• 정보처리학회논문지A
• /
• 제14A권6호
• /
• pp.347-356
• /
• 2007

프로세서의 파이프라인 길이가 점차 길어지고 한 사이클에 이슈되는 명령어의 수가 증가함에 따라, 분기 예측기의 정확도는 프로세서의 성능에 상당한 영향을 미치게 되었다. 또한, 내장형 프로세서를 설계하는데 있어서는 전력 효율성이 가장 중요한 설계 고려 사항 중 하나가 되었다. 그러므로, 내장형 프로세서의 분기 예측기를 설계할 때에는 성능과 전력 효율성이 함께 고려되어야 한다. 본 논문에서는 gshare 분기 예측기가 적용된 내장형 프로세서에서 선택적인 BTB (Branch Target Buffer) 접근을 가능하게 하는 저전력 분기 예측기를 제안하고자 한다. 제안하는 분기 예측기 내에서 BTB는 직전 명령어가 테이큰 (Taken) 분기로 예측되지 않는 경우에는, PHT (Pattern History Table)의 예측 결과가 테이큰인 경우에만 접근된다. PHT의 예측 결과가 테이큰인 분기 명령어의 경우에만 다음에 인출될 명령어의 주소를 BTB 접근을 통해 얻은 주소로 결정하기 때문이다. 물론, 이와 같은 선택적인 BTB 접근으로 인하여 성능 저하가 발생하는 것을 방지하기 위해 직전 명령어가 테이큰분기로 예측된 경우에는 PHT의 예측 결과에 관계없이 BTB는 항상 접근된다. 선택적인 BTB 접근을 하기 위해, 제안하는 분기 예측기 내의 PHT는 기존 분기 예측기의 PHT와 비교하여 1 사이클 일찍 접근되도록 구현한다. 1 사이클 빠른 접근을 위해 제안하는 PHT는 한 번의 접근을 통해 두 개의 예측 결과를 동시에 얻어오게 구현하고, 이를 통해 PHT의 접근 횟수도 줄임으로써 분기 예측기의 전력 소모를 줄이는 효과 또한 얻게 된다. 제안하는 분기 예측기는 하드웨어 오버헤드나 예측 정확도의 감소 없이 전력 소모를 줄일 수 있다는 장점을 가진다. 실험 결과에 따르면, 제안하는 분기 예측기는 기존의 분기 예측기와 비교하여 $35{\sim}48%$의 전력 소모를 줄이는 결과를 보인다.

• 한국통신학회논문지
• /
• 제38B권1호
• /
• pp.46-53
• /
• 2013

최근 영상 디코더 시스템에서 소모전력을 절감하기 위한 방안으로 DVFS (Dynamic Voltage and Frequency Scaling) 방식을 적용한 알고리즘 들이 제안되고 있다. 이에 저자들은 논문[1]에서 전력소모를 최소화할 수 있는 스케줄링 알고리즘을 제시하였다. 이 알고리즘은 수학적으로 최적의 결과를 보장하지만, 사전에 화면 당 디코딩 계산양을 알 수 있다는 조건이 만족하여야 한다. 그러나 실제응용에서 이 조건은 만족되기 어려운 경우가 종종 존재한다. 본 논문에서는 이 제약사항을 극복하는 방안으로, 프레임의 데이터크기로 프레임의 디코딩 계산양을 예측하는 기법에 기초한 수정된 알고리즘을 제안한다. 실제 영상에서 추출된 데이터를 이용한 결과, 계산양 예측 알고리즘은 평균적으로 90%이상의 정확도를 보였으며, 따라서 계산양 예측 기법과 임계점에서의 프래임 크기 20% 내외의 완충버퍼 마진을 적용한 수정한 알고리즘은 버퍼 고갈과 넘침이 일어나지 않으며, 최적알고리즘과 비교할 때 거의 동일한 성능 (1~2% 이하의 성능저하)을 보이는 것을 확인하였다.

• 미래기술융합논문지
• /
• 제2권4호
• /
• pp.43-48
• /
• 2023

전세계적으로 기후변화 대응을 위한 글로벌 탄소중립을 공조하고 있다. 한국의 경우 온실가스 배출량이 빠른 속도로 증가하고 있어 해결이 시급한 상황이다. 이에 본 연구는 스팀트랩이라는 열 에너지 수집 디바이스를 개발하고, 스팀트랩으로 에너지 사용량을 데이터로 수집하여 향후 전력 사용량에 대해서 예측이 가능한 AI 모델을 개발하였다. 해당 AI 모델의 전력 사용량 예측 정확도 평균은 96.7%로 높은 정확도를 보여주었다. 따라서 해당 AI 모델을 통해 어느날 전력 사용량이 높은지와 어떤 설비에서 전력 사용량이 높은지를 예측하고 관리 할 수 있게 되었다. 향후 연구는 스팀트랩의 이상탐지를 통한 효율적인 장비 운용과 에너지 관리 시스템의 표준화를 통해 에너지 소비 효율을 최적화하여 온실가스 배출을 줄이고자 한다.

• 정보처리학회논문지:소프트웨어 및 데이터공학
• /
• 제9권5호
• /
• pp.153-160
• /
• 2020

산업용 에너지 소비 예측은 에너지 수요와 공급에 동적이고 계절적인 변화가 있기 때문에 에너지 관리 및 제어 시스템에서 중요한 위치를 차지한다. 본 논문은 철강 산업의 에너지 소비 예측 모델을 제시하고 논의한다. 사용되는 데이터에는 후행 및 선도적인 전류 반응 전력, 후행 및 선도적인 전류 동력 계수, 이산화탄소(TCO2) 배출 및 부하 유형이 포함된다. 테스트 세트에서는 (a) 선형 회귀(LR), (b) 방사형 커널(SVM RBF), (c) Gradient Boosting Machine (GBM), (d) 무작위 포리스트(RF). 평균 제곱 오차(RMSE), 평균 절대 오차(MAE) 및 평균 절대 백분율 오차(ME)의 네 가지 통계 모델을 사용하여 예측하고 평가한다. 회귀 설계의 효율성 모든 예측 변수를 사용할 때 최상의 모델 RF는 테스트 세트에서 RMSE 값 7.33을 제공할 수 있다.

• 제어로봇시스템학회:학술대회논문집
• /
• 제어로봇시스템학회 2003년도 ICCAS
• /
• pp.2283-2286
• /
• 2003

This paper presents conservation of electrical energy in building with harmonics analysis and compensation which occur in electrical system. We use load controlling and management system in order to adjust load factor of system.The maximum demand limiting and controlling are used ,then the system can acquire the prediction and compare it to the maximum demand set point.The electrical signal analysis based on FFT technique. The harmonics are compensated by using harmonic filters.This system consists computer which works as controller, processor , analysis and database unit together with digital power meter in form of multidrop network through serial communication via RS-485.The load control system uses PLC to control load via serial communication RS-485. The A/D converter is used for sampling the electrical signals via parallel port of computer.The harmonic filters are controlled by a computer.The data of measurement such as voltage, current, power, power factor, total harmonic distortion, energy, etc., can be saved as database and analysis. The load factor is adjusted by limiting and controlling maximum demand. The load factor adjustment can reduce the cost of electric consumption and energy generation together with harmonics compensation in order to increase high efficiency of electrical system.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2016년도 추계학술대회
• /
• pp.893-895
• /
• 2016

데이터센터는 지속적으로 IT 서버의 안정적 운영을 위해 실내 환경을 관리하고 있다. 서버가 과열로 동작영향을 받지 않도록 많은 에너지를 항온항습 기능에 투자하고 있다. 기축 데이터센터들은 건축 특징, 운영 방법에 따라 에너지 효율 격차가 크게 발생한다. 본 논문에서는 IoT 기술을 이용하여 기축 데이터센터의 현재 에너지 사용효율을 확인하고, 교체, 업그레이드 필요성을 판단하는 진단시스템 기술을 구현하였다. 해당 측정 정보는 IoT 센서를 통해 수집되며, 수집된 데이터는 클라우드 시스템에서 다양한 머신러닝 알고리즘에 입력되어, 에너지 비즈니스에 지표를 도출한다. IoT를 이용하여 구현한 진단 시스템은 설치, 데이터 수집, 분석에 3주이내의 시간 소요로, 기축 데이터센터의 에너지 효율향상에 많은 기여를 제공할 수 있다.

• 조명전기설비학회논문지
• /
• 제29권4호
• /
• pp.85-94
• /
• 2015

Recently, research on the smart grid that combines ICT(Information & Communication technology) to the power system has been actively progressed. If the occupancy of the EV(Electric vehicle) is increased. the V2G(Vehicle to grid) system is available which constitutes the micro-grid through battery of EV. V2G system performs load leveling and efficient energy consumption by battery operation considering load condition. But, if the battery is used only depending on the electricity rates, it doses not consider the life of the battery. The ACC(Achievable cycle) and the total transferable energy of battery varies corresponding to the selected DOD(Depth of discharge). In this paper, the optimal DOD selection method of V2G system considering battery wear cost and average driving distance of EV. Also, the total revenue prediction of various nation is presented considering the actual electricity costs per hour.

• 융합정보논문지
• /
• 제10권5호
• /
• pp.1-7
• /
• 2020

본 논문은 수중 IoT 네트워크에서 센서의 전력 소비를 줄이고 네트워크의 처리량을 향상하는 수중 링크적응 방법을 제안한다. 링크 적응 방법의 하나인 AMC(Adaptive Modulation and Coding) 기술은 SNR(Signal Noise Rate)과 BER(Bit Error Rate)의 강한 상관관계를 이용하지만, 수중에 바로 적용하는 것은 어렵다. 따라서 수중 환경에 적합한 머신러닝 기반의 AMC 기술을 제안한다. 제안하는 MCS(Modulation Coding and Scheme) 예측 모델은 수중 채널 환경에서 목표 BER 값을 달성하기 위한 통신 방법을 예측한다. 예측된 통신 방법을 실제 수중 무선 통신에서 적용하는 것은 현실적으로 어렵기 때문에 본 논문에서는 높은 정확도의 BER 예측 모델을 사용해 MCS 예측 모델의 성능을 확인한다. 결과적으로 제안하는 AMC 기술은 통신 성공 확률을 올림으로써 머신러닝의 적용 가능성을 확인시켰다.

• 문화기술의 융합
• /
• 제9권6호
• /
• pp.883-888
• /
• 2023

데이터센터는 24시간 365일 IT 서비스를 제공하는 곳이기 때문에, 2030년에는 데이터센터의 전력 소비량은 약 10%로 증가될 것으로 예측되고, 고밀도 IT장비들의 도입이 점차 증가하면서, IT장비가 안정적으로 운영될 수 있도록 냉방 에너지 절감 및 이를 위한 에너지 관리가 갖춰져야 하기에 다양한 연구가 요구되고 있는 상황이다. 본 연구는 데이터센터의 에너지 절약을 위해 다음과 같은 과정을 제안한다. 데이터센터를 CFD 모델링하고, 인공지능기반 열환경 예측 모델을 제안하였으며, 실측 데이터와 예측 모델 그리고 CFD 결과를 비교하여 최종적으로 데이터 센터의 열관리 성능을 평한 결과 전처리 방식은 정규화 방식으로 사용되었고, 정규화에 따른 RCI, RTI 및 PUE의 예측값 또한 유사한 것을 확인할 수 있다. 따라서 본 연구에서 제안하는 알고리즘으로 데이터센터에 적용될 열환경 예측 모델로 적용 및 제공할 수 있을 것으로 판단된다.

• 한국응용과학기술학회지
• /
• 제34권4호
• /
• pp.818-826
• /
• 2017

신 재생에너지 보급통계에 의하면 바이오매스 발전실적은 2013년 부터 급증하고 있으며 그 중에서 가장 급격하게 증가한 연료는 Wood pellet으로 2013년 696Gwh, 2014년 2,764Gwh, 2015년에는 2,512Gwh를 발전 하였고 국내 Wood pellet 총 소비량은 2015년 기준 148만톤이며 그 중 발전용으로 소비된 Wood pellet은 108만톤으로 약 73%를 차지하고 있다. 본 연구에서 Wood pellet 소요량을 예측한 결과 국내 발전용으로 필요한 Wood pellet 소요량은 2020년 261만톤, 2025년 685만톤, 2030년 1,139만톤이 필요하며, 최적 바이오매스 발전량 산정을 위하여 바이오매스 발전소에서 국내 생산 Wood pellet 사용량을 50% 사용한다는 가정하에 기 허가 신청된 발전소를 가동하기 위해서는 2021년 226만톤의 Wood pellet이 국내에서 생산되어야 한다는 결론이 도출 되었다.