UHF-RFID 및 엣지 컴퓨팅 환경에서 딥러닝 기반의 전력 케이블 모니터링 방법

초록 이 연구는 케이블의 비선형 데이터를 처리하는 데 있어 기존 예측 방법들이 직면한 문제를 다룹니다. 또한, 현재 최적화되지 않은 케이블의 무선 모니터링을 목표로 하여 엣지 컴퓨팅 환경에서 UHF-RFID 및 딥러닝을 활용한 새로운 전력 케이블 모니터링 방법을 제안합니다. 먼저, 엣지 컴퓨팅을 기반으로 하여 대량 데이터 분석을 네트워크의 엣지로 이동시키고 모니터링 효율성을 개선하기 위한 전력 케이블 모니터링 시스템이 설계됩니다. 그 다음, 온도 감지 칩과 RFID 칩이 통합되어 케이블 온도 측정 지점에 고정된 UHF-RFID 온도 태그가 설계되어 케이블의 수동 무선 모니터링을 달성합니다. 마지막으로, GRNN 모델의 매개변수는 비틀 안테나 탐색 알고리즘을 사용하여 최적화되고, EEMD 분해된 데이터가 BAS-GRNN 모델에 입력되어 학습하여 온도 예측 결과를 출력합니다. 실험 플랫폼을 구축한 기반으로 이 방법이 시연되었으며, UHF-RFID 온도 태그의 온도 측정 결과와 열전대 간 최대 오차가 0.3°C 이내이고, 제안된 방법의 평균 상대 오차가 0.01에 불과하여 실제 전력 케이블 모니터링의 정확도 요구 사항을 충족할 수 있음을 보여줍니다.