EBL: 분산 적응 하모닉 분석을 위한 효율적인 광범위 학습

요약

본 논문은 재생 에너지 및 EV 충전으로 인한 전력망 고조파 왜곡 문제를 해결하기 위해 효율적인 광범위 학습(EBL) 프레임워크를 제안합니다. EBL은 BLS 스타일 하모닉 추정을 위한 양자화된 FPGA 가속 프레임워크로, 높은 정확도와 초저지연성을 제공합니다. 특히 폐쇄형 해법 기반의 온라인 전이 학습을 통해 빠른 적응성과 효율적인 자원 사용률을 입증했습니다.

핵심 포인트

• EBL은 전력망 고조파 왜곡 분석을 위한 새로운 프레임워크입니다.
• FPGA 가속 및 양자화를 통해 초저지연성 하모닉 추정이 가능합니다.
• 폐쇄형 해법 기반 온라인 전이 학습으로 빠른 적응성을 확보했습니다.
• 기존 방식 대비 예측 속도가 17.4배 빠르며 자원 효율성이 높습니다.