마이크로그리드 실시간 상태 추정을 위한 이벤트 기반 IoT 무선 센서 네트워크

본 논문은 마이크로그리드에서 실시간 상태 추정이 필수적임을 강조하면서, 기존의 주기적 샘플링 기반 추정이 통신 대역폭·배터리 수명·계산 복잡도 측면에서 비효율적이라는 문제점을 제시한다. 이를 해결하기 위해 저자는 Send‑on‑Delta(SoD) 이벤트 기반 측정 방식을 채택한다. SoD는 센서값이 이전 전송값과 사전에 정의된 임계값 δ를 초과할 때만 데이터를 전송하도록 하여, 변동이 적은 구간에서는 전송을 완전히 생략한다. 이로써 무선 센서 네트워크의 트래픽과 에너지 소모를 크게 감소시킬 수 있다. 상태 추정 구조는 중앙집중형 선형 칼만 필터를 기반으로 하며, SoD에 의해 발생하는 불연속적·불확실한 측정에 대응하기 위해 측정 잡음 공분산 R을 동적으로 조정한다. 구체적으로 이벤트가 발생하지 않은 경우 R(i,i)에 (2·δ_i)^2/12 를 추가해, 측정값이 δ 구간 내에 있을 확률을 반영한다. 이렇게 조정된 R은 칼만 이득 K에 직접 영향을 주어, 이벤트가 적을수록 필터가 예측에 더 의존하도록 만든다. 하지만 SoD 샘플만으로는 원 신호를 완전 복원할 수 없으므로, 논문은 Projection onto Convex Sets(POCS) 기법을 도입한다. POCS는 (1) 이벤트 시점에서의 정확한 값(명시적 정보)과 (2) δ 구간 내에 존재한다는 암시적 구간 정보를 동시에 만족하는 신호를 찾는다. 또한 신호가 대역 제한(band‑limited)이라는 가정을 추가해, 복원 과정에서 sinc 필터링을 수행한다. 두 개의 투사 연산(밴드 제한 집합 B와 구간 제한 집합 I)을 반복 적용함으로써, 실시간 요구사항을 만족하면서도 충분한 복원 정확도를 확보한다. 실험에서는 10회 반복이 높은 정확도를 제공함을 확인하였다. 복원된 신호와 칼만 필터의 예측값 사이의 차이를 MSE 비교기로 평가한다. 오차가 δ보다 작으면 복원된 신호를 그대로 사용하고, 오차가 δ를 초과하면 보정 오프셋을 추가한다. 이 보정 메커니즘은 이벤트 기반 샘플링이 비가우시안 잡음을 유발할 경우에도 추정 편향을 최소화한다. 실증을 위해 저자는 LoRaWAN 기반 IoT 프로토타입을 구축하였다. Seeeduino R 보드에 LoRa 모듈을 장착한 다중 노드가 dSPACE 실시간 마이크로그리드 시뮬레이터와 아날로그 입·출력으로 연결된다. LoRaWAN은 장거리 저전력 전송에 적합하지만 전송 지연과 패킷 손실이 발생할 수 있다. 논문은 전송 지연을 무시하고, 이벤트가 없을 때도 이전 값과 δ 구간을 이용해 추정이 가능함을 보인다. 수집된 데이터는 ThingsBoard 오픈소스 대시보드에 시각화되어 운영자가 실시간으로 마이크로그리드 상태를 모니터링할 수 있다. 실험 결과, 제안된 이벤트 기반 칼만 필터와 POCS 복원은 전통적인 주기적 샘플링 대비 통신량을 70 % 이상 절감하면서도 추정 오차를 10 % 이하로 유지하였다. 또한 δ 값을 작게 설정하면 수렴 속도가 빨라지지만 통신량이 증가하고, δ 값을 크게 설정하면 통신량은 감소하지만 추정 정확도가 저하되는 트레이드오프가 확인되었다. 논문의 주요 기여는 다음과 같다. (1) SoD와 칼만 필터를 결합한 이벤트 기반 중앙집중형 상태 추정 구조, (2) POCS를 이용한 저복잡도 신호 복원 알고리즘, (3) LoRaWAN 기반 실증 플랫폼 구축 및 성능 검증. 그러나 몇 가지 한계점도 존재한다. δ 값 선택이 성능에 큰 영향을 미치며 자동 튜닝 방법이 제시되지 않았다. 전송 지연과 패킷 손실을 무시한 가정이 실제 현장 적용 시 문제를 일으킬 수 있다. 또한 비선형 마이크로그리드 동작(예: 인버터 스위칭)에서는 선형 칼만 필터의 적용 범위가 제한될 수 있다. 향후 연구에서는 적응형 δ 조정, 패킷 손실 보강, 비선형 확장 칼만 필터와의 통합이 필요할 것으로 보인다.