주변에 항상 존재하는 Wi-Fi 전파의 미소 에너지를 수집하여 배터리 없이 저전력 전자장치를 구동할 수 없을까?
•
IoT 센서, LED 표시장치, 소형 전자기기 등 저전력 장치의 수요가 증가하고 있지만, 대부분 배터리에 의존하고 있어 교체와 유지보수 문제가 발생한다.
•
Wi-Fi 공유기에서 방사되는 2.4GHz 및 5GHz 대역 전자파는 일상 공간에 널리 존재하므로, 이를 에너지 하베스팅 자원으로 활용할 가능성이 있다.
•
RF 에너지 하베스팅은 수신 안테나, 임피던스 매칭 회로, 정류 회로, 승압 회로가 유기적으로 동작해야 하며, 특히 낮은 입력 전력에서 효율적인 정류가 핵심이다.
•
안테나 형상 변화에 따른 S11 특성은 비선형적이어서 단순 반복 시뮬레이션만으로 최적 형상을 찾는 데 시간이 오래 걸리므로, 신경망 모델을 활용한 데이터 기반 최적화가 필요하다고 판단했다.
기존 방식의 문제점
•
배터리 기반 저전력 장치는 주기적인 교체가 필요하여 유지보수 비용과 번거로움이 발생한다.
•
단일 주파수 대역만 활용하는 방식은 수집 가능한 전력이 제한적이다.
•
Wi-Fi 전파는 실제 환경에서 수신 전력이 매우 작기 때문에 정류 후 출력 전압과 전력이 낮아지기 쉽다.
•
안테나 형상 최적화를 수동 파라미터 스윕에만 의존하면 많은 시뮬레이션 시간이 필요하고, 2.4GHz와 5GHz를 동시에 만족하는 형상을 찾기 어렵다.
핵심 아이디어
•
2.4GHz와 5GHz Wi-Fi 대역을 동시에 수신할 수 있는 듀얼밴드 안테나를 활용한다.
•
안테나 형상 변수와 S11 특성 사이의 관계를 신경망 모델로 학습시켜, 반복 시뮬레이션 시간을 줄이고 최적 형상 후보를 효율적으로 탐색한다.
•
수신된 RF 신호가 정류부로 최대한 전달되도록 듀얼밴드 임피던스 매칭 회로를 설계한다.
•
Schottky 다이오드 기반 Voltage Doubler 정류 회로와 Boost Converter를 사용하여 낮은 DC 출력 전압을 저전력 부하 구동에 활용한다.
활용된 핵심 기술 또는 이론
•
RF 에너지 하베스팅 렉테나 이론: 안테나, 임피던스 매칭 회로, 정류 회로, 부하 및 승압 회로로 구성되는 무선 에너지 수집 시스템
•
신경망 기반 안테나 최적화: 안테나 형상 변수와 주파수별 S11 데이터를 학습하여 목표 대역에서 반사손실이 낮은 구조를 예측하는 데이터 기반 설계 기법
기존 방식과의 차별성
•
안테나 형상 최적화 과정에 신경망 모델을 적용하여 데이터 기반 설계를 시도했다.
•
단일 대역이 아닌 2.4GHz와 5GHz Wi-Fi 대역을 함께 활용하여 수집 가능한 주파수 범위를 확장했다.
•
시뮬레이션 결과만 제시하는 것이 아니라, 실제 제작 과정에서 발생하는 PCB 기생 성분, 소자 오차, 납땜 오차, 부하 연결 시 출력 저하 문제까지 분석했다.
•
안테나 최적화, 임피던스 매칭, 정류 회로를 하나의 시스템으로 연결하여 전자기장·회로·전력전자·AI를 융합한 설계를 수행했다.
문제 해결 과정
•
Wi-Fi 에너지 하베스팅 관련 논문을 분석하여 2.4GHz 및 5GHz 대역을 목표 주파수로 선정하고 전체 시스템 구조를 설계했다.
•
안테나 형상 파라미터를 변화시키며 시뮬레이션 데이터를 수집하고, 이를 바탕으로 신경망 모델을 학습시켜 S11 특성을 예측하도록 했다.
•
학습된 모델을 활용하여 2.4GHz와 5GHz 대역에서 반사손실이 낮은 안테나 형상 후보를 탐색하고, 실제 전자기장 시뮬레이션으로 검증했다.
•
최종 안테나 구조에 맞춰 정류부 입력 임피던스를 분석하고, 두 주파수 대역에서 반사 전력이 최소화되도록 임피던스 매칭 회로와 Voltage Doubler 정류 회로를 설계했다.
최종 사용자
•
배터리 교체가 어려운 위치에 설치되는 소형 IoT 센서 사용자
•
저전력 무선 센서 네트워크를 구축하려는 연구자 및 개발자
•
에너지 하베스팅 기반 친환경 전원 기술을 필요로 하는 스마트홈·스마트팩토리 분야
•
AI 기반 안테나 설계, 고주파 회로, 전력전자 융합 설계를 학습하는 전기전자공학 전공 학생
기대효과
•
배터리 교체 주기를 줄여 유지보수 부담을 감소시킬 수 있다.
•
주변에 존재하는 Wi-Fi 전파를 활용함으로써 버려지는 미소 전자파 에너지를 저전력 전원으로 활용할 수 있다.
•
신경망 기반 최적화를 통해 안테나 설계 시간을 줄이고, 목표 주파수 대역에 적합한 형상 후보를 더 효율적으로 찾을 수 있다.
•
안테나, 정류 회로, 임피던스 매칭, 승압 회로, AI 최적화를 통합적으로 다루는 실험 사례로 활용되어 전공 실무 역량 향상에 도움이 된다.
참여 정보
팀명
PIFA
수강 교과목
capstone design1
지도 교수
최장영
참여 개발자
전효찬(전기공학과), 이승인(전기공학과), 김태완(전기공학과), 홍성진(전기공학과)
