한국지능형IoT협회, ‘제조·에너지 분야 IoT 적용 사례 및 동향' 세미나 개최

강성환 아이렉스넷 IoT사업본부장/기업부설연구소장이 14일 인천 송도의 정보통신산업진흥원 IoT기술지원센터에서 열린 '제조·에너지 분야 IoT 적용 사례 및 동향'세미나에서 'IoT·AI 기반의 전력에너지 기술동향 및 적용사례'를 발표하고 있다.
강성환 아이렉스넷 IoT사업본부장/기업부설연구소장이 14일 인천 송도의 정보통신산업진흥원 IoT기술지원센터에서 열린 '제조·에너지 분야 IoT 적용 사례 및 동향'세미나에서 'IoT·AI 기반의 전력에너지 기술동향 및 적용사례'를 발표하고 있다.

전력에너지 기술이 AI(인공지능)와 IoT(사물인터넷)를 만나 진화를 거듭하고 있다.

강성환 아이렉스넷 IoT사업본부장/기업부설연구소장은 14일 인천 송도에 위치한 정보통신산업진흥원 IoT기술지원센터에서 한국지능형IoT 협회가 개최한 ‘제조·에너지 분야 IoT 적용 사례 및 동향’ 세미나에서 ‘IoT·AI 기반의 전력에너지 기술동향 및 적용사례’를 발표했다.

강 본부장은 먼저 전력설비 감시 IoT 스마트 센서 기반의 전력 IoT플랫폼을 제시했다.

전력 IoT기술이란 전력설비상태 진단 스마트센서, 국제표준기반 사물인터넷 플랫폼 적용, 무선통신기반 하이브리드 프로토컬 등을 활용해 전력설비 감시 IoT 스마트센서 기반의 미래 전력산업 생태계를 구축하는 것을 의미한다.

배전설비 IoT 시스템(스마트센서, 무선통신, 플랫폼, 보안성 등)의 고도화가 이뤄지면 전력IoT 테스트베드 구축 및 표준화 기술을 확보할 수 있다.

아이렉스넷은 과거 1차 테스트베드 기간 동안 온·습도 가속도 등을 감지하는 상용화 센서를 도입하고 센서 구축 및 모니터링 스마트센서와 게이트웨이 구축, 플랫폼 구축, 네트워크 구축 등 전력IoT기술의 개발 가능성을 확인했다.

이어 2차 테스트베드에서는 전력설비 진단형 스마트센서, 초음파, UV, 진동 등 전기 이상상태를 확인하는 스마트센서를 개발했으며 저전력·장거리 무선통신기술 적용, 전력설비 관리용 응용프로그램 개발 등 전력설비 진단기술을 개발하는 전력설비 진단형 IoT 기술을 개발했다.

강 본부장은 오는 2020년 3월 완료되는 3차 테스트베드에서 ▲배전설비 최적화 스마트센서 ▲배전설비 실시간 감시 및 고장 예지형 스마트센서 ▲하이브리드형 IoT 인프라▲ 다채널 게이트웨이 ▲다중 프로토콜 기술 ▲1·2차 테스트베드와의 연계형 인프라 구축 플랫폼 고도화 ▲oneM2M 국제표준 플랫폼 적용 및 인터페이스 표준화 테스트베드 구축 ▲외부망 연계 및 보안기술 확보 ▲3차 테스트베드 구축 및 안정화 등이 완료될 것으로 예상했다.

강 본부장은 “로우데이터를 확보하기 위한 새로운 패러다임의 기술”이라며 “빅데이터, AI 통해 예지하는 것은 사물인터넷이 많이 늘어날수록 정확도가 높아질 것”이라고 말했다.

AI를 활용한 기술로는 AI를 활용한 에너지그리드, 특히 배전그리드 상태를 추론하는 방법을 제시했다.

강 부장이 설명한 배전그리드 상태 추론 개념은 전력수요 예측을 통해 설비투자 계획을 지원하고, 상태감시 및 고장을 예지해 사고를 예방하고 사고 시 신속한 조치가 가능한 것이다.

이 밖에도 데이터를 분석하거나 서비스를 등록하고 관리하는 서비스를 제공할 수 있을 것으로 예상했다.

AI를 활용한 배전그리드 상태 추론 기법의 장점은 기계학습 기반의 AI 기술로서 기존 시스템과 비교했을 때 많은 경험을 가진 전문가 수준의 추론이 가능하다는 점이다.

이는 프로그래머의 능력에 따라 서비스의 품질이 좌우될 가능성이 적으며 양질의 데이터를 충분히 제공하면 높은 수준의 추론 서비스 품질을 제공한다.

또 자동자가 학습 기반의 자동 진화가 가능하다. 상태추론 결과의 지속적인 데이터 축적 및 실제 데이터를 비교할 수 있고 지속적으로 현장상황에 적응하며 상태추론 서비스의 품질을 향상시킬 수 있다. 아울러 지속적으로 지능이 향상되면 사람과 유사한 상태의 경험 활용이 가능하다.

다양한 추론 서비스를 통합할 수도 있다. 다양한 추론 모듈을 통합할 경우 복잡한 시스템의 추론 서비스를 제공할 수 있다.

강 본부장은 “배전그리드에 올라오는 것으로 보고 위험도와 불균형을 상시 감시할 수 있다”며 “또 셀프 트레이닝을 통해 전류 값들을 이전 예측 데이터와 실측 데이터를 비교할 수도 있다”고 말했다.

저작권자 © 전기신문 무단전재 및 재배포 금지