제약·신뢰를 고려한 분산 스트림 데이터 처리 및 예측 제어 연구

Constraint- and Trust-Aware Distributed Stream Processing and Prediction Control

연구 내용

linked data 스트림 처리에서 뷰 업데이트 예산을 배분해 신선도를 개선하고, 분산 재생에너지 예측을 신뢰도 기반으로 보정하는 연구

본 연구는 분산 환경에서 데이터 신선도와 예측 품질을 동시에 관리하는 방법을 다룹니다. linked data가 동적으로 변하는 스트림 처리에서 materialized view(또는 view) 갱신 비용을 refresh budget으로 두고, 백그라운드와 on-demand 업데이트를 함께 수행하도록 뷰 업데이트 예산 배분 절차를 제안합니다. 또한 분산 재생에너지 자원을 virtual power plant로 운영할 때 예측의 신뢰도를 정량화한 신뢰도 기반 보정 기법을 적용해 비신뢰 구간의 적중 실패를 줄이는 방향으로 성능을 개선합니다.

관련 프로젝트

0건

연구 흐름

초기 연구에서는 linked data 서비스의 스트림 처리에서 동기화 비용이 커지는 문제를 정의하고, 응답 지연과 정확도 사이에서 refresh budget을 효율적으로 할당하는 방식에 집중했습니다. 이후 동일한 분산 데이터 맥락에서 예측 결과의 신뢰도가 운영 의사결정에 미치는 영향을 다루기 위해, DER reliability를 기반으로 예측을 보정하는 방법을 수행했습니다. 최근에는 갱신·예측 단계의 성능을 자원 사용성과 연결해 시스템 관점의 제어 절차를 정교화하는 흐름으로 연구를 진행하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

linked data 스트림 처리
materialized view 갱신 최적화
refresh budget 기반 자원 배분
응답 지연과 신선도 균형 제어
분산 데이터 파이프라인 안정화
신뢰도 기반 예측 보정
virtual power plant 운영 지원
분산 재생에너지 예측 개선
신선도 관리 기반 서비스 품질 제어
분산 환경에서 예측 오류 유형 완화