An Adaptive MAC for HomePlug Green PHY PLC to Support Realistic Smart Grid Application

느낀점

Problem Statement

HomePlug Green PHY (HPGP)는 스마트 그리드 어플리케이션을 위한 저전력 PLC(전력선 통신) 표준이다. 그러나 이 표준은 CSMA/CA 기반 MAC 프로토콜을 사용하며, IEEE 802.11과 유사하게 사용자가 많아질수록 성능이 급격히 저하되는 문제가 있다. 예를 들어, 사용자 수가 100명에 달할 경우 MAC 효율은 15% 이하로 떨어지며, 이는 스마트 그리드의 요구사항을 충족하지 못하게 된다.

또한 사용자 포화 시, 최대 MAC 처리량은 0.15 x 70 kbps = 105 kbps로 감소하며, 이는 스마트 그리드 애플리케이션에 요구되는 250 kbps의 처리량 요구사항(그리고 목표 처리량인 700 kbps)을 충족할 수 없다.

현재 MAC 프로토콜(IEEE 802.11 DCF 백오프 메커니즘, P1901/HomePlug MAC 포함)은 대규모 네트워크에서 비효율적이다.

HomePlug/P1901 MAC과 IEEE 802.11 MAC은 경쟁 노드 수가 증가할 때 급격한 성능 저하를 보인다.

이전 연구들에서 제안된 마르코프 체인 모델은 기술적 불완전성을 가지고 있다. 특히, 이 모델들을 채널이 비어있지 않을 때(busy) 백오프 카운터(BC)를 계속 감소시켰는데, 이는 원래 HomePlug 1.0 사양에서 채널이 바쁠 때 BC를 일시 중지하도록 정의된 것과 다르다. 이러한 불일치는 충돌로 전송 시도 실패를 유발할 수 있다.

Contribution

• 기존 HomePlug 1.0 MAC 프로토콜의 한계를 지적하고, 개선된 Adaptive Contection Window(CW) 기반 MAC 프로토콜을 제안한다.
• 제안된 프로토콜을 실시간 채널 트래픽을 추정하고, CW를 동적으로 조절하여 다수의 사용자가 있는 환경에서도 높은 MAC 효율을 유지한다.
• Markov Chain 모델을 사용해 이론적으로 분석하고, 시뮬레이션을 통해 100명의 사용자 환경에서도 81%에 달하는 MAC 효율을 증명한다.

본 논문은 정확한 채널 교통량 추정 및 적응형 경합 윈도우(CW) 크기 조정을 포함하는 새로운 MAC 프로토콜(상수 CW MAC)을 제안한다.

제안된 적응형 MAC 프로토콜은 HPGP의 MAC 효율성이 약 15%까지 떨어지는 반면, 최대 100명의 사용자 환경에서 효율성을 약 81%로 유지한다.

이는 MAC 효율성을 약 80%로 향상시킨다.

제안된 프로토콜은 0.8 x 700kbps = 560 kbps의 데이터 전송률을 제공하며, 이는 스마트 그리드 애플리케이션에 현재 권장되는 데이터 전송률(250 kbps)의 두 배 이상이다.

기존 HomePlug MAC 프로토콜의 한계점인 채널 교통량 추적 능력 부족과 경합 매개변수 조정의 문제점을 해결한다.

HomePlug 1.0 사양의 백오프 동작을 정확하게 모델링하는 새로운 마르코프 제인 모델을 개발하여 MAC 효율성을 향상시킨다.

제안된 모델의 실제 적용을 위해 능동 노드(active nodes) 수를 성공적으로 추정하는 알고리즘을 사용하며, 이는 접근 방식을 새로운 비선형 평활 필터로 확장한 것이다.

시뮬레이션 결과는 노드 추정 매커니즘이 실제 노드 수를 효과적으로 추적하며, 추정 방식을 사용한 제안된 MAC 프로토콜의 MAC 효율성이 정확한 노드 수를 아는 경우의 이론적 최대 효율성에 매우 가깝다는 것을 보여준다.

Mathematics Analysis

 

📌 수식 기반 증명 및 설명

전이 확률과 상태 정의 – 마르코프 체인 모델

$$
p_0 = \sum_{i=0}^{D} \Pi(i, 0)
$$

설명:

• $p_0$는 한 노드가 전송을 시도할 확률이다.
• 이 확률은 마르코프 체인에서 backoff counter (BC)가 0이고 defer counter (DC)가 0 이상인 모든 상태의 확률을 더하여 계산된다.
• 즉, 채널 감지 후 전송 조건이 만족된 상태들의 누적 확률이다.

스토리텔링:
"우리는 언제든지 어떤 노드가 '지금이다!' 하고 데이터를 보내려는지를 알고 싶어요. 이 수식은 모든 가능한 전송 시점(BC=0)의 확률을 모아서, 실제로 전송이 시작될 가능성을 보여줍니다."

 

$$
p_i = (1 - p_0)^{n - 1}
$$

설명:

• $p_i$: 한 노드가 채널을 idle 상태로 감지할 확률
• 이는 나머지 $n-1$개의 노드가 모두 전송하지 않을 확률로 계산된다.
• $p_0$: 각 노드의 전송 확률이므로, 다른 노드가 전송 안 할 확률은 $1 - p_0$, 전체 노드에 대해 독립적일 때 $(1 - p_0)^{n - 1}$

스토리텔링:
"내가 지금 채널을 들었을 때, 조용하다고 느끼려면 나를 제외한 모든 친구들이 입을 다물고 있어야 해요. 이 수식은 그런 '조용한 순간'이 올 확률을 말해주는 거죠."

---

$$
p_0 = \frac{1}{CW}
$$

설명:

• 백오프 카운터는 CW 범위 내에서 균일하게 랜덤 선택됨
• 따라서 BC가 정확히 0이 되는 확률은 $CW$ 개 중 1개 선택될 확률 = $\frac{1}{CW}$
• 이는 마르코프 체인의 steady-state 확률과도 일치

스토리텔링:
"CW가 8이면, BC가 0일 확률은 1/8이죠. 주사위 던지듯, 어떤 시점에 전송 기회를 잡을지는 확률 게임이에요."

 

Throughput (MAC 효율)

$$
\eta = \frac{P_S \cdot E[\text{Data}]}{P_S T_S + P_I T_I + P_C T_C}
$$

설명:

• 전체 시간 중 데이터가 성공적으로 전송된 양만을 기준으로 효율 $\eta$ 계산
• $P_S$: 성공 확률, $T_S$: 성공 소요 시간
• $P_I$: idle 확률, $P_C$: 충돌 확률
• 모든 시간 요소를 고려하여 시스템 전반의 사용 효율을 수치화한 지표

스토리텔링:
"무조건 데이터를 많이 보낸다고 좋은 게 아니에요. 기다리는 시간, 충돌로 인한 낭비도 모두 포함해야 진짜 효율을 말할 수 있어요. 이 수식이 바로 그걸 계산해주는 핵심 공식입니다."

최적 전송 확률 유도

$$
1 - \frac{T_I}{T_C} = \frac{1 - n p_0}{(1 - p_0)^n}
\quad \Rightarrow \quad p_0 \approx \frac{1}{n} \sqrt{\frac{2T_I}{T_C}}
$$

설명:

• 효율을 최대로 하는 $p_0$ 값을 유도하기 위해 도함수로 극값을 찾음
• 이후 $p_0 \ll 1$ 가정하에 근사하여 도출된 식
• $T_I$: idle 시간, $T_C$: 충돌 시간
• 이를 통해 사용자 수 $n$에 따른 전송 최적 확률을 계산 가능

스토리텔링:
"최고의 효율은 ‘적절한 타이밍’에서 나와요. 너무 자주 시도하면 충돌하고, 너무 적게 하면 시간 낭비죠. 그래서 이 수식이 우리가 딱 맞춰야 할 전송 확률을 알려줘요."

 

CW와 사용자 수 관계

$$
CW = \frac{n \cdot \sqrt{T_C}}{\sqrt{2T_I}} \quad \text{→ or} \quad CW = 4.519n - 1.825
$$

설명:

• 이론적 분석 결과 CW는 사용자 수에 선형적으로 비례함
• $CW$는 충돌 방지용 백오프 범위를 설정하는 창이며, 사용자 수가 많을수록 넓어져야 함
• 식 (8)은 시뮬레이션 기반으로 실제 환경에 맞게 보정한 근사 선형식

스토리텔링:
"사람이 많을수록 줄을 넓게 서야 해요. 그래야 서로 부딪히지 않죠. CW는 그 줄의 길이를 조절하는 역할을 해요. 이 식은 '사람 수에 맞는 줄 길이'를 과학적으로 계산해준 거에요."

 

실시간 사용자 수 추정 (Run-Time Estimation)

$$
p_i = \frac{n_i}{n_o}, \quad n = CW \cdot (1 - \frac{n_i}{n_o}) + 1
$$

설명:

• $n_i$: idle 슬롯 수, $n_o$: 전체 감시 시간 슬롯
• 이 식은 채널 감시를 통해 비어있는 시간 비율을 추정하고, 그 정보를 활용해 사용자 수 $n$을 역산합니다.
• 이 때 추정치의 급격한 변화 방지를 위해 ARMA 및 비선형 스무딩 필터를 사용

스토리텔링:
"우리는 네트워크에서 몇 명이 같이 통신 중인지 모릅니다. 하지만 조용했던 시간들을 세면 유추할 수 있어요. 마치 도서관이 얼마나 붐비는지, 조용했던 시간의 비율로 짐작하는 거죠."

---

🧠 마르코프 체인 모델 이론 및 적용

✅ 이론적 기초

마르코프 체인은 상태 간 전이가 확률적으로 결정되며, "미래는 현재에만 의존한다"는 Markov property를 가진다.

일반 정의:

• 상태 공간: $S = {s_1, s_2, ..., s_n}$
• 전이 행렬: $P = [p_{ij}]$, $p_{ij} = P(X_{t+1} = s_j | X_t = s_i)$
• 정적 분포(steady state): $\pi P = \pi$

✅ 본 논문에서의 마르코프 모델 구성

• 상태: $(D, BC)$의 이차원 상태공간
  • $D$: defer counter
  • $BC$: backoff counter
• 각 상태는 슬롯 단위 시간에서의 노드 상태를 나타냄
• 전이 조건:
  • 채널이 idle: $BC \rightarrow BC-1$
  • 채널이 busy: $D \rightarrow D-1$
• $BC = 0$: 전송 시도 → 초기 상태로 리셋
• 전이 확률:
  • idle 감지 시: $p_i$
  • busy 감지 시: $1 - p_i$
  • 리셋: $1/CW$ 확률로 새로운 상태 진입

---

✅ 마르코프 모델을 통한 증명 요약

1. 상태 확률 정의:
   $\Pi(D, BC)$ 형태로 상태 확률을 정의
2. 전이식 구축:
   각 상태 간 전이 조건과 확률에 따라 전이 행렬 구성
3. 정상 상태 분석:
   • 수렴 조건 하에 steady-state 확률 분포 계산
   • $p_0 = \sum \Pi(D, 0)$로부터 전송 확률 도출
4. 성능 추정 및 최적화:
   • $p_0$과 사용자 수 $n$의 함수 관계 도출
   • throughput $\eta$를 최적화하여 CW 결정

---

🎯 결론 요약

• 제안된 MAC은 기존 HomePlug 1.0 MAC이 가지는 비효율적 백오프 처리 문제를 해결
• 마르코프 모델 기반 분석을 통해 정확한 성능 예측 가능
• 최적의 CW 계산식 도출 및 실시간 사용자 수 추정을 통해 81% 수준의 MAC 효율 유지 가능
• 이는 기존 대비 5배 이상 성능 향상을 의미하며, 스마트 그리드용 PLC 환경에서 매우 효과적

 

Key Ideas

• 기존 HomePlug MAC은 사용자 수 증가 시 충돌률 상승 및 백오프 시간 증가로 인해 성능이 급감한다.
• 제안된 MAC은 다음과 같은 세 가지 기술적 핵심 요소를 포함한다.
  1. Bi-dimensional Markov Chain 모델: 백오프 카운터(BC)와 디퍼 카운터(DC)의 상태 전이 모델을 수학적으로 정의
  2. Adaptive CW 알고리즘: 사용자 수에 따라 CW를 동적으로 조절 (예: CW = 4.5n -1.8)
  3. 노드 수 추정 및 필터링: 실시간으로 idle/busy 슬롯을 측정해 사용자 수를 추정하고, ARMA 및 비선형 필터로 안정화

적응형 경합 윈도우(CW) 크기 조정: 제안된 MAC 프로토콜의 핵심은 각 노드가 실시간 채널 교통량을 추정하고 그에 따라 적응적으로 경합 윈도우 크기를 조정하는 것이다.

새로운 마르코프 체인 모델: HomePlug 1.0 MAC의 이벤트 시퀀스를 유지하면서 새로운 MAC 프로토콜의 백오프 메커니즘을 정의하기 위해 2차원 마르코프 체인 모델이 개발되었다. 이 모델은 채널이 사용 중일 때 백오프 카운터 (BC)를 일시 중지 시켜 충돌률을 줄이는 HomePlug 1.0 사양을 정확하게 반영한다.

최적의 전송 확률($po$) 및 $CW$와 $n$의 관계:

• 최적의 처리량을 최대화하는 전송 확률 $po$ 는 $ po \approx 1/(n*\sqrt(2TI/TC))$로 근사화될 수 있다.
• 이로부터 경합 윈도우(CW)와 사용자 수(n)사이에 선형 관계를 도출할 수 있다. $CW = n * \sqrt(TC)/\sqrt(2TI)$.
• 수치 분석을 통해 $CW = 4.519n - 1.825$ (D=3인 경우)와 같은 근사적인 선형 관계가 발견되었다.

능동 노드(n) 수 추정 매커니즘:

• 노드는 미리 정해진 시간 윈도우(관측 윈도우) 동안 채널 상태를 관찰하고 유휴 시간 슬롯(ni)과 사용 중인 시간 슬롯(nb)의 수를 세어 채널이 유휴 상태일 확률 $(pi = ni / no)$을 계산한다.
• 사용자 수 $n$은 $n = CW * (1 - ni/no) + 1$ 공식을 통해 추정할 수 있다.
• 빠른 트래픽 변동을 관리하고 추정된 $n$ 값의 급격한 변화를 피하기 위해 선형 ARMA 필터와 비선형 평활 필터가 사용된다.

HomePlug 1.0 MAC의 확장: 제안된 MAC은 기존 HomePlug 1.0 MAC 백오프 스킴을 기반으로 하여, Defer Counter(DC)와 Backoff Procedure Counter(BPC)를 사용하여 네트워크의 노드 수를 추정하고 불필요한 대기 시간을 피하는 이점을 활용한다.

이 논문에서 제안하는 MAC 프로토콜은 마치 교통량이 많을 때 도로의 차선 수를 유기적으로 조절하여 정체를 해소하는 스마트 교통 시스템과 유사하다. 네트워크에 연결된 장치의 수가 늘어나면, 기존 시스템은 병목 현상으로 인해 통신 효율이 급격히 떨어지지만, 제안된 시스템은 현재 접속된 장치의 수를 실시간으로 파악하여 통신 규칙(경합 윈도우 크기)을 최적화함으로써 항상 원할한 통신흐름을 유지하려고 노력한다.

Ref

M. Ayar, H. A. Latchman and J. McNair, "An adaptive MAC for HomePlug Green PHY PLC to support realistic smart grid applications," in 2015 IEEE International Conference on Smart Grid Communications (SmartGridComm), Miami, FL, USA, 2015, pp. 587–592. doi: 10.1109/SmartGridComm.2015.7436348