비행시간을 줄일 수 있다면 노드에게 전달할 수 있는 에너지 양을 증가시킬 수 있게 되어 보다 효율적인 충전이 가능하다.

이를 위해 제안 기법에서는 드론의 시작 지점과 끝 지점, 그리고 각 호버링 위치들을 기준으로 최단 경로 알고리즘을 통해 노드의 비행 시간을 줄임으로써, 비행에 사용되는 에너지를 최소화할 수 있다.

이하에서는, 본 발명의 성능검증을 위해 수행한 시뮬레이션 결과를 설명한다. 비교할 성능은 태양에너지 IoT 노드들의 정전시간 총합이며, 이 값이 작을수록 안정적인 동작을 수행함을 의미한다. 성능을 비교할 대상 기법은 1) 드론을 사용하여 에너지 전송을 하지 않는 경우(Naive 기법)와 2) 랜덤한 위치를 방문하여 랜덤한 시간동안 에너지를 전송하는 기법(Random 기법), 그리고 3) 에너지가 부족한 모든 노드들을 일일이 방문하되 방문한 노드의 배터리가 완충될 때까지 충전해주는 기법(Greedy 기법), 마지막으로 4) 에너지가 부족한 모든 노드들을 일일이 방문하여 균등한 시간 동안 에너지 전송을 하는 기법(Fair 기법)과 본 발명의 기법을 비교하였다.

실험 환경은 IoT 노드 필드 영역을 1Km x 1Km로 고정하고 1000개의 노드를 랜덤하게 배치하여 100일 동안 진행하였으며 드론의 충전 주기는 하루이다. 주요 실험 환경 설정값은 아래의 표 1과 같다.

[표 1]

표 2는 위에서 기술한 비교기법들 별로 시뮬레이션 시간 동안 정전된 노드들의 정전시간 총합을 나타내고 있다.

[표 2]

표 2에서 보듯이 본 발명에서 제안하는 기법이 다른 모든 기법들 보다 정전시간의 총합이 유의미하게 작다는 것을 알 수 있다. 이는 제안 기법이, 한 곳에서 드론이 호버링하며 RF WPT를 수행할 때 주변의 다른 노드들도 에너지가 동시에 충전될 수 있다는 점과 드론의 제한적인 에너지 사용을 극대화하여 에너지가 부족한 태양에너지 기반 노드들에게 에너지를 균형적으로 분배할 수 있다는 것을 보여주는 결과라 할 수 있다.

본 발명에서는 태양에너지 기반의 LoRaWAN IoT 환경에서 응용의 안정성을 확보하기 위해 드론을 사용할 때, 보다 효율적인 에너지 충전을 위한 드론의 충전 경로 설정 기법을 제안하고 있다. 태양에너지 수집만으로 충분한 노드들은 충전 대상에서 제외하고, 한 곳에서 여러 노드를 충전할 수 있는 RF WPT 기술 특성을 이용하여, 드론의 제한적인 에너지를 최대한 활용할 수 있는 드론의 충전 경로 설정 기법을 제안하였다.

도 4는 본 발명의 일 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법의 흐름도이다.

본 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, 도 1의 환경 및 도 2의 장치(10)와 실질적으로 동일한 구성에서 진행될 수 있다. 따라서, 도 1의 환경 및 도 2의 장치(10)와 동일한 구성요소는 동일한 도면부호를 부여하고, 반복되는 설명은 생략한다.

본 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, 도 1의 베이스스테이션에서 수행될 수 있다.

또한, 본 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정을 수행하기 위한 소프트웨어(애플리케이션)에 의해 실행될 수 있다.

본 발명에서는 드론을 사용하여 Radio Frequency(RF) 전력을 무선으로 전송하는 WPT(Wireless Power Transfer) 기술을 이용한다. 드론의 에너지가 제한적이기 때문에 최대한 효율적으로 이동 경로와 충전 위치 및 충전 스케쥴을 결정해야 한다.

본 발명에서는 LoRaWAN 기반의 태양에너지 수집형 IoT 환경을 가정하고 있다. 드론은 태양에너지 수집형 IoT 노드 중에서 에너지가 부족하여 정전이 예상되는 노드들을 최적의 충전 경로로 이동하면서 에너지를 전달하게 된다.

도 4를 참조하면, 본 실시예에 따른 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은, 먼저, 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집한다(단계 S10).

본 발명은 LoRaWAN 환경을 가정하고 있기 때문에 10km 반경의 모든 노드로부터 센싱 데이터를 전달받을 수 있다.

이때, 센싱 데이터뿐 아니라 위치, 에너지 부족 여부 및 잔여 에너지양 정보 데이터도 함께 받는다. 정보 데이터의 크기가 매우 작기 때문에 오버헤드가 거의 없다고 해도 무방하다.

노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결 한다(단계 S20). 에너지 문턱값은 노드의 평균 에너지 수집률, 노드의 평균 에너지 소모율 및 노드의 전체 배터리 용량을 기초로 결정할 수 있다.

에너지 문턱값을 기초로 충전이 필요한 노드들을 선정한다(단계 S30). 즉, 노드에서 현재 사용 가능한 배터리 잔량이 에너지 문턱값 보다 작은 경우, 에너지가 부족한 노드로 판단하여, 충전 대상 노드 집합에 추가한다.

노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정한다(단계 S40).

본 발명에서, 최적화 여부를 결정하는 값은 에너지가 부족한 노드(드론이 충전하는 노드)들이 충전되고 난 후 잔여 에너지양들을 비교했을 때 가장 작은 잔여 에너지의 양이고, 목적함수는 이 가장 작은 에너지의 양을 최대화하는 것이다.

목적함수를 이렇게 정함으로써 드론의 에너지를 에너지가 부족한 노드들에게 가장 균형적으로 나누어 줄 수 있게 되고, 태양에너지 기반 IoT 환경에 안정성을 보완할 수 있게 된다. 요컨대 수많은 세 가지 요소들의 조합들 중에서 목적함수를 최대화하는 조합을 찾는 것이 본 발명의 핵심이다.

본 발명에서 제안하는 기법은 Max-min Residual Energy 기법으로, 에너지가 부족한 노드들을 대상으로, 드론의 방문(충전) 후 각 노드의 에너지양 예측값 중 최소 잔여 에너지양을 최대화하는 드론의 최적 경로를 결정한다.

이후, 결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정한다(단계 S50). 이 경우, 최단 경로 알고리즘을 사용하여 드론의 최적 방문 경로를 결정할 수 있다.

또한, 드론에 결정된 결정된 최적 방문 경로를 다운로딩하여 드론이 이를 기반으로 각 호버링 위치로 이동하여 노드들을 충전하게 된다. 이러한 작업을 주기적으로 수행하여 각 노드의 정전 노드의 시간을 최소화하고, 안정적인 노드의 동작을 지원한다.

결과적으로, 전체 IoT 노드들의 잔여 에너지양이 균형적으로 되어 안정적인 동작을 보장할 수 있게 된다. 본 발명의 차별적인 특징을 요약하면 아래와 같다.

본 발명은 태양에너지 수집형 노드의 에너지 모델 고려하였다. 본 발명에서는 기존 연구를 기반으로 태양에너지 수집형 노드들에서 에너지가 부족한 노드, 에너지가 충분한 노드를 결정할 수 있는 문턱값을 정한다.

그리고 그 중 에너지가 부족한(잔여 에너지가 일정 문턱값 이하인) 노드들에게만 에너지를 전달한다. 잔여 에너지가 문턱값 이상인, 에너지가 충분한 노드들은 현재 수집되는 태양에너지로 노드가 정상적인 동작을 하는데 아무런 문제가 없다는 의미이므로 드론의 WPT가 필요 없다.

또한, 본 발명은 드론의 에너지 제약 문제 고려하였다. 에너지가 부족한 노드들에게만 드론이 에너지를 전달한다고 할지라도, 드론의 제한된 에너지로 인해 에너지가 부족한 노드들 모두를 방문할 수 없다.

또한, 본 발명은 RF WPT의 특성 고려하였다. RF WPT 기법은 한 장소에서 주변에 위치한 여러 노드를 동시에 충전할 수 있으므로 충전할 모든 노드를 일일이 방문하여 에너지를 전달하는 기법은 비효율일 수밖에 없다.

위의 사항들을 고려했을 때, 드론이 에너지가 부족한 노드들에게 에너지를 전달하기 위하여 세 가지 요소들, 즉 1) 충전을 위해 호버링할 위치와 2) 호버링 시간(충전 시간), 그리고 3) 호버링 위치 방문 경로를 최적화 할 수 있다면, 제한된 드론의 에너지를 가장 효율적으로 사용할 수 있을 것으로 예상된다.

이와 같은, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법은 애플리케이션으로 구현되거나 다양한 컴퓨터 구성요소를 통하여 수행될 수 있는 프로그램 명령어의 형태로 구현되어 컴퓨터 판독 가능한 기록 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능한 기록 매체는 프로그램 명령어, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다.

상기 컴퓨터 판독 가능한 기록 매체에 기록되는 프로그램 명령어는 본 발명을 위하여 특별히 설정되고 구성된 것들이거니와 컴퓨터 소프트웨어 분야의 당업자에게 공지되어 사용 가능한 것일 수도 있다.

컴퓨터 판독 가능한 기록 매체의 예에는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM, DVD와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 ROM, RAM, 플래시 메모리 등과 같은 프로그램 명령어를 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다.

프로그램 명령어의 예에는, 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드도 포함된다. 상기 하드웨어 장치는 본 발명에 따른 처리를 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.

이상에서는 실시예들을 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자는 하기의 특허 청구의 범위에 기재된 본 발명의 사상 및 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다.

태양에너지로 IoT 노드에 (에너지 측면에서의) 영속성을 부여하고, 본 발명을 활용함으로써 태양에너지 기반 IoT 노드에게 부족할 수 있는 운용의 안정성을 확보하게 함으로써, 환경 에너지 기반 IoT 기기들의 활용도를 높이고 시장을 확대하는데 기여할 수 있을 것으로 기대한다.

10: RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치
110: 정보 수집부
130: 문턱값 결정부
150: 충전 노드 선정부
170: 호버링 결정부
190: 방문 경로 결정부

Claims (11)

1. LoRaWAN IoT 환경에서 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집하는 단계;
   노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하는 단계;
   각 노드의 사용 가능한 배터리 잔량이 에너지 문턱값 보다 낮은 경우 충전이 필요한 노드 집합으로 선정하는 단계;
   노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 단계; 및
   결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정하는 단계;를 포함하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법.
   
2. 제1항에 있어서, 상기 에너지 문턱값을 결정하는 단계는,
   노드의 평균 에너지 수집률, 노드의 평균 에너지 소모율 및 노드의 전체 배터리 용량을 기초로 결정하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법.
   
3. 제1항에 있어서, 상기 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 단계는,
   후보 방문 경로 상의 호버링 위치 및 호버링 시간들의 조합들 중에서 목적함수를 최대화하는 조합을 도출하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법.
   
4. 제1항에 있어서, 상기 드론의 최적 방문 경로를 결정하는 단계는,
   최단 경로 알고리즘을 사용하여 드론의 최적 방문 경로를 결정하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법.
   
5. 제1항에 있어서,
   드론을 노드들의 충전을 위해 호버링 위치로 이동시키기 위해, 결정된 최적 방문 경로를 드론에 다운로딩하는 단계;를 더 포함하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법.
   
6. 제1항에 따른 상기 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 방법을 수행하기 위한 컴퓨터 프로그램이 기록된 컴퓨터로 판독 가능한 저장 매체.
   
7. LoRaWAN IoT 환경에서 각 에너지 수집형 IoT 노드로부터 노드의 위치, 에너지 부족 여부 및 잔여 에너지양을 주기적으로 수집하는 정보 수집부;
   노드의 에너지 충전이 필요한지 여부를 판단하는 에너지 문턱값을 결정하는 문턱값 설정부;
   각 노드의 사용 가능한 배터리 잔량이 에너지 문턱값 보다 낮은 경우 충전이 필요한 노드 집합으로 선정하는 충전 노드 선정부;
   노드 집합을 방문하는 후보 방문 경로로 드론이 이동하면서 에너지를 충전하였을 때 충전된 노드들의 충전 후 가장 작은 잔여 에너지양을 최대화하는 목적함수를 이용하여 충전을 위해 호버링할 위치 및 호버링 시간을 결정하는 호버링 결정부; 및
   결정된 호버링할 위치 및 호버링 시간을 기초로 드론의 최적 방문 경로를 결정하는 방문 경로 결정부;를 포함하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치.
   
8. 제7항에 있어서, 상기 문턱값 설정부는,
   노드의 평균 에너지 수집률, 노드의 평균 에너지 소모율 및 노드의 전체 배터리 용량을 기초로 결정하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치.
   
9. 제7항에 있어서, 상기 호버링 결정부는,
   후보 방문 경로 상의 호버링 위치 및 호버링 시간들의 조합들 중에서 목적함수를 최대화하는 조합을 도출하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치.
   
10. 제7항에 있어서, 상기 방문 경로 결정부는,
    최단 경로 알고리즘을 사용하여 드론의 최적 방문 경로를 결정하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치.
    
11. 제7항에 있어서,
    드론을 노드들의 충전을 위해 호버링 위치로 이동시키기 위해, 결정된 최적 방문 경로를 드론에 다운로딩하는 다운로딩부;를 더 포함하는, 태양에너지 수집형 LoRaWAN IoT 환경에서 RF 무선 전력 전송을 위한 드론의 최적 이동 경로 설정 장치.
    
    

Images