• 대한전자공학회논문지SD
• /
• 제47권8호
• /
• pp.29-35
• /
• 2010

본 논문에서는 내장된 자체 테스트 기법 (BIST, Built-In Self Test)을 적용 할 때 저전력 테스트가 가능한 패턴 생성기를 제안하였다. 테스트 시 WSA (Weighted Switching Activity)가 많이 발생하는 노드인 heavy nodes의 선택 알고리듬을 제안하였으며, heavy nodes에 천이를 발생시키는 입력부 곧 heavy inputs을 찾는 알고리듬을 나타내었다. 고장 검출율을 높이는 최적의 heavy nodes의 수를 결정하고 선택된 입력부에 변형된 LFSR의 출력을 인가하여 테스트 시 발생하는 천이를 줄였다. 제안하는 패턴 생성기는 몇 개의 AND 게이트와 OR 게이트를 LFSR에 추가하여 적은 하드웨어 오버헤드로 간단히 구현된다. ISCAS 벤치 회로에 적용한 실험을 통해 제시하는 방법이 기존의 기법에 비해 평균 소비 전력을 감소시키면서 고장 검출율을 상승시키는 것을 검증하였다.

• 한국빅데이터학회지
• /
• 제6권1호
• /
• pp.127-132
• /
• 2021

우리나라는 자원 빈국인 동시에 에너지 다소비 국가이다. 또한 전기 에너지에 대한 사용량 및 의존도가 매우 높고, 총 에너지 사용의 20% 이상은 건물에서 소비된다. 딥러닝과 머신러닝에 대한 연구가 활발해지면서 다양한 알고리즘을 에너지 효율 분야에 적용하려는 연구가 진행되고 있으며, 에너지의 효율적인 관리를 위한 건물에너지관리시스템(BEMS)의 도입이 늘어가는 추세이다. 본 논문에서는 스마트플러그를 이용하여 직접 수집한 가구당 기기별 에너지 사용량을 바탕으로 데이터베이스를 구축하였다. 또한 RNN과 LSTM 모델을 이용하여 수집한 데이터를 효과적으로 분석 및 예측하는 알고리즘을 구현하였다. 추후 이 데이터는 에너지 사용량 예측을 넘어 전력 소비 패턴 분석 등에 적용할 수 있다. 이는 에너지 효율 개선에 도움이 될 수 있으며, 미래 데이터의 예측을 통해 효과적인 전력 사용량 관리에 도움을 줄 것으로 기대된다.

• 대한교통학회지
• /
• 제34권3호
• /
• pp.234-247
• /
• 2016

교통운영전략의 친환경성 평가의 필요성이 대두되고 있는 가운데, 정확한 평가를 위해서는 분석에 사용되는 차량연료소모 예측모형에 대한 이해가 선행되어야 한다. 이를 위해 본 연구에서는 국내에서 사용되고 있는 3개 모형과 외국에서 사용되고 있는 모형들 중 광범위하게 사용되는 동시에 비교적 취득이 용이한 3개 모형을 선정하여 모형의 특성을 응용측면에서 비교하였다. 구체적으로, 국립환경연구원의 차량주행기록인 NIER 차속모드와 미시교통류시뮬레이션 소프트웨어인 VISSIM을 이용하여 차량의 운행패턴을 모델링하였으며, 이를 차량연료소모 예측모형에 입력하여 연료소모량을 예측하였다. 본 연구를 통해 정속주행의 경우 국내외의 모든 모형이 유사한 결과를 보이는 것으로 분석되었으나, NIER 차속모드와 VISSIM 모형을 이용한 분석결과 국내모형 중 KR-1, KR-2 모형은 순간적인 차량의 비출력에 민감하지 못하여 미시적인 분석을 요하는 경우에는 사용에 주의를 기울여야 하는 것으로 분석되었다.

• 전자공학회논문지
• /
• 제50권11호
• /
• pp.117-123
• /
• 2013

비터비 디코더(Viterbi decoder)용 임베디드 SRAM은 범용(General purpose) CPU에 쓰이는 SRAM과 달리 읽기, 쓰기 동작이 비터비 복호 알고리즘에 따라 일정한 액세스 패턴을 갖고 동작한다. 이 연구를 통하여 제안된 임베디드 SRAM의 구조는 이러한 메모리 동작의 패턴에 최적화되어 워드라인과 비트라인에서 발생하는 불필요한 전력소모를 제거함으로써 쓰기 동작의 소모 전력을 크게 줄일 수 있다. 65nm CMOS 공정으로 설계된 비터비 디코더는 본 논문에서 제안된 SRAM 구조를 이용하여 기존의 임베디드 SRAM 대비 8.92%만큼 면적증가로 30.84% 소모 전력 감소를 이룩할 수 있었다.

• 한국인터넷방송통신학회논문지
• /
• 제21권6호
• /
• pp.65-70
• /
• 2021

최근 모바일 앱의 수가 급증하면서 스마트폰의 메모리 크기 또한 크게 증가하고 있다. 메모리 매체인 DRAM은 모든 셀이 지속적인 전원재공급 연산을 수행해야 내용이 유지되는 휘발성 매체로 메모리 크기 증가 시 전력 소모도 그에 비례해 늘어난다. 최근 스마트폰의 메모리로 DRAM이 아닌 저전력의 비휘발성 메모리를 사용하여 배터리 소모를 줄이고자 하는 시도가 늘고 있다. 그러나, 비휘발성 메모리는 쓰기 연산에 취약성을 가지고 있어 이를 해결하기 위한 분석이 필요하다. 본 논문은 모바일 앱의 메모리 쓰기 참조 트레이스를 추출하고 그 특성을 다양한 각도에서 분석하였다. 본 논문의 연구 결과는 비휘발성 메모리가 메인 메모리로 채택되는 미래의 스마트폰 시스템에서 쓰기 효율성을 가진 메모리 관리 기법 설계에 널리 활용될 수 있을 것으로 기대된다.

• 전기전자학회논문지
• /
• 제23권1호
• /
• pp.134-142
• /
• 2019

에너지인터넷 기술의 발전과 다양한 전자기기의 보급으로 에너지소비량이 패턴이 다양해짐에 따라 수요예측에 대한 신뢰도가 감소하고 있어 발전량 최적화 및 전력공급 안정화에 문제를 야기하고 있다. 본 연구에서는 고신뢰성을 갖는 수요예측을 위해 딥러닝 기법인 Convolution neural network(CNN)과 Bidirectional Long Short-Term Memory(BLSTM)을 융합한 1Dimention-Convolution and Bidirectional LSTM(1D-ConvBLSTM)을 제안하고, 제안한 기법을 활용하여 시계열 에너지소비량대한 소비패턴을 효과적으로 추출한다. 실험 결과에서는 다양한 반복학습 횟수와 feature map에 대해서 수요를 예측하고 적은 반복학습 횟수로도 테스트 데이터의 그래프 개형을 예측하는 것을 검증한다.

• 인터넷정보학회논문지
• /
• 제24권2호
• /
• pp.57-66
• /
• 2023

현재, 에너지 효율 향상으로 소비감축을 시행하는 새로운 에너지 시스템이 대두되고 있다. 이에 스마트그리드가 확산되면서 계시별 요금제가 확대되고 있다. 계시별 요금제는 계절별 / 시간별로 요금을 다르게 적용해 사용량에 따라 요금을 내는 요금제이다. 본 연구에서는 에너지 전력 사용량 데이터를 예측하기 위해, 온도/요일/시간/계절 등 외부 요인을 고려하고 시계열 예측 모델인 LSTM을 활용한다. 이러한 에너지 사용량 예측 모델을 기반으로 기기별 사용패턴을 분석하여 전력 에너지를 최대부하시간대에서 경부하시간대로 수요이전 함으로써 에너지 사용요금을 절감한다. 기기별 사용패턴을 분석하기 위해서는 시간대별로 기기의 사용량 패턴을 학습 및 분류하는 clustering 기법을 사용한다. 정리하자면, 본 연구에서는 사용자의 전력 데이터 사용량을 기반으로 사용량과 사용 요금을 예측 및 기기별 사용패턴을 분석하고 분석 기반의 맞춤형 수요이전 서비스를 제공함으로써 사용자에게 요금 절감 효과를 가져다 준다.

• 한국정보통신학회논문지
• /
• 제24권9호
• /
• pp.1158-1164
• /
• 2020

국내의 경우 수입 에너지에 대한 의존도가 매우 높아 낭비되는 전력을 저하시키고 전력 효율성을 향상시키기 위해 저전력 기술인 Zigbee를 기반으로 대기전력 저감 연구가 이루어지고 있다. 그러나 Zigbee는 IoT 표준 프로토콜이 아니고, 네트워크 기반이 아니기 때문에 별도의 게이트웨이를 두어 네트워크를 구축해야 하며, 국제적으로 제시하고 있는 기기 전력 소비량에 대한 기준도 모호하기 때문에 대기전력에 대한 연구는 미흡한 상태이다. 따라서 본 논문에서는 기존 Zigbee 기술에 IoT 표준 프로토콜인 MQTT를 적용하여 별도의 게이트웨이 없이 네트워크망을 구축하고, 대기전력 저하 및 사용자의 패턴을 수집하는 대기전력 저감 시스템을 설계 및 구현하였다. 기존 시스템과 평가한 결과 기존 시스템 대비 약 7.11%의 대기전력이 소모된 것을 확인하였다.

• 전기학회논문지P
• /
• 제64권2호
• /
• pp.74-78
• /
• 2015

With the improvement of living standards and economic development, electricity consumption continues to grow. The electricity is a special energy which is hard to store, so its supply must be consistent with the demand. The objective of electricity demand forecasting is to make best use of electricity energy and provide balance between supply and demand. Hence, it is very important work to forecast electricity demand with higher precision. So, various forecasting methods have been developed. They can be divided into five broad categories such as time series models, regression based model, artificial intelligence techniques and fuzzy logic method without considering special-day effects. Electricity demand patterns on holidays can be often idiosyncratic and cause significant forecasting errors. Such effects are known as special-day effects and are recognized as an important issue in determining electricity demand data. In this research, we developed the power demand forecasting method using ELM(Extreme Learning Machine) for special day, particularly, lunar new year and Chuseok holiday.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2014년도 춘계학술대회
• /
• pp.777-780
• /
• 2014

센서 네트워크 기술이 각광을 받으면서 다양한 종류의 센서 노드로 구성된 센서 네트워크에 대한 연구가 활발히 진행되고 있다. 센서 네트워크 어플리케이션들의 주요 트래픽 패턴은 몇몇의 센서 노드들로부터 싱크 노드로 패킷을 전송하는 타입의 단일 방향성 데이터 수집형태로 구성되어있으며 소스 노드, 중간 노드, 싱크 노드에 이르기 까지 각각 자신의 상위 노드를 곧 바로 깨움으로써 지연의 감소와 에너지 효율성을 이끌어냈다. 본 논문에서는 저 전력 센서 네트워크에서사용중인 다양한 프로토콜들을 분석하여 가장 효율적인 프로토콜을 네트워크 시뮬레이션을 통해 비교 분석하여 실질적 적용 가능성을 제시 하였다.