KR100701439B1

KR100701439B1 - 마을 하수 처리 시설 통합 관리 방법 및 그 시스템

Info

Publication number: KR100701439B1
Application number: KR1020050055584A
Authority: KR
Inventors: 이광윤; 배정수; 김호윤
Original assignee: (주)대우건설; 주식회사 엔지이엔
Priority date: 2005-06-27
Filing date: 2005-06-27
Publication date: 2007-03-30
Also published as: KR20070000101A

Abstract

본 발명은 마을 하수 처리 시설 통합 관리 시스템 및 그 방법에 관한 것이다.

본 발명에 따르면, 유입되는 하수의 성상과, 상기 하수의 수처리 결과 미리 설정된 방류수의 수질 기준을 만족시키기 위한 운전 모드를 뉴로-퍼지 기법을 적용하여 매칭시킨 데이터베이스를 기초로 하는 전문가 시스템 기반의, 운전 모드 추출을 위한 운전 모드 결정 서버, 및 상기 운전 모드 결정 서버의 운전 모드 추출 결과를 전송받아 마을 하수 처리 시설을 원격 운전하고, 상기 마을 하수 처리 시설로부터 수집된 유입 하수의 성상 정보를 상기 운전 모드 결정 서버로 전송하는 인간·기계간 인터페이스(man machine interface, MMI) 서버를 포함하는 마을 하수 처리 시설의 통합 관리 시스템이 제공된다.

지식 베이스(knowledge base), 전문가 시스템, 퍼지(fuzzy), 추론(reasoning), 학습(learning), 전기 전도도(electric conductivity)

Description

마을 하수 처리 시설 통합 관리 방법 및 그 시스템 {INTEGRATED SYSTEM AND METHOD FOR SMALL-SCALE SEWAGE TREATMENT PLANT}

도 1은 본 발명의 실시예에 따른 마을하수처리 시설 통합 관리 시스템을 도시한 블록도이다.

도 2는 도 1의 추론 엔진 내의 학습부를 도시한 블록도이다.

도 3은 전기 전도도와 생물학적 산소 요구량(biochemical oxygen demand, BOD)을 입력변수로 하는 그룹화된 입력 스페이스를 도시한 도면이다.

도 4는 도 3의 입력 스페이스를 이용하여 생성된 소속 함수(membership function)를 도시한 도면이다.

도 5는 도 3 및 도 4의 과정을 거쳐 생성되는 퍼지 규칙으로부터 생성된 소속 함수를 예시한 도면이다.

도 6 및 도 7은 도 5의 과정을 거쳐 생성된 소속 함수의 최적화 이전의 상태 및 이후의 상태를 도시한 도면이다.

도 8은 본 발명의 실시예에 따른 마을하수처리 시설 통합 관리 시스템의 지식 베이스(knowledge base)의 생성 및 갱신 과정을 도시한 흐름도이다.

도 9는 본 발명의 실시예에 따른 마을하수처리 시설 통합 관리 방법을 도시한 흐름도이다.

도 10은 본 발명의 실시예에 따라 결정된 운전 모드로 마을하수처리 시설이 운전 상태를 인간·기계간 인터페이스(man machine interface, MMI)를 통하여 디스플레이된 예시도이다.

도 11은 지식 베이스를 기반으로 하여 운전 모드를 추론한 결과를 디스플레이에 나타낸 예시도이다.

도 12는 추론된 운전 모드의 선택 기준 및 그 결과를 설명하기 위한 디스플레이에 나타낸 예시도이다.

본 발명은 마을 하수 처리 시설 통합 관리 시스템 및 그 방법에 관한 것이다. 더욱 상세하게는, 본 발명은 원격 무인 자동화 운전을 위해 각 설비들의 운전모드를 실시간으로 추론하여 원격으로 운전 모드를 변경할 수 있도록 하는 마을하수 처리 시설의 통합 관리 시스템 및 그 방법에 관한 것이다.

현재 전국의 하수 종말 처리장 운영 실태는, 교육 및 기술력 등의 부족으로 인하여 운영 및 유지보수 인력의 확보가 어려운 상황이다. 또한, 처리 공정의 고도화로 운영 관리에 보다 많은 인적, 물적 자원을 필요로 하게 되었다. 특히 생물학적 처리공법에 의한 고도 처리는 처리시설로 유입되는 수량의 변화, 온도 및 유입수 내에 포함된 오염 물질의 종류에 따라 그 처리 효율의 변동이 매우 크므로, 보다 전문적인 지식을 기반으로 하는 효율적인 운영이 필요하다. 더욱이, 유입수 성상의 불규칙적인 변동에도 불구하고 시설의 초기 설비 과정에서 예측된 유입수 성상 변화 및 미리 규정한 처리 대상 물질에 따라 결정된 동일한 운전 방법을 이용하여 처리되므로, 방류수 내의 오염 물질이 허용 기준을 초과하게 되는 등 방류수의 수질 관리가 어려운 문제가 있다. 따라서, 이러한 운영 관리상의 문제점 해결을 위한 무인 운전 및 원격 감시 제어 시스템의 필요성이 증대되고 있다.

기존에 일부 활용되고 있는 환경 기초 시설의 통합관리 시스템은 측정된 수질 자료나 기기의 상태 등을 운영자에게 단순히 제시하는 기술로서, 해당 환경기초시설의 운영이 운전자의 경험이나 직관에 지나치게 의존하고 있으므로, 불규칙하게 발생되는 유입수의 성상 변화에 대한 적절한 대응 운전이 불가능하여 안정적인 방류수질의 확보와 효율적인 시설 운전에 큰 저해 요소로 작용하고 있다. 또한, 일부 자동 운전을 위한 기술이 등장하고 있지만 다양한 단위 처리 공정이 복합되어 운영되는 하수 처리 시설에는 적용이 곤란한 문제가 있었다.

따라서, 마을 하수 처리 시설의 최적 운전을 위해서는 다양한 제어 인자를 고려해야 할 뿐만 아니라 현장에 설치된 다양한 계측 및 제어장치에 대한 실시간 원격 조작이 요구된다. 또한, 유입수의 성상 변화에 따라 시스템이 자동으로 최적 운전방안을 수립하여 원거리에 있는 운영자에게 제시하거나 마을 하수 처리 시설의 단위 공정(unit process)들을 원격 제어하여 무인 운전이 가능하도록 할 수 있어야 하며, 다수의 환경기초시설을 일원화화여 관리하는 통합운영관리시스템의 기능에 부합되어야 한다.

본 발명이 이루고자 하는 기술적 과제는 마을 하수 처리 시설의 운영상 중요한 파라미터를 지식 베이스로 구축하여 유입수의 성상 변화에 따라 실시간으로 최적의 운전 모드를 산출하여 방류수의 수질이 일정하게 유지되도록 하는 마을 하수 처리 시설의 통합 관리 시스템 및 그 방법을 제공하는 것이다.

또한, 본 발명이 이루고자 하는 다른 기술적 과제는 하나의 유입수 성상 파라미터를 이용하여 다른 파라미터를 추론해 냄으로써, 보다 간편한 운전 모드 산출을 통하여 무인 운전이 가능한 마을 하수 처리 시설의 통합 관리 시스템 및 그 방법을 제공하는 것이다.

이러한 과제를 해결하기 위해, 본 발명의 한 특징에 따르면, 유입되는 하수의 성상과, 상기 하수의 수처리 결과 미리 설정된 방류수의 수질 기준을 만족시키기 위한 운전 모드를 뉴로-퍼지 기법을 적용하여 매칭시킨 데이터베이스를 기초로 하는 전문가 시스템 기반의, 운전 모드 추출을 위한 운전 모드 결정 서버, 및 상기 운전 모드 결정 서버의 운전 모드 추출 결과를 전송받아 마을 하수 처리 시설을 원격 운전하고, 상기 마을 하수 처리 시설로부터 수집된 유입 하수의 성상 정보를 상기 운전 모드 결정 서버로 전송하는 인간·기계간 인터페이스(man machine interface, MMI) 서버를 포함하는 마을 하수 처리 시설의 통합 관리 시스템이 제공된다.

여기서, 운전 모드 결정 서버는 유입되는 하수 성상 및 그에 대한 운전 모드 결과 정보가 매칭되어 저장되는 지식 베이스, 상기 지식 베이스에 저장된 정보를 클러스터링하고, 퍼지 이론을 적용하여 소속 함수를 도출하며, 상기 소속 함수를 이용하여 특정 시점에서 마을 하수 처리 시설로 입력되는 유입수의 성상에 따른 최적의 운전 모드를 추출하는 추론 엔진, 및 상기 추론 엔진의 운전 모드 추출 과정에서 활용되는 유입수 성상의 분석을 위한 함수 및 관련 변수를 저장 및 관리하는 함수 관리자를 포함할 수 있다.

본 발명의 다른 특징에 따르면, 과거의 유입수 성상 정보와 그에 대응되는 운전 모드 정보를 수집하여 지식 베이스를 구축하는 단계, 상기 구축된 지식 베이스를 참조로 하여 특정 시점에서 상기 마을 하수 처리 시설로 유입된 유입수의 처리 결과 미리 설정된 방류수의 수질 기준에 부합되도록 최적의 운전 모드를 추론하는 단계, 상기 추론된 운전 모드 정보를 상기 마을 하수 처리 시설의 운영자에게 제공하고, 상기 운영자로부터 상기 추론된 운전 모드의 적용 신호가 입력된 경우, 해당 운전 모드를 상기 마을 하수 처리 시설에 적용하여 수처리를 수행하는 단계, 및 상기 수처리 후 방류수의 수질 정보와 추론된 운전 모드 정보를 이용하여 상기 지식 베이스를 갱신하는 단계를 포함하는 마을 하수 처리 시설의 원격 운전을 위한 통합 관리 방법이 제공된다.

아래에서는 첨부한 도면을 참고로 하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다.

도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략 하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

도 1은 본 발명의 실시예에 따른 마을 하수 처리 시설 통합 관리 시스템을 도시한 블록도이다. 도 1에 나타낸 바와 같이, 본 발명의 실시예에 따른 마을 하수 처리 시설 통합 관리 시스템(100)은 운전 모드 결정 서버(200), 인간·기계간 인터페이스(man machine interface, MMI) 서버(300)를 포함하며, 운전 모드 결정 서버(200)는 지식 베이스(knowledge base, 210), 추론 엔진(220), 함수 관리자(function manager, 230), 시뮬레이터(simulator, 240) 및 시설물 관리 프로그램(250)을 포함한다.

운전 모드 결정 서버(200)는 하수 처리 분야의 전문가적 지식을 수집하여 인위적으로 컴퓨터에 시스템화한 전문가 시스템에 기반한 것으로서, 퍼지 이론과 신경회로망의 기술을 접목하여 운영된다. 퍼지 이론은 애매 모호한 언어적 표현을 수학적 표현으로 해석하여 퍼지 추론을 수행할 수 있으며, 신경회로망은 퍼지 시스템이 학습을 통해 보다 유연하게 주어진 문제를 해결할 수 있도록 하므로, 유입수의 성상 변화에 따른 최적의 운전 모드 산출에 효과적으로 이용될 수 있다.

운전 모드 결정 서버(200)는 이러한 뉴로-퍼지 이론을 이용하여 마을 하수 처리 시설(400)에서 검출된 하수 유입 수질에 관련된 데이터를 기반으로 유입조, 침사지, 혐기조, 포기조, 침전조 등의 각 처리 프로세스별로 작동되는 펌프, 교반기, 송풍기(blower) 등의 운전 시간 및 유휴 시간을 규정하는 운전 모드를 산출하여 MMI 서버(300)로 전송하여 준다.

이하, 운전 모드 결정 서버(200)에 대해 보다 상세히 설명한다.

운전 모드 결정 서버 내의 지식 베이스(210)는 하수 처리 분야의 전문가가 지적 활동과 경험을 통해서 축적한 전문 지식이나 문제 해결에 필요한 노하우(know-how)와 운영상의 주요 관점 사항을 데이터베이스화한 것이다. 지식 베이스의 구축을 위해 사용되는 데이터들의 표현을 위해서는 IF-THEN 형식의 생성 규칙이 사용되고, 사실의 표현을 위해서는 프레임 표현이 사용되며, 이를 통하여 지식의 모듈화, 구조화가 가능하게 된다. 이러한 지식 베이스(210)의 구축에는 운전 모드 결정 서버(200)의 추론 엔진(220)과 시뮬레이터(240)가 관여하여 이루어진다.

지식 베이스(210)에는 뉴로-퍼지 시스템의 학습 과정을 통하여 얻은 결과가 저장되며, MMI 서버(300)를 통한 마을 하수 처리 시설(400)의 운영 결과도 새로운 운전 모드의 추출을 위한 자료로 이용될 수 있도록 함께 데이터베이스화되어 저장된다. 예를 들어, 지식 베이스(210)에는 전기 전도도(electric conductivity, EC), 생물학적 산소 요구량(biochemical oxygen demand, BOD), 화학적 산소 요구량(chemical oxygen demand, COD), 총질소(total nitrogen, TN), 총인(total phosphorous, TP) 및 총부유물질(total suspended solid, TSS) 등의 유입수 성상의 변화를 정량적으로 나타내는 파라미터 및 이에 따라 미리 설정된 방류수 수질 기준을 만족시키기 위하여 선택된 운전 모드 결과값들이 매칭되어 저장될 수 있다. 또한, 지식 베이스(210)에는 전기 전도도를 기초로 하여 BOD 또는 COD를 추론하는 규칙 및 TSS, TN, TP를 기초로 하여 BOD 또는 COD를 추론해 내는 규칙들이 저장될 수 있다.

그리고 지식 베이스(210)에는 마을 하수 처리 시설(400)의 단위 공정별 항목을 선택하여 시, 일, 월 등의 단위 시간을 기준으로 하여 하수 처리 시설의 운영에 있어서 시간의 추이에 따른 수질 및 운전 조건의 변경을 분석한 결과 즉, 과거 추세(historical trend) 정보가 기록될 수 있으며, 지식 베이스(210)의 초기 구축 단계에서는 이러한 과거 추세 정보를 이용하여 데이터베이스화가 이루어진다. 본 발명의 실시예에서는 이러한 과거 추세 정보가 지식 베이스(210) 내에 포함되는 것으로 설명하였지만, 지식 베이스(210)와는 독립된 기능 블록으로 존재할 수도 있다.

추론 엔진(220)은 지식 베이스(210)에 저장된 정보들과 마을 하수 처리 시설(400)로부터 MMI 서버(300)를 거쳐 전송되는, 전술한 바와 같은 다양한 오염 물질 파라미터를 포함하는 유입수 성상 정보 및 방류수 수질 정보에 뉴로-퍼지 이론을 적용시켜 최적의 운전 모드 산출을 위한 규칙을 도출해 내는 학습부(500)와, 학습부(500)에서 도출해 낸 규칙을 이용하여 함수 관리자(230)를 참조하여 방류수질을 제어하고자 하는 특정한 하나의 마을 하수 처리 시설(400)에 대한 운전 모드를 결정하는 추론부(600)를 포함한다. 학습부(500)에서의 규칙 생성에 대해서는 아래에서 도 2를 참조하여 보다 상세히 설명하기로 한다.

추론 엔진(220)은 MMI 서버(300)로부터 입력된 유입수 성상 정보에 지식 베이스(210)의 규칙을 적용하여 최적의 운전 모드를 산출하는 역할을 한다. 이 때, 추론 엔진(220)은 지식 베이스(210)를 참조하여 전기전도도와 BOD 및 COD의 상관관계에 대한 규칙을 생성하고, 이와 동시에 유입수의 부하 변동 특성의 분석 결과 정보를 기초로 하여 함수 관리자(230)로부터 필요한 함수를 추출해 내어 최적의 운전 모드 모델을 도출한다.

추론 엔진(220)에서 이루어지는 추론은 정방향 추론을 사용하며, 추론을 위한 규칙은 아래와 같다.

수학식 1에서

는 i번째 퍼지 규칙을 말하며,

내지

은 퍼지 변수를,

는 추론의 결과인 운전 모드를 나타낸다.

수학식 1의 추론의 예를 아래에 나타내었다.

IF (유입수의 수질이 매우 나쁘고, 유량은 다소 적은편이며, 기상조건은 좋고, 강수량은 0이다.)

THEN (체류시간을 매우 길게 해주고, 운전모드는 A로 한다.)

함수 관리자(230)는 지식 베이스(210)의 구축을 위한 데이터의 분석 및 시뮬레이터(240)에서의 운전 결과 예측을 위해 사용되는 하수 처리 시설의 환경 기초 데이터 및 이를 이용하여 BOD 및 COD를 비롯한 유입수 성상 파라미터를 계산하는 함수(function)들을 저장 및 관리한다. 그리고 함수 관리자(230)는 통계적 추론 및 분석 기법을 통하여 함수를 지속적으로 보정하여 마을 하수 처리 시설(400)에의 적용에 적합하도록 최적의 함수를 관리 및 유지할 수 있다.

시뮬레이터(240)는 추론 엔진(220)이 추론을 통해 산출한 운전 모드에 대한 시뮬레이션과, MMI 서버(300)를 통해 운영자가 직접 운전 모드를 선택하여 변경을 요청하였을 경우의 운전 결과를 예측할 수 있도록 한다. 시뮬레이터(230)는 지식 베이스(210)에 저장되어 있는 정보들과 함수 관리자(230)에 저장된 함수들을 활용하여 추론을 통해 운전 모드에 대한 타당성을 검증한다. 이는 운영상의 주요 관점 사항을 운영자가 미리 시뮬레이션해 볼 수 있도록 하여 보다 높은 수준의 수질 관리가 가능하도록 하기 위한 것이다.

시설물 관리 프로그램(250)은 마을 하수 처리 시설의 운영에 필요한 설비의 이력, 설비 교환 주기, 운영 유지비, 유영 일지 등의 설비 관리를 시스템화하여 사고에 대한 예방 및 예측 정비를 실시함으로써 내구연한을 증대시키고, 설비에 대한 경제적이고 안정적인 운영이 가능하도록 한 것이다. 본 발명의 실시예에서는 시설물 관리 프로그램(250)이 별도의 구성 요소로서 동작하는 것으로 설명하였지만, 반드시 독립된 별개의 기능 블록으로 존재할 필요는 없으며, 함수 관리자(230) 또는 시뮬레이터(240)에 포함되어 구동될 수 있다.

MMI 서버(300)는 운전 모드 결정 서버(200)가 유입수의 성상 변화를 고려하여 전술한 바와 같은 운전 조건을 규정하는 최적의 운전 모드 산출 결과를 전송받는다. 그리고 이를 MMI 서버(300)와 연동되어 구동되는 디스플레이(미도시)를 통하여 본 발명의 실시예에 따른 통합 관리 시스템의 운영자에게 제공하거나, 산출된 운전 모드에서 규정하는 각 단위 공정에 대한 운전 방법에 따라서 마을 하수 처리 시설(400)을 원격 제어하여 무인 운전이 이루어질 수 있도록 한다.

운영자는 MMI 서버가 제공하는 화면을 통하여 운전 모드 결정 서버(200)가 산출한 운전 모드를 적용하여 마을 하수 처리 시설(400)을 운영할 것인가 또는 직접 운전 모드를 결정하여 운영할 것인가를 선택할 수 있다. MMI 서버(300)는 선택 결과에 따라 마을 하수 처리 시설(400)에서의 각 단위 공정을 제어하여 하수 처리를 수행한다.

그리고 MMI 서버(300)는 마을 하수 처리 시설에 장착된 각종 센서들로부터 수집된 유입수 성상 정보를 전송받아 데이터베이스 서버(미도시)에 저장하거나, 운전 모드 결정 서버(200)에 전송하여 최적의 운전 모드 결정을 위한 기초 자료로 이용될 수 있도록 하며, 안정적인 방류수질 유지를 위한 운전 모드 결정이 실시간으로 이루어질 수 있다. 또한, MMI 서버(300)는 운전 모드 결정 서버(200)에의 모든 데이터의 입, 출력을 제어한다.

MMI 서버(300)는 마을 하수 처리 시설의 운전 지원을 위한 소프트웨어를 포함하고, 네트워크 장비 및 보안 장비를 통합하며, 마을 하수 처리 시설의 운전 과정 중 각 단위 공정에서 수집되는 데이터를 감시 및 운영하는 역할을 한다. 이 밖에, MMI 서버(300)는 동시에 다수의 마을 하수 처리 시설(400)을 제어할 수 있으며, 인터넷을 통하여 컴퓨터, 노트북, 개인 휴대 정보 단말기(personal digital assistant, PDA) 등의 통신 단말에 연동되어 운영자에게 실시간으로 마을 하수 처리 시설의 운전 상황 및 그 변동에 대한 정보를 제공할 수 있다.

MMI 서버(300)는 수집된 데이터를 가공하거나 마을 하수 처리 시설에서 급격한 유입수 부하의 변동과 같은 이벤트가 발생될 때 마을 하수 처리 시설(400)을 제어할 수 있는 데이터를 전송하며, 이 때에는 경고 이벤트(alarm event)를 발생시켜 운영자에게 하수 처리 시설의 운전 상황의 변동을 알릴 수 있다. 여기서, MMI 서버(300)는 연동되어 구동되는 디스플레이 상에 경고 상황의 발생을 알릴 수도 있지만, 컴퓨터 또는 휴대폰 등을 통하여 경고 상황을 알릴 수도 있다. 휴대폰을 통하여 경고 상황을 통지받은 운영자는 운전 모드 결정 서버(200)가 발생된 상황에 대처할 수 있는 운전 모드를 산출하여 무인 운전이 이루어질 수 있도록 MMI 서버(300)를 제어할 수 있다.

이하, 도 2를 참조하여 본 발명의 실시예에 따른 추론 엔진(220) 내의 학습부(500)에 대하여 설명한다.

도 2는 본 발명의 실시예에 따른 마을 하수 처리 시설의 통합 관리 시스템의 추론 엔진(220) 내의 학습부(500)를 도시한 블록도이다. 도 2에 나타낸 바와 같이, 본 발명의 실시예에 따른 학습부(500)는 입력 데이터 그룹화 모듈(510), 출력 데이터 그룹화 모듈(520), 매핑 모듈(530) 및 최적화 모듈(540)을 포함한다.

학습부(500)는 기존의 과거 추세 데이터를 이용하여 의사 결정 추론 모델을 정립하기 위하여 데이터를 뉴로-퍼지 클러스터링(neuro-fuzzy clustering) 기술과 매핑 기술 및 최적화 기술을 이용하여 규칙을 생성하고, 매핑된 정보들을 이용하여 지식 베이스(210)를 구축한다. 예를 들어, 학습부(500)는 전기 전도도 정보를 기초로 하여 유입수 내의 생물학적 산소 요구량 정보 및 화학적 산소 요구량 정보에 대한 상관 관계를 추정하여, 상기 추정된 상관 관계 결과를 소속 함수의 도출에 이용하고, 상기 추정 결과 및 도출된 소속 함수를 상기 지식 베이스(210)로 전송한다.

학습부(500)는 과거의 설비 운영 데이터를 입력값 및 출력값으로 나누어 분석한다. 입력 데이터 그룹화 모듈(510)과 출력 데이터 그룹화 모듈(520)은 각각 이러한 입력값 및 출력값을 분석한다.

입력 데이터 그룹화 모듈(510)은 하수 유입량, 전기 전도도를 포함하는 유입수의 수질 정보, 수온, 하수에 혼입되는 우수의 유입량 및 처리 용량 등의 정보를 입력값으로 받아들여 클러스터링 작업을 수행한다. 출력 데이터 그룹화 모듈(520)은 전체 체류 시간, 유량 조정조 펌프, 침전조 교반기, 호기조 교반기, 소포수 펌프 및 링 송풍기의 운전 시간과 휴지 기간 등의 정보를 출력값으로 받아들여 클러스터링 작업을 수행한다.

이 때, 입력 데이터 그룹화 모듈(510)과 출력 데이터 그룹화 모듈(520)은 Fuzzy ART network 모델을 비롯하여 일반적으로 알려져 있는 퍼지 모델 중의 하나를 채택하여 이용할 수 있다. 입력 데이터 그룹화 모듈(510)과 출력 데이터 그룹화 모듈(520)의 클러스터링 작업은 퍼지 하이퍼 박스(fuzzy hyperbox)를 생성하는 것으로서, 입력값 및 출력값에 각각의 스페이스를 할당하는 방식으로 이루어진다.

매핑 모듈(mapping module, 530)은 입력 데이터 그룹화 모듈(510)과 출력 데이터 그룹화 모듈(520)이 수행하는 클러스터링 과정에서 그룹이 생성되는 양상에 따라서 그룹간에 상호 관계성을 부여하여 퍼지 관계를 수립한다. 퍼지 관계의 수립을 위한 매핑 방법에는 다양한 방식이 이용될 수 있지만, 본 발명에서는 직접 매핑(direct mapping) 방식을 이용하여 퍼지 관계를 수립하여 소속 함수(membership function)를 생성하였다.

추론부(600)는 학습부(500)가 생성하여 지식 베이스(210)에 구축한 규칙을 이용하여 특정 시점에서 입력된 유입수의 처리를 통하여 미리 설정된 방류수 수질 기준에 적합하도록 처리하기 위한 최적의 운전모드를 추출한다.

도 3 내지 도 5에 본 발명의 실시예에 따른 매핑 과정을 통한 소속 함수 생성의 예를 나타내었다.

도 3은 유입량과 전기 전도도를 입력 변수로 하고 유량 조정조를 출력값으로 하는 가정 하에 입력 변수들을 Ⅰ, Ⅱ, Ⅲ, Ⅳ의 4개의 하이퍼 박스로 표현되는 클러스터 그룹으로 나타낸 것이다. 여기서 각 클러스터 그룹들의 영역을 표시하는 차원(dimension) 값의 범위는 퍼지 시스템의 소속 함수를 정의하는 것에 해당하는 단계이다. 예를 들어, X 축의 L_1과 R_2는 각각 첫 번째 소속 함수를 정의하기 위한 좌우의 값을 나타내는 것이다. 도 3에는 모두 4개의 2차원 소속 함수를 정의하기 위한 클러스터 그룹들을 나타내었다. 도 4는 도 3의 Ⅰ 클러스터에 의하여 구성된 소속 함수를 3차원 평면 상에 도시한 것이다.

도 5는 도 3 및 도 4의 과정을 거쳐 생성되는 퍼지 규칙으로부터 자동 생성된 소속 함수를 예시한 도면이다. 도 5에는 전기전도도 소속 함수와 BOD 소속 함수로부터 생성된 클러스터를 이용하는 직접 매핑을 통하여 운전 모드를 위한 소속 함수를 도출해 내는 구성이 예시되어 있다. 도 5로부터 아래의 수학식 2 내지 4과 같은 퍼지 규칙이 도출될 수 있다.

삭제

최적화 모듈(540)은 이와 같이 매핑 모듈(530)에서 생성된 퍼지 규칙들을 나타내는 소속 함수를 조절하여 전체 시스템이 최고의 성능을 낼 수 있도록 한다. 도 6 및 도 7에 소속 함수의 최적화 이전의 상태 및 이후의 상태를 나타내었다.

이하, 본 발명의 실시예에 따른 마을 하수 처리 시설 통합 관리 시스템에서의 지식 베이스 구축 방법과 하수 처리 시설 관리 방법에 대하여 도 8 및 도 9를 참조하여 설명한다.

도 8은 본 발명의 실시예에 따른 마을 하수 처리 시설 통합 관리 시스템의 지식 베이스(knowledge base)의 생성 및 갱신 과정을 도시한 흐름도이다.

마을 하수 처리 시설(400) 내의 유량 조정조와 방류조에 설치된 전기 전도도계로 측정되는 각 조 내의 전기 전도도 및 수온 정보, 유량 조정조 펌프의 토출량으로부터 산출되는 유입량, 기상 정보 및 강우량에 의하여 산출되는 우수 유입량 정보가 MMI 서버(300)로 입력된다. MMI 서버(300)는 수집된 데이터를 별도로 데이터베이스화하여 두거나, 운전 모드 결정 서버(200)로 전송한다(S810).

MMI 서버(300)로부터 하수 처리 시설의 데이터를 전송받은 운전 모드 결정 서버(200)는 입력된 데이터 특히, 전기 전도도 정보로부터 최적의 운전 모드를 추론해 낼 수 있는 소속 함수를 포함하는 지식 베이스가 구축되어 있는지의 여부를 판단하여 지식 베이스가 존재하는 경우에는 입력된 데이터의 분석 및 클러스터링을 수행한다(S820,S840).

지식 베이스(210) 내에 운전 모드 추론을 위한 소속 함수가 구축되어 있지 않는 경우에는, 추론 엔진(220)의 학습부(500)가 지식 베이스(210) 내 또는 별도의 데이터베이스에 저장되어 있는 기존의 유입수량, 전기 전도도 등을 포함하는 유입수 성상 정보 및 이러한 유입수의 미리 설정된 방류수 수질 기준에 적합한 처리를 위한 침전 시간, 포기조 내에서의 포기량 및 각 단위 공정에서의 체류 시간을 포함하는 운전 모드 결과값을 이용하여 도 3 내지 도 5에 도시된 방법으로 운전 모드 결정을 위한 소속 함수를 도출해 내어 지식 베이스(210)를 구축한다(S820,S830).

지식 베이스(210)가 마련되면, 추론 엔진(220)은 MMI 서버(300)로부터 입력받은 데이터를 기초로 하여, 지식 베이스(210) 내의 소속 함수 및 규칙으로부터 운전 모드를 도출해 낸다(S840,S850). 이 때, 운전 모드 결정 서버(200)는 도출해 낸 운전 모드 정보 및 이러한 운전 모드가 추출된 이유에 대하여 운영자에게 설명하기 위한 정보를 MMI 서버(300)로 전달하여 사용자에게 디스플레이되도록 할 수 있다.

MMI 서버(300)는 운전 모드 결정 서버(200)가 추론 과정을 통하여 최적의 운전 모드인 것으로 판단한 운전 모드 추론 결과를 전송받아, 이에 따라서 마을 하수 처리 시설을 원격 제어를 통하여 무인 운전하거나 통합 관리 시스템의 운영자에게 제공하여 마을 하수 처리 시설(400)이 운전되도록 하고, 마을 하수 처리 시설(400)의 방류조에 설치된 전기전도도계로부터 방류수의 전기전도도 및 수온 정보를 수집 한다. 운전 모드 결정 서버(200)는 MMI 서버(300)를 통하여 수집된 방류수 정보를 이용하여 운전 결과를 분석하고, 이를 기초로 새로운 소속 함수의 도출 및 최적화 과정을 통하여 지식 베이스(210)를 갱신하여 이후에 마을 하수 처리 시설(400)로 입력되는 하수의 처리를 위한 운전 모드의 도출에 이용할 수 있도록 한다(S860,S870).

마을 하수 처리 시설(400)로부터 MMI 서버(300)를 거쳐 운전 모드 결정 서버(200)로 전기 전도도를 포함하는 유입수 성상 데이터가 전송된다(S901,S902). 운전 모드 결정 서버(200) 내의 지식 베이스(210)에 저장된 소속 함수를 기초로 하여 추론 엔진(220)은 최적의 운전 모드를 산출한다(S903). 운전 모드 결정 서버(200)는 결정된 운전 모드 정보를 MMI 서버(300)로 전송하여, 디스플레이를 통하여 시스템 운영자에게 전송된 정보가 제공되도록 한다(S904). 운영자는 디스플레이 상에 제공된 정보를 기초로 하여 운전 모드 결정 서버(200)가 도출한 운전 모드를 실제 마을 하수 처리 시설에 적용할 것인지의 여부를 판단한다(S905). 이 때, MMI 서버(300)는 통합 관리 시스템의 운영자의 선택에 따라 추론 엔진(220)이 도출한 운전 모드를 적용하도록 하는 원격 제어를 통하여 무인 운전에 의한 마을 하수 처리 시설(400)의 제어가 이루어지도록 할 수 있다.

그리고 운영자가 운전 모드의 적용을 선택하면, 마을 하수 처리 시설을 운영하고, 그 운영 결과 얻게 되는 방류수 수질 정보를 MMI 서버(300)를 거쳐 운전 모 드 결정 서버(200)로 전송하여 지식 베이스(210) 내의 수질 정보 및 소속 함수의 갱신이 이루어질 수 있도록 한다(S906).

이 때, 운영자가 운전 모드 결정 서버(200)가 제시한 운전 모드를 적용하지 않기로 판단하면, 운전 모드 결정 서버(200)는 현재 입력된 전기 전도도 정보를 기초로 하여 지식 베이스(210)로부터 유사 사례를 추출하여 소속 함수를 이용하여 시뮬레이터(240)로 모의실험을 하고, 이를 통하여 새로운 운전 모드를 산출한다(S907,S908). 이러한 과정을 거쳐 산출된 운전 모드 정보는 MMI 서버(200)를 통하여 사용자에게 제공되며, 이후의 과정은 S904 내지 S908 단계가 반복적으로 이루어진다.

도 10 내지 도 12에는 운전 모드 결정 서버(200)가 결정한 운전 모드 정보 및 이와 관련된 부가 정보가 마을 하수 처리 시설 통합 관리 시스템의 운영자에게 제공되는 예를 나타낸 것이다.

도 10은 본 발명의 실시예에 따라 결정된 운전 모드로 마을하수처리 시설이 운전되는 상태를 인간·기계간 인터페이스(MMI, man machine interface)에 의하여 구동되는 디스플레이에 나타낸 예시도이다. 도 10에 나타낸 바와 같이, 운전 모드 결정 서버(200)가 도출해 낸 운전 모드 정보가 디스플레이 상에 제공되며, MMI 서버(300)를 통해 수집되는 전기전도도를 표시하고, BOD, COD, TSS, TP, TN 등의 정보는 전기 전도도와의 상관관계에서 도출한 결과로 표시한다. 그리고, MMI 서버(300)는 각 설비들의 작동 유무와 운전 시간 등의 가동 현황을 표시한다. 표시방법은 작동 중인 설비와 휴지 중인 설비의 색을 달리 표현하여 구분할 수 있으며, 운전 시간은 설비가 작동을 시작한 시간과 작동 시작 후 얼마의 시간이 진행되었는지를 수치로 나타낼 수도 있다. 또한, MMI 서버(300)는 선택된 운전 모드를 기초로 운전 모드 결정 서버(200)내에 저장된 데이터를 이용하여 마을 하수 처리 시설의 운전이 완료된 후 예상되는 방류수의 수질 정보를 시뮬레이터(240)에서 예측한 결과값을 함께 표시하여 줄 수 있다.

도 11은 지식 베이스(210)를 기반으로 하여 운전 모드를 추론한 결과를 디스플레이상에 나타낸 예시도이다. 마을 하수 처리 시설(400)에서 입력된 정보는 운전 모드 결정 서버(200)에서의 추론 과정에 이용되고, 운전 모드 결정 서버(200)는 펌프, 교반기, 송풍기 등의 각종 설비에 대한 최적의 운전 모드를 추출한다. 이 때 결정된 운전 모드 정보는 MMI 서버(300)를 통하여, MMI 서버(300)에 의하여 구동되는 디스플레이 상에 도 11에 도시된 바와 같이 표현되어 운영자에게 제공된다.

도 12는 추론된 운전 모드의 선택 기준 및 그 결과를 설명하기 위한 디스플레이 예시도이다. 운전 모드 결정 서버(200)는 추론 엔진(220)이 도출해 낸 최적의 운전 모드가 도출된 이유에 대해 설명할 수 있는 정보를 MMI 서버(300)로 제공하여 운전 모드 선정 결과에 대한 운영자의 이해를 도모할 수 있다. 도 12에 도시된 바와 같이, 운전 모드 결정 서버(200)로 입력되어 운전 모드의 결정에 사용된 유입수 성상 데이터와 운전 시간 선정 이유를 간략히 나타내어 사용자에게 제공할 수 있다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

이와 같이 본 발명의 실시예에 의하면, 유입수의 성상 변화를 반영한 운영 관리가 곤란했던 마을 하수 처리 시설에 뉴로-퍼지 이론을 이용하는 전문가 시스템을 도입하여 운전 모드를 결정함으로써 방류 수질의 안정적인 유지가 가능하다.

그리고, 지식 베이스를 통한 운영 이력 관리 및 자동 경고 체계 확립으로 효율적인 시설물 관리 및 비상 상황 발생시 효과적인 대처가 가능하며, 마을 하수 처리 시설의 설계 당시의 공법이나 시설이 위치한 지역에 관계없이 적용 가능할 뿐만 아니라, 도출된 운전 모드를 적용하는 마을 하수 처리 시설의 무인 운전이 가능하다.

Claims

유입되는 하수의 성상과, 상기 하수의 수처리 결과 미리 설정된 방류수의 수질 기준을 만족시키기 위한 운전 모드를 뉴로-퍼지 기법을 적용하여 매칭시킨 데이터베이스를 기초로 하는 전문가 시스템 기반의, 운전 모드 추출을 위한 운전 모드 결정 서버; 및

상기 운전 모드 결정 서버의 운전 모드 추출 결과를 전송받아 마을 하수 처리 시설을 원격 운전하고, 상기 마을 하수 처리 시설로부터 수집된 유입 하수의 성상 정보를 상기 운전 모드 결정 서버로 전송하는 인간·기계간 인터페이스(man machine interface, MMI) 서버를 포함하고,

상기 운전 모드 결정 서버는

유입되는 하수 성상 및 그에 대한 운전 모드 결과 정보가 매칭되어 저장되는 지식 베이스;

상기 지식 베이스에 저장된 정보를 클러스터링하고, 퍼지 이론을 적용하여 소속 함수를 도출하며, 상기 소속 함수를 이용하여 특정 시점에서 마을 하수 처리 시설로 입력되는 유입수의 성상에 따른 최적의 운전 모드를 추출하는 추론 엔진; 및

상기 추론 엔진의 운전 모드 추출 과정에서 활용되는 유입수 성상의 분석을 위한 함수 및 관련 변수를 저장 및 관리하는 함수 관리자를 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
삭제
제1항에 있어서,

상기 추론 엔진의 운전 모드 추출 결과와, 상기 지식 베이스 및 함수 관리자에 저장된 데이터를 기초로 하여 마을 하수 처리 시설의 운전을 모의실험하는 시뮬레이터를 더 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
제1항 또는 제3항에 있어서,

상기 추출된 운전 모드는

유입 하수의 마을 하수 처리 시설 내의 전체 체류 시간, 유량 조정조 체류 시간, 침전조 체류 시간, 포기 시간, 반송 펌프를 통한 이송량, 및 상기 마을 하수 처리 시설 내의 각 단위 공정의 운전 기간 및 휴지 기간 정보 중 적어도 하나를 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
제1항 또는 제3항에 있어서,

상기 추론 엔진은

유입수 성상 정보 및 이에 대응되는 운전 모드 결과값을 매칭시켜, 최적의 운전 모드 추출을 위한 규칙을 생성하는 학습부; 및

상기 학습부가 생성한 규칙을 이용하여 특정 시점에서 마을 하수 처리 시설로 입력되는 유입수의 처리를 위한 최적의 운전 모드를 추출하는 추론부를 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
제5항에 있어서,

상기 학습부는

유입수의 성상 정보에 퍼지 이론을 적용하여 클러스터링하는 입력 데이터 그룹화 모듈;

상기 유입수 성상에 따른 운전 모드 결정 정보에 상기 퍼지 이론을 적용하여 클러스터링하는 출력 데이터 그룹화 모듈;

상기 입력 데이터 그룹화 모듈과 출력 데이터 그룹화 모듈의 클러스터링에 의하여 생성된 각각의 그룹 사이에 상호 관계성을 부여하여 퍼지 관계를 수립하고, 상기 입력 데이터 및 출력 데이터 각각에 대한 소속 함수를 도출하는 매핑 모듈; 및

상기 도출된 소속 함수를 최적화하는 최적화 모듈을 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
제6항에 있어서,

상기 유입수 성상 정보는 전기 전도도, 수온 및 유입수량 정보인 마을 하수 처리 시설의 통합 관리 시스템.
제7항에 있어서,

상기 학습부는

상기 전기 전도도 정보를 기초로 하여 유입수 내의 생물학적 산소 요구량 정보 및 화학적 산소 요구량 정보에 대한 상관 관계를 추정하여, 상기 추정된 상관 관계 결과를 소속 함수의 도출에 이용하고, 상기 추정 결과 및 도출된 소속 함수를 상기 지식 베이스로 전송하는 마을 하수 처리 시설의 통합 관리 시스템.
제8항에 있어서,

상기 지식 베이스는

상기 추론 엔진에서 추출한 운전 모드를 마을 하수 처리 시설에 적용하여 운영한 결과인, 방류수 수질 및 운전 모드 정보를 상기 MMI 서버로부터 전송받아 갱신되는 마을 하수 처리 시설의 통합 관리 시스템.
제3항에 있어서,

상기 시뮬레이터는

마을 하수 처리장의 환경 기초 데이터 및 상기 함수 관리자의 저장 정보를 이용하여 방류 수질을 예측하는 마을 하수 처리 시설의 통합 관리 시스템.
제10항에 있어서,

상기 시뮬레이터는

상기 MMI 서버를 통하여 운영자로부터 운전 모드 재선택의 신호가 입력되면, 상기 지식 베이스로부터 유사 사례를 추출하여 상기 추론 엔진에 제공하여, 새로운 운전 모드를 추출하도록 하는 마을 하수 처리 시설의 통합 관리 시스템.
제11항에 있어서,

상기 시뮬레이터는

상기 추출된 새로운 운전 모드를 이용하여 방류수의 수질을 예측하는 모의 실험을 수행하여, 상기 실험 결과가 미리 설정된 방류수의 수질 기준에 적합한 경우, 상기 추출된 새로운 운전 모드를 상기 MMI 서버로 제공하는 마을 하수 처리 시설의 통합 관리 시스템.
삭제
마을 하수 처리 시설의 원격 운전을 위한 통합 관리 시스템을 이용하는 통합 관리 방법에 있어서,

과거의 유입수 성상 정보와 그에 대응되는 운전 모드 정보를 수집하여 지식 베이스를 구축하는 단계;

상기 구축된 지식 베이스를 참조로 하여 특정 시점에서 상기 마을 하수 처리 시설로 유입된 유입수의 처리 결과 미리 설정된 방류수의 수질 기준에 부합되도록 최적의 운전 모드를 추론하는 단계;

상기 추론된 운전 모드 정보를 상기 마을 하수 처리 시설의 운영자에게 제공하고, 상기 운영자로부터 상기 추론된 운전 모드의 적용 신호가 입력된 경우, 해당 운전 모드를 상기 마을 하수 처리 시설에 적용하여 수처리를 수행하는 단계; 및

상기 수처리 후 방류수의 수질 정보와 추론된 운전 모드 정보를 이용하여 상기 지식 베이스를 갱신하는 단계를 포함하며,

상기 유입수의 성상 정보는 전기 전도도, 수온 및 유입수량 정보인 마을 하수 처리 시설의 통합 관리 방법.
마을 하수 처리 시설의 원격 운전을 위한 통합 관리 시스템을 이용하는 통합 관리 방법에 있어서,

과거의 유입수 성상 정보와 그에 대응되는 운전 모드 정보를 수집하여 지식 베이스를 구축하는 단계;

상기 구축된 지식 베이스를 참조로 하여 특정 시점에서 상기 마을 하수 처리 시설로 유입된 유입수의 처리 결과 미리 설정된 방류수의 수질 기준에 부합되도록 최적의 운전 모드를 추론하는 단계;

상기 추론된 운전 모드 정보를 상기 마을 하수 처리 시설의 운영자에게 제공하고, 상기 운영자로부터 상기 추론된 운전 모드의 적용 신호가 입력된 경우, 해당 운전 모드를 상기 마을 하수 처리 시설에 적용하여 수처리를 수행하는 단계; 및

상기 수처리 후 방류수의 수질 정보와 추론된 운전 모드 정보를 이용하여 상기 지식 베이스를 갱신하는 단계를 포함하고,

상기 추출된 운전 모드는

유입 하수의 마을 하수 처리 시설 내의 전체 체류 시간, 유량 조정조 체류 시간, 침전조 체류 시간, 포기 시간, 반송 펌프를 통한 이송량, 및 상기 마을 하수 처리 시설 내의 각 단위 공정의 운전 기간 및 휴지 기간 정보 중 적어도 하나를 포함하는 마을 하수 처리 시설의 통합 관리 방법.
제14항 또는 제15항에 있어서,

상기 지식 베이스 구축 단계는

과거의 유입수 성상 정보에 퍼지 이론을 적용하여 클러스터링하는 단계;

상기 과거의 유입수 성상에 대응되는 운전 모드 정보에 상기 퍼지 이론을 적용하여 클러스터링하는 단계;

상기 유입수 성상 정보 및 운전 모드 정보의 클러스터링 단계에서 생성된 각각의 그룹 사이에 상호 관계성을 부여하여 퍼지 관계를 수립하고, 상기 각각의 정보에 대한 소속 함수를 도출하는 단계; 및

상기 도출된 소속 함수를 최적화하는 단계를 포함하는 마을 하수 처리 시설의 통합 관리 방법.
제16항에 있어서,

상기 유입수 성상 정보 중 전기 전도도 정보를 기초로 하여 유입수 내의 생물학적 산소 요구량 정보 및 화학적 산소 요구량 정보에 대한 상관 관계를 추정하는 단계를 더 포함하는 마을 하수 처리 시설의 통합 관리 시스템.
제14항 또는 제15항에 있어서,

상기 운영자로부터 상기 추출된 운전 모드를 적용하지 않는 선택 신호가 입력된 경우, 상기 지식 베이스로부터 상기 유입수 성상과 유사한 사례를 추출하고, 상기 추출된 사례 정보를 기초로 하여 새로운 운전 모드를 추론하는 단계를 더 포함하는 마을 하수 처리 시설의 통합 관리 방법.