엣지 컴퓨팅의 혁신: MobileNetV3와 DTW 기반의 비침입 부하 모니터링 기술

류항슈, 손요제, 왕유 연구팀은 MobileNetV3과 DTW 알고리즘을 활용한 혁신적인 NILM 시스템을 개발하여 엣지 컴퓨팅 환경에서 95%의 높은 인식 정확도와 향상된 효율성을 달성했습니다. 이는 에너지 절약 및 스마트홈 기술 발전에 크게 기여할 것으로 기대됩니다.

최근 싱글 미터 데이터를 활용하여 기기별 에너지 소비량을 정확하게 분해하는 비침입 부하 모니터링(NILM) 기술이 주목받고 있습니다. 특히 머신러닝과 딥러닝 기반의 최첨단 방법들은 시간-주파수 영역 특징을 융합하여 부하 분해 정확도를 크게 향상시켰습니다. 하지만 높은 계산 비용과 막대한 메모리 요구량은 자원 제약이 심한 마이크로컨트롤러 유닛(MCU) 기반 엣지 컴퓨팅 환경에서의 적용을 어렵게 하는 주요 장애물이었습니다.

류항슈, 손요제, 왕유 연구팀은 이러한 문제를 해결하기 위해 시간-주파수 영역에서 혁신적인 Dynamic Time Warping(DTW) 알고리즘을 제안했습니다. 여섯 가지 머신러닝 기법을 가정용 전력 시나리오에서 체계적으로 비교 분석하여, MobileNetV3와 DTW 알고리즘을 결합한 효율적인 NILM 시스템을 구축했습니다. 실제 엣지 MCU 환경에서의 실험 결과, 놀랍게도 95%의 인식 정확도를 달성했습니다. 뿐만 아니라 주파수 영역 특징 추출 과정을 최적화하여 실행 시간을 55.55%, 저장 공간을 약 34.6% 감소시키는 성과를 거두었습니다.

이 연구는 단순히 높은 정확도를 달성하는 데 그치지 않고, 엣지 컴퓨팅 환경의 제약을 고려하여 효율성을 극대화한 점이 특징입니다. 향후 연구에서는 알고리즘 성능을 더욱 개선하고, 특히 변압기 설계를 제거하여 비용을 크게 절감하는 방향으로 연구를 진행할 예정입니다. 이는 NILM 기술의 실용적인 적용을 위한 더욱 경제적인 솔루션을 제공하고, 효율적인 NILM 시스템 설계를 위한 견고한 이론적 토대와 실행 가능한 기술 경로를 제시하는 데 기여할 것입니다.

이 연구는 에너지 효율적인 스마트홈 구축에 중요한 발걸음이 될 뿐만 아니라, 제한된 자원 환경에서도 고성능 AI 기술을 구현하는 데 있어 새로운 가능성을 제시한다는 점에서 큰 의미를 지닙니다. 앞으로 NILM 기술이 더욱 발전하여 에너지 절약과 스마트한 삶에 기여할 날을 기대해 봅니다. 😄