• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제8권4호
• /
• pp.87-92
• /
• 2019

본 연구에서는 머신 러닝 기법을 활용하여 공장에서 발생하는 에너지 사용량에 대한 데이터 분석 및 패턴 추출에 대해 다룬다. 통계학이나 기존의 방법들은 몇 가지 물리적 특성을 반영하는 수학적 모델을 구축하는 반면, 머신 러닝을 통한 접근방법은 데이터 학습을 통하여 모델의 계수들을 결정하게 된다. 기존의 방법들은 특정한 구조를 갖는 수학적 모델을 구축해야 한다는 어려움이 있으며 과연 데이터의 특징들을 잘 반영하는지에 대한 의문이 존재했다. 그러나 머신 러닝을 통한 방법은 사람이 구축하기 어려운 작업들을 용이하게 구축한다는 장점을 가지고 있기 때문에 데이터 간의 관계를 파악하기에 더 효율적이라는 장점을 가지고 있다. 공장의 에너지 소비에 직접적으로 영향을 끼치는 요소들이 존재하며 이러한 전력 소비는 시간에 따른 데이터로 나타나게 된다. 각 요소들로부터 발생하는 소비 전력을 계측하고 데이터 베이스를 구축하기 위해 각 요소에 센서를 장착하였다. 취득된 데이터에 대해 전처리 과정 및 통계적인 분석을 거친 뒤, 머신 러닝을 통해 패턴을 분석하는 과정을 거쳤다. 이를 통해 공장에서 발생하는 소비 전력 데이터에 대한 패턴 분석을 진행하였다.

• 한국컴퓨터정보학회논문지
• /
• 제19권6호
• /
• pp.49-59
• /
• 2014

최근 무선 센서 네트워크(WSN)이 침입 탐지와 생태, 환경, 대기, 산업, 교통, 화재 감시 등에 다양하게 적용되어 사용되고 있다. 본 논문에서는 에너지 효율적인 클러스터링 알고리즘을 제안한다. 제안 알고리즘은 수신전력을 바탕으로 하여 최적위치의 클러스터헤드를 선출하고 이를 통해 균일한 클러스터사이즈를 가지도록 한다. 또한 최대 깊이가 제한된 MST를 이용한 라우팅 트리를 구성하고 멀티 홉 전송을 통해 센서 노드의 위치에 관계없이 균일한 에너지 소모를 유도하도록 하였다. 이를 통해 제안 알고리즘은 기존의 LEACH나 HEED에 비해 노드의 에너지 소모를 감소시키고 균등한 에너지 소모를 유도하여 네트워크 수명을 증대시킬 수 있다. 시뮬레이션 결과 제안 알고리즘이 공평한 에너지 소모를 통해 네트워크 수명을 증대시킬 수 있음을 확인하였다.

• 대한임베디드공학회논문지
• /
• 제9권1호
• /
• pp.25-32
• /
• 2014

In this paper, we proposed a partial-way set associative cache memory with an effective memory access time and low energy consumption. In the proposed set-associative cache memory, it is allowed to access only a 2-ways among 4-way at a time. Choosing ways to be accessed is made dynamically via the least significant two bits of the tag. The chosen 2 ways are sequentially accessed by the way selection bits that indicate the most recently referred way. Therefore, each entry in the way has an additional bit, that is, the way selection bit. In addition, instead of the 4-way LRU or FIFO algorithm, we can utilize a simple 2-way replacement policy. Simulation results show that the energy*delay product can be reduced by about 78%, 14%, 39%, and 15% compared with a 4-way set associative cache, a sequential-way cache, a way-tracking cache, and a way cache respectively.

• 한국컴퓨터정보학회논문지
• /
• 제16권6호
• /
• pp.21-30
• /
• 2011

각종 환경 규제에 대한 대응이 세계 IT 시장에서 큰 이수로 부각되면서 데이터 센터 유지를 위해 소모되는 막대한 양의 에너지와 저장 장치를 효율적으로 관리하기 위한 통합(Consolidation), 가상화(Virtualization), 최적화(Optimization), 관리 (Leverage) 등의 다양한 시도가 이루어지고 있다. 본 논문에서는 이러한 노력의 일환으로 다수의 저장 장치를 계층화하여 전력 소비량 및 데이터 이중화 작업의 강도를 달리하는 새로운 개념의 RAID 기법을 제안한다. G-RAID는 저장 장치의 전력 소비량을 계층화하고 데이터 접근 빈도수에 따라 저장 장치를 선택함으로써 데이터 I/O 성능 저하의 발생을 최소화하면서 전력 소비를 최소화 했다. 또한 파일 시스템과 G-RAID의 블록 맵 정보는 효율적인 작업을 위해 연속적으로 위치한 블록들의 그룹을 기본 단위로 처리되며 그룹 별 접근 빈도수를 고려하여 블록 연결 작업으로 인한 성능 감소를 최소화하고자 했다. 실험 결과, 블록 재배치 작업으로 인한 응답 시간의 향상이 나타났지만 전력 소비 율은 최대 38% 감소하는 것으로 나타났다.

• Environmental Engineering Research
• /
• 제22권2호
• /
• pp.175-185
• /
• 2017

As the energy and environmental problems are increasingly severe, researches about carbon dioxide emissions has aroused widespread concern. The accurate prediction of carbon dioxide emissions is essential for carbon emissions controlling. In this paper, we analyze the relationship between carbon dioxide emissions and influencing factors in a comprehensive way through correlation analysis and regression analysis, achieving the effective screening of key factors from 16 preliminary selected factors including GDP, total population, total energy consumption, power generation, steel production coal consumption, private owned automobile quantity, etc. Then fruit fly algorithm is used to optimize the parameters of least squares support vector machine. And the optimized model is used for prediction, overcoming the blindness of parameter selection in least squares support vector machine and maximizing the training speed and global searching ability accordingly. The results show that the prediction accuracy of carbon dioxide emissions is improved effectively. Besides, we conclude economic and environmental policy implications on the basis of analysis and calculation.

• KIEAE Journal
• /
• 제14권2호
• /
• pp.37-46
• /
• 2014

University buildings are energy-guzzling facility that consume more than 10,000TOE within a campus annually. Even the consumption is on an upswing trend. Behind such high consumption are there cheap power rates for education facility, lack of high-efficiency equipment and ever-increasing use of various information equipment. Being keenly aware that greenhouse gas emission increases due to such rise of energy consumption, the present study carried out a case study. In the case study, the study chose the buildings of E university from top 10 universities that consume energy most in Seoul and examined the current status of their energy consumption and greenhouse gas emission. And then it set the reduction target of greenhouse gas by year. Putting aside a middle and long-termed strategy for later endeavor, it first established the 1st year's implementation plan (2014) for energy saving and greenhouse gas reduction with limited budget and according to greenhouse gas reduction target. The plan is specified as follows. Targets for energy saving are mainly divided into two sectors: machine equipment and electric equipment. 7 ideas were proposed. Three ideas to improve machine equipment are to replace with high-efficiency boilers and chillers and to adjust the position of the cooling tower. By doing so, it was estimated that energy could be saved by 176.34TOE in total and greenhouse gas could be reduced by 370.771t$CO_2$-eq. Four ideas to improve electric equipment include the replacement with LED lights, LED emergency lights and high-efficiency motors and the installation of motion sensors. It was calculated that such replacement could conserve 1,076.08TOE (electric energy) and reduce 2,181.420t$CO_2$-eq (greenhouse gas).

• 한국위성정보통신학회논문지
• /
• 제10권3호
• /
• pp.6-10
• /
• 2015

무선 에너지 하비스팅 기술은 주로 무선 통신 네트워크에서 전력소모가 적은 무선 통신 장치들을 동작시키기 위해 주변 환경으로부터 RF 신호를 수집, 에너지로 변환하는 기술로 최근 각광을 받고 있다. 이와 같은 기술과 기존의 인지무선(Cognitive Radio) 네트워크 모델을 기반으로, 본 논문에서는 적은 파워 소비를 하는 2차 유저(Secondary User)가 근처에서 동작 중인 1차 유저(Primary User)의 특정 거리 안에 존재할 때 1차 유저가 전송한 통신 신호로부터 무선에너지 하비스팅을 하고 특정 거리 밖에 존재할 때 우선 사용자에게 할당되어 있는 허가대역을 주기적으로 센싱, 선택적으로 접근하는 무선에너지 하비스팅 인지무선 네트워크 모델을 제시한다. 이 때 1차 유저와 2차 유저는 Poisson pont process로 분포되어있고 통신을 하고 있는 수신자들과 일정한 거리로 떨어져있다. 위와 같은 네트워크 모델에서 주어진 여러 가지 조건하에 2차 유저 네트워크 처리량을 최대화할 수 있는 최적의 프레임 주기, 전송파워, 2차 유저 밀도 제안하고 앞으로의 연구방향을 제시한다.

• 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.

• 정보처리학회논문지C
• /
• 제19C권2호
• /
• pp.135-144
• /
• 2012

기존의 서버 클러스터 환경에서는 모든 서버가 항상 On된다. 만일 서버 요청 부하가 최대가 되면 서버 클러스터에서 얻을 수 있는 가능한 최대 성능을 얻게 되며, 그렇지 않으면 가능한 최대 성능의 일부만을 사용하게 되면서 서버 전력 소비의 효율성은 떨어지게 된다. 부하 상황에 따라 서버의 전력 모드를 제어함으로써 전력 소비의 효율성을 높일 수 있다. 다시 말하면 현재 부하를 처리하는데 필요한 대수의 서버들만 On하고 나머지 서버들은 Off 한다. 기존의 서버 전원 모드 제어 방법에서는 고정된 주기로 서버 전원 모드를 제어하는 정적인 정책을 적용함으로써 동적으로 변하는 부하 환경에 잘 적응하지 못한다. 이를 개선하기 위해 본 논문에서는 동적 서버 전원 제어 알고리즘을 제안한다. 제안 방법에서는 서버 소비 전력의 이력을 갖고서 가까운 장래에 서버 소비 전력이 증가할 것인가를 예측한다. 이 예측에 따라 서버 모드 제어 주기를 동적으로 변경한다. 30대의 PC 클러스터를 이용하여 실험을 수행하였다. 실험을 통하여 일반적인 클러스터링 환경과 비교하여 제안된 방법은 동일한 성능을 유지하면서 29%까지 소비 전력을 절감했다. 또한, 서버 클러스터에서 서버 CPU 사용률 평균은 66% 증가하였다.

• 정보처리학회논문지:컴퓨터 및 통신 시스템
• /
• 제4권6호
• /
• pp.185-196
• /
• 2015

에너지 절감형 서버 클러스터는 에너지 절감을 고려하지 않는 기존 서버 클러스터에 비해 서비스 품질을 보장하면서 전력소비를 절감하는 것을 목표로 한다. 에너지 절감형 서버 클러스터에서는 현재의 부하를 처리하는 데 필요한 최소수의 서버들만 ON 하도록 고정 또는 가변 주기로 서버들의 전원모드를 조정한다. 이에 대한 기존 연구들은 전력 절감 또는 서비스 품질을 보장하려고 노력해왔지만 에너지 효율성을 잘 고려하지는 못했다. 본 논문에서는 에너지 절감형 클러스터에서 자율학습기반의 에너지 효율적인 클러스터 관리 기법을 제안한다. 자율학습을 통해 최적화된 파라미터들을 이용하여 전력 소모 대비 최고의 성능을 얻을 수 있도록 서버 전원모드를 조정한다. 제안방법은 서버 전원모드 조정을 위해 아래의 과정을 반복 수행한다. 첫째, 현재 부하 및 트래픽 패턴을 보고 현재 워크로드 패턴 유형을 사전에 정의한 대로 분류한다. 둘째, 학습 테이블을 탐색하여 해당 워크로드 패턴 유형에 대해 예전에 학습이 수행되었는지 확인한다. 만일 수행되었다면 이미 저장된 파라미터를 이용한다. 그렇지 않으면, 학습을 수행하여 에너지 효율성 관점에서 최고의 파라미터를 얻어 저장한다. 셋째, 얻어진 파라미터를 이용하여 서버 전원모드를 조정한다. 제안방법을 구현하여 16개의 서버 클러스터 환경에서 3가지 다른 부하 패턴들을 이용하여 실험을 수행하였다. 실험 결과는 제안방법의 에너지 효율성이 뛰어남을 보여주고 있다. 뱅킹 부하패턴, 실제 부하패턴, 가상 부하패턴 각각에 대하여, 제안방법의 단위전력당 good 응답 수가 기존의 정적 서버 전원모드 제어방법의 99.9%, 107.5%, 141.8%이고, 기존의 예측방법의 102.0%, 107.0%, 106.8%이다.