에코 하드웨어 소프트웨어 공동 설계로 저전력 IoT 전력 측정 구현

본 논문은 저전력 IoT 노드가 실시간으로 전력 소비를 측정하고, 이를 기반으로 에너지 관리 정책을 동적으로 적용할 수 있도록 하는 하드웨어‑소프트웨어 공동 설계인 Eco를 제안한다. 기존의 전력 측정 방법은 크게 두 가지로 나뉜다. 하나는 외부 고성능 측정 장비를 이용해 실험실 환경에서 정밀하게 데이터를 수집하는 방법이며, 다른 하나는 소프트웨어 기반 모델링이나 내부 카운터를 활용해 저오버헤드로 전력을 추정하는 방법이다. 전자는 정확도가 높지만 비용과 부피가 크고, 현장 배포에 부적합하다. 후자는 비용과 전력 오버헤드가 낮지만, 전압 변동이나 비선형 전력 소비를 정확히 반영하지 못한다. Eco는 이러한 두 접근법의 장점을 결합한다. 하드웨어 측면에서는 저항식 션트와 전류·전압 센서를 사용해 전원 라인을 직접 측정한다. 센서 출력은 12‑비트 ADC를 내장한 I²C 슬레이브 모듈에 전달되며, 이 모듈은 전압·전류 값을 디지털 데이터로 변환해 I²C 버스를 통해 MCU에 전송한다. 전원 라인을 측정 모듈을 통과시키는 구조이기 때문에 전압 강하가 발생하지만, 션트 저항값을 최소화하고 보정 알고리즘을 적용해 전체 시스템에 미치는 영향을 최소화한다. 부품은 모두 상용 부품(예: INA219, MCP3424 등)으로 구성돼 비용이 저렴하고, 회로 보드 크기도 2 × 2 cm 정도로 작다. 소프트웨어 측면에서는 RIOT OS에 전력 측정 API를 구현한다. API는 전압·전류 샘플을 주기적으로 읽어와 전력(P = V·I)을 계산하고, 이를 시스템 타이머와 연동해 CPU 로드, 스레드 실행 시간, 라디오 전송 등과 매핑한다. 개발자는 `eco_measure_start()`, `eco_measure_stop()` 같은 함수 호출만으로 특정 태스크의 에너지 소비를 프로파일링할 수 있다. 또한, 측정 주기를 동적으로 조정할 수 있어, 배터리 잔량이 낮을 때는 저샘플링, 에너지 풍부할 때는 고샘플링으로 전환한다. 평가에서는 세 가지 주요 항목을 검증했다. 첫째, 정확도 비교를 위해 Tektronix PPA4000과 같은 고정밀 전력 분석기와 동시에 측정했으며, 평균 절대 오차가 0.9 %에 불과했다. 둘째, 시스템 오버헤드 측정을 위해 측정 모듈이 없는 상태와 비교했으며, 전력 소비 증가율이 약 1 %였으며, CPU 사용량은 0.5 % 이하로 증가했다. 셋째, 실제 현장 적용을 위해 5주간 에너지 하베스팅 기반 환경 모니터링 시스템에 Eco를 탑재했다. 이 기간 동안 전압·전류 데이터가 안정적으로 수집되었으며, 수집된 데이터는 에너지 관리 알고리즘이 동작 시점을 정확히 판단하는 데 활용되었다. Eco는 기존 솔루션과 비교했을 때 다음과 같은 장점을 가진다. (1) 상용 부품만 사용해 비용이 저렴하고, 설계 복잡도가 낮다. (2) I²C 인터페이스 하나만으로 다양한 MCU 보드에 이식 가능하며, 소프트웨어 레이어가 RIOT에 통합돼 개발자가 별도 드라이버를 작성할 필요가 없다. (3) 측정 범위와 샘플링 레이트가 유연하게 설정 가능해, 저전력 배터리 구동부터 에너지 하베스팅까지 다양한 시나리오에 적용할 수 있다. (4) 스레드·태스크 수준의 에너지 프로파일링을 지원해, 에너지 인식형 스케줄링, 전력 기반 라우팅 등 고급 에너지 관리 기법을 실험적으로 검증할 수 있다. 한계점으로는 I²C 버스 대역폭에 따라 최대 샘플링 레이트가 제한된다는 점과, 전원 라인에 션트 저항을 삽입함에 따라 극히 낮은 전압에서 동작하는 일부 초저전력 MCU에 전압 강하가 영향을 줄 수 있다는 점을 들었다. 향후 연구에서는 SPI 혹은 UART와 같은 고속 인터페이스를 추가하고, 전압 강하 보정을 자동화하는 회로를 설계할 계획이다. 결론적으로 Eco는 저전력 IoT 디바이스에 실시간 전력 측정을 손쉽게 제공함으로써, 에너지 하베스팅, 적응형 태스크 스케줄링, 전력 기반 보안 등 다양한 연구 및 실용 분야에 활용될 수 있는 범용적인 플랫폼을 제시한다.