IoT·강화학습 기반 에너지 예측/거래 및 엣지형 예지·진단

Energy Forecasting/Trading and Edge-Based Prognosis/Diagnosis via IoT and Reinforcement Learning

연구 내용

IoT 데이터 기반 예측과 강화학습, 불균형 학습을 결합해 에너지 거래·설비 이상 감지·의료 보조 진단·의사결정 지원을 수행하는 데이터 기반 연구

김장겸 연구실은 에너지와 산업 설비, 의료 영역까지 동일한 데이터 중심 방법론을 적용하는 연구를 수행합니다. 태양광의 간헐성과 불확실성을 완화하기 위해 엣지 기반 IoT 데이터와 블록체인/스마트컨트랙트를 활용한 P2P 거래 플랫폼을 구성하고, Q-learning 기반 패널 제어와 경매 메커니즘으로 상태-보상 구조를 설계합니다. 또한 PV 발전량 예측에서는 현장 IoT 데이터 증강으로 예측 성능을 개선합니다. 설비에서는 class imbalance와 불확실 추론을 함께 고려해 누설을 조기 감지하며, 의료에서는 Grad-CAM 기반 해석가능성을 포함한 원격 진단 모델을 구현합니다. 관련 의사결정 연구로는 암 환자 상태 예측 기반 호스피스 의사결정 지원을 수행합니다.

관련 프로젝트

1건

연구 흐름

초기에는 현장 IoT 데이터를 활용해 PV 발전량을 예측하고, 데이터 증강으로 모델 안정성을 확보하는 방향으로 진행되었습니다. 이후 태양광 발전의 간헐성과 시장 거래 요구를 동시에 다루기 위해 블록체인 기반 에너지 거래 플랫폼과 강화학습 기반 패널 제어, 경매 구조를 결합하는 연구로 확장되었습니다. 동시에 산업 데이터에서는 딥러닝 기반 예지와 누설 조기 감지로 이어졌고, 의료에서는 원격 진단과 시각적 근거 제공(Grad-CAM)을 포함하는 모델링으로 발전했습니다. 또한 말기 돌봄 의사결정 지원을 위한 상태 예측 프레임워크로 응용 범위를 확장하고 있습니다.

활용 가능성

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

태양광 발전량 예측 파이프라인
블록체인 기반 P2P 에너지 거래
스마트컨트랙트 기반 거래 검증
경매 메커니즘 기반 가격 형성
Q-learning 기반 발전 제어
설비 누설 조기 감지 시스템
불균형 데이터 대응 학습 전략
엣지 배포용 불확실성 인지 추론
원격 진단 보조 시스템
암 환자 호스피스 의사결정 지원