태양 에너지를 이용한 무선 센서 네트워크에서는 공급되는 에너지의 변화가 크고 저장할 수 있는 배터리 용량이 제한적이기 때문에 이에 적응적으로 대처할 필요가 있다. 또한, 이렇게 변화하는 에너지 공급에 대처하기 위해 노드의 동작을 빈번히 변화시키는 것과는 달리, 일정한 수준 이상으로 안정되게 동작 하는 것을 필요로 하는 응용이 있을 수 있다. 따라서 태양 에너지 기반 센서 시스템에서 사용 가능한 에너지를 최대한 이용함과 동시에 일정 수준의 에너지를 안정적으로 제공하기 위해서는, 각 노드가 자신이 수집 할 수 있는 에너지의 양을 예측하고 이를 효율적으로 할당하는 기법이 필요하다. 본 논문에서는 시간 슬롯 단위의 수집 가능 에너지량에 대한 기댓값 모델을 기반으로, 각 시간 슬롯에 할당되는 에너지의 변화를 최소화함과 동시에, 주기적으로 수집되는 태양 에너지를 최대한 활용하기 위한 효율적인 에너지 할당 기법을 제안한다. 또한 이들의 유효성을 확인하기 위하여 테스트베드 구축하고, 우리의 기법을 평가하였다.
태양 에너지를 이용한 무선 센서 네트워크에서는 공급되는 에너지의 변화가 크고 저장할 수 있는 배터리 용량이 제한적이기 때문에 이에 적응적으로 대처할 필요가 있다. 또한, 이렇게 변화하는 에너지 공급에 대처하기 위해 노드의 동작을 빈번히 변화시키는 것과는 달리, 일정한 수준 이상으로 안정되게 동작 하는 것을 필요로 하는 응용이 있을 수 있다. 따라서 태양 에너지 기반 센서 시스템에서 사용 가능한 에너지를 최대한 이용함과 동시에 일정 수준의 에너지를 안정적으로 제공하기 위해서는, 각 노드가 자신이 수집 할 수 있는 에너지의 양을 예측하고 이를 효율적으로 할당하는 기법이 필요하다. 본 논문에서는 시간 슬롯 단위의 수집 가능 에너지량에 대한 기댓값 모델을 기반으로, 각 시간 슬롯에 할당되는 에너지의 변화를 최소화함과 동시에, 주기적으로 수집되는 태양 에너지를 최대한 활용하기 위한 효율적인 에너지 할당 기법을 제안한다. 또한 이들의 유효성을 확인하기 위하여 테스트베드 구축하고, 우리의 기법을 평가하였다.
Using solar power in wireless sensor networks (WSNs) requires adaptation to a highly varying energy supply and to a battery constraint. From an application's perspective, however, it is often preferred to operate at a constant quality level as opposed to changing application behavior frequently. Rec...
Using solar power in wireless sensor networks (WSNs) requires adaptation to a highly varying energy supply and to a battery constraint. From an application's perspective, however, it is often preferred to operate at a constant quality level as opposed to changing application behavior frequently. Reconciling the varying supply with the fixed demand requires good tools for allocating energy such that average of energy supply is computed and demand is fixed accordingly. In this paper, we propose a probabilistic observation-based model for harvested solar energy. Based on this model, we develop a time-slot-based energy allocation scheme to use the periodically harvested solar energy optimally, while minimizing the variance in energy allocation. We also implement the testbed and demonstrate the efficiency of the approach by using it.
Using solar power in wireless sensor networks (WSNs) requires adaptation to a highly varying energy supply and to a battery constraint. From an application's perspective, however, it is often preferred to operate at a constant quality level as opposed to changing application behavior frequently. Reconciling the varying supply with the fixed demand requires good tools for allocating energy such that average of energy supply is computed and demand is fixed accordingly. In this paper, we propose a probabilistic observation-based model for harvested solar energy. Based on this model, we develop a time-slot-based energy allocation scheme to use the periodically harvested solar energy optimally, while minimizing the variance in energy allocation. We also implement the testbed and demonstrate the efficiency of the approach by using it.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
효율적으로 이용하는 겻을 목표로 한다. 다시 말해서, 태양 에너지기반 시스템은 주기적으로 재충전 되므로, 이를 최대한 아껴서 사용하기보다는 수집 에너지량에 적응하여 이를 최적으로 이용하는 것이 목적이다. 좀 더 구체적으로 살펴보면, 태양 에너지 기반 센서 노드에서 에너지를 최적으로 사용하기 위해서는 다음과 같은 요구사항을 만족시켜야 한다.
배터리만을 사용하는 센서 시스템이 에너지 사용을 최소화하는 것을 목표로 둔 데에 반하여, 테양 에너지 기반의 센서 시스템은 주기적으로 수집되는 에너지를 최대한 효율적으로 이용하는 겻을 목표로 한다. 다시 말해서, 태양 에너지기반 시스템은 주기적으로 재충전 되므로, 이를 최대한 아껴서 사용하기보다는 수집 에너지량에 적응하여 이를 최적으로 이용하는 것이 목적이다.
점이 많이 있다. 본 논문에서 우리는 태양 에너지를 이용한 센서 네트워크에서의 적합한 태양 에너지 수집 모델을 제시했고, 또한 이 모델을 이용하여 수집된 에너지를 각 시간 슬롯에 최적으로 할당하는 실용적인 알고리즘을 구축했다. 이 알고리즘의 주요 이점은 주기적으로 수집되는 태양 에너지의 사용을 최대화하면서(에너지 낭비를 최소화), 시간에 따라 슬롯 별로 할당되는 에너지의 변화를 최소화하고 항상 배터리의 일정 수준 이상을 유지시킴으로써 매우 안정적인 시스템을 유지할 수 있다는 것이다.
본 논문에서는 위의 요구 사항들을 최대한 만족시켜, 수집된 에너지를 최적으로 사용하는 에너지 할당 알고리즘을 소개한다. 본 논문의 구성은 다음과 같다.
하지만 이는 기존의 적응적으로 에너지를 할당하는 방식들에서는 종종 간과되어 왔다. 본 논문에서는 이를 해결하는 것을 주된 목적으로 한다.
[12]. 여기서는, 축적된 정보를 기반으로 하여 앞으로 수집될 에너지량을 예측하는 기법에 대해 살펴 볼 것이다. 그림 2에서와 같이, 노드는 각 시간 슬롯동안 수집되어질 에너지의 기댓값을 유지하고 있다.
하지만 이러한 자세한 모델은 매우 큰 시간적 계산 오버헤드를 야기하고, 또한 에너지를 포함한 많은 시스템 자원의 소비를 유발하기 때문에, 풍부한 자원을 가진 센서 시스템을 그 타겟으로 하고 있다. 이와 다르게 본 연구는 자원 제약이 심한 센서 시스템에서 보다 간단하고 보다 실용적으로 수집 에너지를 할당하는 것에 초점을 두고 있다.
좀 더 구체적인 성능 비교를 위해 우리는 평균 에너지 수집량에서 조금 벗어나는 비오는 날과 맑은 날에서의 에너지 할당이 어떻게 이루어지는지 살펴보았다. 그림 8은 8월 7일(오전에 넙])에 노드 9에서 각각의 에너지 할당 기법에 의해 슬롯에 할당된 에너지를 보여준다.
가설 설정
- 버려지는 태양 에너지의 양 최소화: 태양 에너지는 주기적으로 수집된다. 그런데 배터리의 용량 이상은 수집될 수 없기 때문에, 에너지가 가득 찬 상태에서 추가로 수집되는 에너지는 버려지게 된다.
본 논문의 에너지 시스템 모델은 솔라 패널과 센서 시스템 사이에 배터리와 같은 에너지 저장 버퍼가 있는 것을 가정하고 있다. 이 버퍼는 일시적으로 에너지를 저장함으로써 시스템이 수집된 에너지를 더욱 효율적으로 사용하도록 하는 역할을 한다.
제안 방법
본 논문의 구성은 다음과 같다. 다음 장에서 우리는 태양 에너지를 이용한 무선 센서 네트워크에서 현존하는 에너지 할당 기법들을 분석한다. 3장에서는 수집되는 태양 에너지의 기댓값 모델올 제안하고, 4장에서는 이 모델을 기반으로 하여 태양 에너지를 최적으로 사용하는 에너지 할당 알고리즘을 제안한다, 5장에서는 본 기법의 성능 측정을 위한 실험용 테스트베드를 설명하고, 이를 기반으로 수행한 성능 평가를 설명한다.
그러나 실외 테스트베드의 실험 환경은 똑같이 반복될 수 없기 때문에(똑같은 날씨와 대기 상태는 있을 수 없음), 우리의 알고리즘과 다른 기법들을 공정하게 비교하는 것이 쉽지 않다. 따라서 앞서 설명한 태양 에너지 수집 에뮬레이터를 구현하여 다양한 환경 상태를 반복적으로 적용함으로써, 서로 다른 알고리즘의 성능을 비교 평가하게 된다.
또한 우리는 성능의 비교 분석을 위해 다음과 같은 여러 가지 에너지 할당 기법을 구현하였다.
마지막으로 우리는 각 슬롯에 할당될 수 있는 최대 에너지(식 (3)에서의 切嵩)를 2Ah로 설정했다. 또한, 각 노드 가수면 상태에 있을 때를 제외하고는 언제나 동영상을 센싱하고 데이터를 기록하였다. 식 (1)에서 각 슬롯에서의 瓦叫를 유지하는데 사용되는 망각 계수。는 05로 설정했다.
노드가 동작하지 않는 슬롯의 비율, 즉 계속해서 수면 상태거나 꺼진 상태로 있는 슬롯의 비율을 살펴보면 그리디 기법이 가장 크고, 우리의 기법이 이상적인 기법에 가장 가까움을 알 수 있는데, 이 또한 우리 기법이 안정적인 에너지 배분을 하고 있음을 보여준다. 마지막으로 한 수집 주기의 초기 배터리 잔량과 그 수집 주기가 끝난 후 배터리 잔량의 차이를 살펴보자. 두 값의 차이가 작을수록(ENO 상태를 유지할수록) 우리는 예상 가능하고 안정적인 시스템 운용을 할 수 있다.
마지막으로, 본 에너지 할당 기법의 오버헤드를 측정하여 보았다. 앞서 4.
마지막으로, 본 연구는 최근의 연구[16]에 기반을 두고 있는데, 이 연구에서는 수집 에너지의 양을 보다 자세히 모델링하고 각 구간의 시작마다 할당 알고리즘을실행시킴으로서 에너지 할당의 정확도를 높이는 방법을 제시하고 있다. 하지만 이러한 자세한 모델은 매우 큰 시간적 계산 오버헤드를 야기하고, 또한 에너지를 포함한 많은 시스템 자원의 소비를 유발하기 때문에, 풍부한 자원을 가진 센서 시스템을 그 타겟으로 하고 있다.
본 논문에서 제안하는 알고리즘의 성능을 평가하기 위하여, 솔라 패널 에뮬레이터의 입력 파라미터로써 소속 대학의 위치와 8월 1일부터 8월 15일까지 15일간의 기간을 설정하였고, 에너지 수집 에뮬레이터의 가상 배터리 용량은 30Ah가 되도록 설정했다. 배치된 총 노드의 개수는 10개이다.
제시한 알고리즘의 성능을 평가하기 위하여 우리는 태양 에너지 기반 무선 센서 네트워크 실내 테스트베드를 구축하였다[15, 16]. 본 장에서는 테스트 베드의 설명과 이를 이용한 성능 평가에 대하여 살펴본다.
대상 데이터
이 저전력 랩탑 컴퓨터는 보통 상태에서 약 10W를 소모하고 부하가 커지면 15W를 소모한다. 또한 무선 인터페이스로써 에너지 소모가 적고(6W) 안테나를 분리할 수 있는 Linksys WRT54 GL라우터를 사용하였다. 센서는 랩탑에 장착된 내장 캠을 사용하였다.
용량은 30Ah가 되도록 설정했다. 배치된 총 노드의 개수는 10개이다.
태양 에너지의 수집으로 다시 배터리의 잔존 에너지량이 일정 수준을 넘게 되면 부하 제어기는 배터리와 센서 시스템을 다시 연결하여 센서가 동작하도록 한다. 이러한 부하제어기를 모사하기 위하여 우리는 X10E17] 모듈을 사용하였다. 각 테스트 베드 노드는 AC전원으로부터 전원을 공급 받지만, 부하 제어기를 모사하기 위하여, 배터리 에뮬레이터의 남은 에너지에 따라 노드에 AC 전원을 공급, 혹은 차단시켜야 한다.
성능/효과
우리의 기법은 각 슬롯에 할당된 에너지의 편차가 이상적인 기법에 근접할 만큼 작음을 알 수 있다. 노드가 동작하지 않는 슬롯의 비율, 즉 계속해서 수면 상태거나 꺼진 상태로 있는 슬롯의 비율을 살펴보면 그리디 기법이 가장 크고, 우리의 기법이 이상적인 기법에 가장 가까움을 알 수 있는데, 이 또한 우리 기법이 안정적인 에너지 배분을 하고 있음을 보여준다. 마지막으로 한 수집 주기의 초기 배터리 잔량과 그 수집 주기가 끝난 후 배터리 잔량의 차이를 살펴보자.
마지막으로 한 수집 주기의 초기 배터리 잔량과 그 수집 주기가 끝난 후 배터리 잔량의 차이를 살펴보자. 두 값의 차이가 작을수록(ENO 상태를 유지할수록) 우리는 예상 가능하고 안정적인 시스템 운용을 할 수 있다. 초기 에너지가 매 수집 주기마다 일정하다면 사용자는 일정 수준 이상의 노드 가동률을 보장 받을 수 있기 때문이다.
본 논문에서 우리는 태양 에너지를 이용한 센서 네트워크에서의 적합한 태양 에너지 수집 모델을 제시했고, 또한 이 모델을 이용하여 수집된 에너지를 각 시간 슬롯에 최적으로 할당하는 실용적인 알고리즘을 구축했다. 이 알고리즘의 주요 이점은 주기적으로 수집되는 태양 에너지의 사용을 최대화하면서(에너지 낭비를 최소화), 시간에 따라 슬롯 별로 할당되는 에너지의 변화를 최소화하고 항상 배터리의 일정 수준 이상을 유지시킴으로써 매우 안정적인 시스템을 유지할 수 있다는 것이다.
참고문헌 (17)
Roundry S., Otis B., Chee Y. H,, Rabaey J., Wright P.: A 1.9GHz RF transmit beacon using environ-mentally scavenged energy. In: ISLPED. (2003)
Minami, M., Morito, T., Morikawa, H., Aoyama, T.: Solar Biscuit: a batteryless wireless sensor net-work system for environmental monitoring applications. In: INSS. (2005)
Taneja, J., Jeong, J., Culler, D.: Design, modeling and capacity planning for micro-solar power sensor networks. In: IPSN. (2008)
Maleki, M., Dantu, K., Pedram, M.: Lifetime pre-diction routing in mobile ad hoc networks. In: WCNC. (2003)
Shah, R.C., Rabaey, J.M.: Energy aware routing for low energy ad hoc sensor networks. In: WCNC. (2002)
Younis, M., Youssef, M., Arisha, K.: Energy-aware routing in cluster-based sensor networks. In: MAS-COT. (2002)
Zhao, J., Govindan, R., Estrin, D.: Residual energy scans for monitoring wireless sensor networks. In: WCNC. (2002)
Mini, R.A.F., Nath, B., Loureiro, A.A.F.: A proba-bilistic approach to predict the energy consumption in wireless sensor networks. In: IV Workshop de Comunicao sem Fio e Computao Mvel. Sas Paulo. (2002)
Kansal, A., Srivastava, M.B.: An environmental energy harvesting framework for sensor networks. In: ISLPED. (2003)
Voigt, T., Ritter, H., Schiller, J.: Utilizing solar power in wireless sensor networks. In: LCN. (2003)
Kansal, A., Hsu, J., Zahedi, S., Srivastava, M.B.: Power management in energy harvesting sensor networks. ACM Transactions ci Embedded Computing Systems, 6(4), 1-38 (2007)
※ AI-Helper는 부적절한 답변을 할 수 있습니다.