조각별 선형 모델 트리 기반 온라인 전력 예측 연구

Online Power Prediction Using Piecewise Linear Model Trees

연구 내용

조각별 선형 모델 트리를 기반으로 전력 관련 변수를 온라인 추정하여 DVFS 결정을 정교화하는 전력 예측 연구

전력 최적화를 위한 governor는 예측 정확도와 운영 설명 가능성을 동시에 확보해야 합니다. 본 연구는 offline에서 tree-based piecewise linear 모델 트리를 구성하고, 모델이 수식 형태로 표현되는 해석가능 조건을 만족하도록 설계합니다. 또한 시뮬레이션 가능성에 기반한 정량 지표를 활용해 다양한 구간에서의 예측 품질을 비교·선택합니다. 온라인에서는 선택된 모델을 governor 내부 추정기로 사용하여 입력 상태를 기반으로 동작 파라미터를 갱신합니다. 이 구조는 워크로드 특성이 변하는 환경에서도 안정적인 추정 기반 제어를 가능하게 합니다.

관련 프로젝트

0건

연구 흐름

처음에는 기존 governor가 단순 통계 또는 휴리스틱 가정에 의존하며, 선형 관계와 제한된 데이터에 의해 동적 워크로드에서 오차가 커질 수 있음을 확인했습니다. 이후 해석가능한 형태의 모델 트리를 offline에서 학습·구성하고, 구간별 piecewise linear 근사로 예측 오차를 줄이는 연구를 진행했습니다. 다음 단계로는 시뮬레이션 가능성 기반 지표로 모델을 선택한 뒤, 온라인 추정 모듈로 내장해 DVFS governor가 실시간으로 업데이트하도록 구현했습니다. 최근에는 다양한 입력 조건에서 예측 안정성과 제어 성능을 검증하는 방향으로 확장했습니다.

활용 가능성

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

실시간 전력 예측기
에너지 제어 피드백 루프
해석가능 ML 기반 운영 제어
구간별 부하 예측
임베디드 예측 모델 경량화
DVFS 파라미터 추정
모델 선택 및 튜닝 자동화
동적 워크로드 대응 제어
에너지-프레임 비용 모델링
전력 최적화 검증 프레임워크