KR100834187B1

KR100834187B1 - 베이지안 네트워크를 이용한 하ㆍ폐수 처리공정의 진단시스템

Info

Publication number: KR100834187B1
Application number: KR1020070004988A
Authority: KR
Inventors: 김성신; 천성표; 백경동; 김창원; 김종락; 유수전
Original assignee: 부산대학교 산학협력단
Priority date: 2007-01-17
Filing date: 2007-01-17
Publication date: 2008-06-10

Abstract

본 발명은 하ㆍ폐수 처리공정의 진단을 위해, 다수의 변수들 간의 확률적 관계를 표현하고 학습 가능한 그래프 모델인 베이지안 네트워크를 이용하여 유출수 수질에 영향을 주는 일별 유출수 데이터 및 실시간 측정 데이터 등의 요소들 간의 조건부 독립관계를 이용한 상관관계를 정의함으로써 유출수 수질의 상태를 추론하는 하ㆍ폐수 처리공정의 진단 시스템이다.

본 발명에 따른 하ㆍ폐수 처리공정의 진단 시스템은, 종래 운영자의 경험에 의존한 하ㆍ폐수 처리장치의 운영과 달리, 학습가능한 베이지안 네트워크를 이용하여 발생 가능한 문제점들을 예측하여 효율적인 하ㆍ폐수 처리장치의 운영을 도모할 수 있다. 이는, 하ㆍ폐수 처리장치의 운전상태를 진단, 평가하고 유출수 수질의 예측을 가능하게 함으로써 최소의 운영관리 인원으로 효율적인 하ㆍ폐수 처리장치의 운영이 가능하고, 나아가 수질사고의 발생을 예방할 수 있다.

하폐수 처리 시스템, 베이지안 네트워크, 후방향 추론, maximum posterior hypothesis, Learning Bayesian Networks

Description

베이지안 네트워크를 이용한 하ㆍ폐수 처리공정의 진단 시스템{Diagnosis System for biological wastewater treatment process using Bayesian Networks}

도 1은 본 발명에 따른 진단 시스템의 구성도.

도 2는 본 발명에 따른 진단 시스템의 흐름도.

도 3은 본 발명에 따른 진단 시스템에서 보여주는 하ㆍ폐수 처리공정에 미치는 주요 변수들 간의 확률적 관계를 보여주는 베이지안 네트워크의 그래프 모델.

도 4는 본 발명에 따른 진단 시스템에서 보여주는 결과표시부의 화면의 일 실시예.

도 5는 본 발명에 따른 진단 시스템에서 보여주는 결과표시부의 화면의 다른 실시예.

**도면의 주요 부분에 대한 부호의 설명**

10 : 베이지안 네트워크 100 : 계측기

200 : 데이터 베이스 310 : 유출수질 판단부

320 : 유출수질 예측부 400 : 공정 진단부

500 : 네트워크 학습부 600 : 결과 표시부

본 발명은 하ㆍ폐수 처리공정의 진단을 위해, 다수의 변수들 간의 확률적 관계를 표현하고 학습 가능한 그래프 모델인 베이지안 네트워크를 이용하여 유출수 수질에 영향을 주는 일별 유출수 데이터 및 실시간 측정 데이터 등의 요소들 간의 조건부 독립관계를 이용한 상관관계를 정의함으로써 유출수 수질의 상태를 추론하는 하ㆍ폐수 처리공정의 진단 시스템에 관한 것이다.

일반적으로 생물학적 하ㆍ폐수 처리장치는 호기조, 혐기조, 무산소조, 침전조 등의 다수의 각 반응조(단)의 조합으로 구성되며, 상기 각 반응조의 반응 환경을 적절히 제어함으로써 특정 미생물들의 활성을 촉진시켜 하ㆍ폐수를 정화시키는 장치이다.

이러한 생물학적 하ㆍ폐수 처리공정은 구성되는 각 반응조의 크기와 배치 그리고 운전 방법에 따라 다양하며, 현재 국내 하ㆍ폐수 처리시설의 대부분이 생물학적 처리 방법을 사용하고 있는 것으로 알려져 있으며, 하ㆍ폐수 처리공정의 진단 요소로는 일반적으로 유출수의 수질 분석 항목 중 인(PO₄), 암모니아(NH₄), 질산염(NOx) 농도가 법적으로 정해진 허용 수질 기준과 대비하는 것으로 이루어진다.

이러한 하ㆍ폐수 처리공정은 전형적인 비선형 공정이고 각 공정 사이의 의존 성이 높기 때문에, 유입부터 유출까지 각 반응조의 환경이 연속적으로 적절한 조건으로 운전되어야만 원하는 유출수질을 얻을 수 있다. 특히, 반응조의 운전 과정상, 특정 공정에서 이상이 발생하는 경우에 대부분 이어지는 후속 공정까지 영향을 미치게 되어 결국은 유출수의 수질을 악화시키게 된다.

한편, 하ㆍ폐수 처리장치에 대한 감시와 운전기술 등에 관한 것으로는 대부분 유출수질의 측정센서나 계측기에서 획득한 값을 운영자에게 보여 주는 데 그치고 있기 때문에, 실제 하ㆍ폐수 처리공정의 제어나 처리공정의 진단은 운전자의 경험과 지식에 의존하는 것이 대부분이었다.

특히, 최근 하ㆍ폐수 처리장치가 고도화, 복잡화, 다양화됨에 따라 최적운전을 위해서 고려해야 할 요소가 다양하고 복잡해지고 있는 실정임을 감안할 때 종래 운전자의 경험에 의존하는 기술로는 다양하고 복잡해진 문제점들을 분석 관리할 수 없다는 문제점이 있었다.

또한, 무인화 하ㆍ폐수 처리장치의 경우 소수의 운전자가 여러 시설을 동시에 관리해야함으로 다양한 계측기로부터 전송되는 데이터를 분석하여 하ㆍ폐수 처리 시설의 상태를 예측 및 진단하여 보고해 줌으로써 운전자를 보조함과 동시에 신속하고 정확한 수질 상황을 파악해서 즉각적인 조치가 가능한 하ㆍ폐수 처리공정의 진단 시스템에 대한 필요성은 날로 높아지고 있다.

본 발명은 상기의 문제점을 해결하기 위하여, 종래 운전자의 지식이나 경험에만 의존하여 진단하던 것을 학습가능한 베이지안 네트워크를 이용하여 발생 가능 한 문제점들을 예측하여 효율적인 하ㆍ폐수 처리공정의 진단이 가능한 하ㆍ폐수 처리공정의 진단 시스템을 제공함에 그 목적이 있다.

본 발명은 상기와 같은 목적을 달성하기 위하여 제안된 것으로, 다수로 구성되는 반응조의 상태 및 각 반응조의 유출수에 대한 분석에 기하여 하ㆍ폐수 처리장의 공정을 진단하는 시스템에 있어서, 각 유출수들을 하루에 한번 채집하여 시료 분석한 일별 유출수 데이터와 실시간 센서를 통한 각 반응조들의 실시간 측정 데이터를 수집하여 송신하는 계측기와; 상기 일별 유출수 데이터 및 실시간 측정 데이터 각각을 저장하며, 만약, 상기 일별 유출수 데이터가 발생되지 않았을 경우에는, 실시간 측정 데이터를 베이지안 네트워크에 입력시켜 추론된 유출수 예측 데이터를 저장하는 데이터 베이스와; 상기 데이터 베이스로부터 일별 유출수 데이터를 전달받아, 유출수 성분의 이상 유무를 판단하되, 상기 이상 유무의 기준은 해당 유출수 성분의 법적 기준치 및 변화량에 의해 판단하는 유출수질 판단부와; 상기 데이터 베이스부로부터 유출수 예측 데이터를 전달받아, 유출수 성분의 이상 유무를 판단하되, 상기 이상 유무의 기준은 해당 유출수 성분의 법적 기준치 및 변화량에 의해 판단하는 유출수질 예측부와; 베이지안 네트워크를 포함하고, 상기 유출수질 판단부 또는 유출수질 예측부에 의한 유출수 성분의 이상 여부 및 상기 데이터 베이스부로부터의 실시간 측정 데이터 각각을 베이지안 네트워크에 입력시켜 현재 각 반응조의 상태, 처리공정의 이상 유무를 진단하는 공정 진단부로 이루어지되, 상기 베이지안 네트워크는 반응조에 영향을 미치는 변수들 간의 확률적 연관관계를 추론 가능하도록 하여, 상기 반응조의 실측 분석 자료가 확보되지 않은 상태에서도 반응조의 상태를 추론하여 하ㆍ폐수 처리공정을 진단하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템을 제공한다.

또한, 상기 하ㆍ폐수 처리공정의 진단 시스템은 상기 베이지안 네트워크의 더욱 정확한 예측결과를 위하여, 베이지안 네트워크가 포함하는 조건부 확률을 보정하는 베이지안 네트워크 학습부를 더욱 포함하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템을 제공한다.

또한, 상기 베이지안 네트워크 학습부는 일별 유출수 데이터 및 유출수 예측 데이터 사이의 오차에 대한 최소 자승값(RMSE)을 구하고, 상기 최소 자승값이 해당 데이터의 허용 기준치를 초과했을 경우에 베이지안 네트워크의 학습이 필요하다고 판단하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템을 제공한다.

또한, 상기 일별 유출수 데이터는 SCOD, PO₄, NH₄, NOx의 농도값들이며, 상기 실시간 측정 데이터는 각 반응조의 pH, ORP, DO, 온도, 폭기량, 외부탄소원 주입량이고, 상기 공정 진단부에서 반응조에 영향을 미치는 변수는 상기 일별 유출수 데이터 및 실시간 측정 데이터 각각인 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템을 제공한다.

또한, 상기 하ㆍ폐수 처리공정의 진단 시스템은 상기 공정 진단부의 결과를 디스플레이하는 결과 표시부를 더욱 포함하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템을 제공한다.

본 발명은 다수로 구성되는 반응조의 상태 및 각 반응조의 유출수에 대한 분석에 기하여 하ㆍ폐수 처리장의 공정을 진단하는 시스템이되, 상기 반응조의 실측 분석 자료가 확보되지 않은 상태에서도 각 반응조의 상태를 추론하고 하ㆍ폐수 처리공정을 진단하기 위한 것이다.

이에, 본 발명에 따른 하ㆍ폐수 처리공정의 진단 시스템은 크게, 각 반응조들의 측정 데이터를 수집하는 계측기와, 상기 측정 데이터 각각 또는 베이지안 네트워크에 의해 추론된 예측 데이터를 저장하는 데이터 베이스와, 유출수 성분의 이상 유무를 판단하거나 예측하는 유출수질 판단부 및 유출수질 예측부와, 상기 유출수 성분의 이상 여부 및 실시간 측정 데이터 각각을 베이지안 네트워크에 입력시켜 현재 각 반응조의 상태 및 이상 공정에 따른 해결방안 등을 추론하는 공정 진단부로 구성된다.

또한, 상기 베이지안 네트워크가 포함하는 조건부 확률을 보정하는 베이지안 네트워크 학습부와, 각 반응조의 이상 여부나 실측값 또는 확률 추정값에 따른 각 반응조의 상태를 디스플레이하는 결과 표시부를 더욱 포함하여 구성될 수도 있다.

특히, 상기 베이지안 네트워크는 유출수 수질의 상태를 예측하기 위하여, 유출수 수질에 영향을 주는 일별 유출수 데이터 및 실시간 측정 데이터 등의 요소들 간의 상관관계를 조건부 확률로써 정의하여 추론하는 구성요소이다.

한편, 본 발명에 구성되는 베이지안 네트워크(Bayesian networks)를 간단히 살펴보면, 베이지안 네트워크는 변수에 해당하는 노드와 그 노드(변수)들간의 확률 적 관계를 나타내는 방향성 간선들로 구성된 DAG(directed acyclic graph) 구조를 가지며, 상기 변수들 간의 결합 확률분포(joint probability distribution)를 효율적으로 표현할 수 있는 그래프 모델이다.

수학식 1에서 보이는 것과 같이, 각 변수들 사이의 연관성(조건부 확률)을 계산하기 위한 것으로 베이즈 룰(Bayes’rule)로 정의된다. 이는, 사건 a가 발생했을 경우, 사건 b가 발생할 확률을 구하는 것이다.

보다 구체적으로, 변수 집합 X = {X ₁ , ..., X _n }에 대한 베이지안 네트워크는 상기 X의 변수들 간의 조건부독립성(conditional independence assertion)을 표현하고 있는 망 구조 S와, 각 변수들의 지역확률분포(local probability distribution)집합 P 의 구성요소로 이루어진다. 상기 망 구조 S는 DAG 형태로 표현되며(도 3 참조), S의 각 노드는 X의 변수들과 일대일 대응이 된다.

상기 네트워크 구조(망 구조)가 나타내는 조건부독립성에 의하면 주어진 구조 S에서 X의 결합확률분포는 수학식 2와 같이 표현된다.

x _i 는 변수와 그 변수에 해당하는 노드를 동시에 가리키며, Pa _i 는 그래프 S에 서 X _i 의 부모노드(변수)의 집합을 나타낸다. 또한, S에서 간선으로 연결되지 않은 노드들은 서로 조건부독립관계에 있음을 의미한다.

즉, 지역확률분포 P는 위 수식의 Π 안의 각 항에 대응되며, 베이지안 네트워크 (S, P)가 주어지면 원하는 확률을 추론할 수 있다.

이에, 본 발명은 하ㆍ폐수 처리공정의 진단을 위하여, 상술한 것과 같이 베이지안 네트워크를 이용하여 하ㆍ폐수 처리공정에 주요 영향을 미치는 다수의 변수들 간의 확률적 관계를 학습하도록 하여 추론하도록 구성한다.

이하, 본 발명에 따른 바람직한 각 실시 예를 첨부된 도면을 참조하여 상세히 살펴보면 다음과 같으며, 본 발명을 설명함에 있어서 관련된 공지기술 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명은 생략하기로 하고, 또한, 상기에서 설명된 본 발명에 대한 구성요소 간의 관계 등에 따른 설명이 중복되는 경우에는 그 설명을 생략하기로 한다.

도 1 및 도 2 각각은 본 발명에 따른 진단 시스템의 구성도와 흐름도를 보여주며, 도 3은 본 발명에 따른 진단 시스템에서 보여주는 하ㆍ폐수 처리공정에 미치는 주요 변수들 간의 확률적 관계를 보여주는 베이지안 네트워크의 그래프 모델이다.

도 4 및 도 5 각각은 본 발명에 따른 진단 시스템에서 보여주는 결과표시부의 화면의 실시 예들이다.

도 1에서 보이는 것과 같이, 본 발명은 다수로 구성되는 반응조의 상태 및 각 반응조의 유출수에 대한 분석에 기하여 하ㆍ폐수 처리장의 공정을 진단하는 시스템으로써, 그 구성으로는 각 반응조들의 측정 데이터를 수집하는 계측기(100), 상기 측정 데이터 각각 또는 베이지안 네트워크(10)에 의해 추론된 예측 데이터를 저장하는 데이터 베이스(200), 유출수 성분의 이상 유무를 판단하거나 예측하는 유출수질 판단부(310) 및 유출수질 예측부(320), 상기 유출수 성분의 이상 여부 및 실시간 측정 데이터 각각을 베이지안 네트워크(10)에 입력시켜 현재 각 반응조의 상태 및 이상 공정에 따른 해결방안 등을 추론하는 공정 진단부(400)로 구성된다.

또한, 상기 베이지안 네트워크(10)가 포함하는 조건부 확률을 보정하는 베이지안 네트워크 학습부(500)와, 상기 공정 진단부(400)의 결과를 디스플레이하는 결과 표시부(500)를 더욱 포함하여 구성될 수도 있다.

도 1과 도 2를 참조하여, 본 발명의 구성을 상세히 살펴보면, 하ㆍ폐수 처리장 시설에 구성되는 다수의 반응조에 대하여, 해당 반응조의 유출수들을 하루에 한번 채집하여 시료 분석한 일별 유출수 데이터 및 각 반응조마다 설치된 실시간 센서를 통해 얻어지는 실시간 측정 데이터 각각을 수집하여 송신하는 계측기(100)가 구성된다.

특히, 본 발명이 적용되는 하ㆍ폐수 처리장 시설이 생물학적 처리장인 경우, 상기 일별 유출수 데이터는 통상 하ㆍ폐수 처리 관리자가 하루에 한번 일정 시각에 맞춰 시료 분석하는 자료들이면 충분하며, 그 세부적인 데이터의 종류로는 SCOD(화학적 산소요구량), PO₄(인), NH₄(암모니아), NOx(질산염)의 농도값들로 구성되는 것이 바람직하다. 또한, 상기 실시간 측정 데이터의 세부적인 데이터는 각 반응조의 pH, ORP, DO, 온도, 폭기량, 외부탄소원 주입량이면 충분하다.

데이터 베이스(200)는 상기 일별 유출수 데이터 및 실시간 측정 데이터 각각을 저장한다, 만약, 상기 일별 유출수 데이터가 발생되지 않았을 경우, 즉 관리자가 현재 시점에서 유출수의 시료 분석하기 전의 경우로서 이 경우에는 베이지안 네트워크(10)를 이용하여 상기 일별 유출수 데이터를 대용할 수 있는 예측값인 유출수 예측 데이터를 발생시키도록 하여 저장하는 것이 바람직하다.

상기 유출수 예측 데이터를 얻기 위하여는 베이지안 네트워크(10)에 상기 계측기(100)로부터의 실시간 측정 데이터를 입력시켜 유출수 예측 데이터를 추론 하도록 하며, 보다 나은 추론값을 없기 위해 베이지안 네트워크(10)에 구성되는 변수 중 상기 일별 유출수 데이터에 대응하는 변수들에게는 초기값들을 미리 설정해 줄 수도 있다.

상기의 베이지안 네트워크(10)에 구성되는 초깃값들은 해당 하ㆍ폐수 처리장의 종류와 이에 구성되는 반응조의 환경 등에 따라 최적의 예상으로 관리자의 경험칙에 따라 선택적으로 구성하거나, 과거의 실제 측정된 값들을 사용하는 것이 바람직하며, 후술되는 베이지안 네트워크 학습부(500)에 의해 설정 가능하다.

유출수질 판단부(310) 및 유출수질 예측부(320) 각각은 상기 데이터 베이스 로부터 일별 유출수 데이터 또는 유출수 예측 데이터 각각을 전달받아 유출수의 성분을 분석 판단하여 유출수가 포함하는 다수의 변수들이 정상인지 비정상인지를 판단하되, 판단시의 기준으로는 법적 기준치 및 변화량을 기준으로 하는 것이 바람직하다.

특히, 유출수질 예측부(300)의 경우에는, 유출수 수질 성분 각각의 정확한 값(예, 어떤 성분의 농도값)을 예측하도록 구성되는 것이 바람직하나, 유출수 수질 성분 각각의 상태를 예측하는 것이면 충분하다. 즉, 유출수의 수질성분 중 어떤 성분의 농노값이 정상이다 또는 비정상이다 라는 상태를 예측할 수 있으면 충분하다.

하ㆍ폐수 처리공정의 진단을 판단하는 공정 진단부(400)는 상기 유출수질 판단부(310) 또는 유출수질 예측부(320)로부터 얻은 반응조의 정보와 상기 데이터 베이스부로부터의 실시간 측정 데이터 각각을 베이지안 네트워크(10)에 입력시킴으로써, 유출수 성분의 이상 여부와 처리공정의 이상 유무를 진단하도록 구성된다.

도 3에서 보이는 것과 같이, 상기 공정 진단부(400)에 구성된 베이지안 네트워크(10)에 의해 보여지는 그래프 모델에는 하ㆍ폐수 처리공정의 이상 유무를 판단하는 주요 변수들 간의 상관관계가 확률로써 나타나며, 이를 통해 실측되지 않았거나 측정되지 않는 요인들을 추정하도록 구성된다.

또한, 생물학적 하ㆍ폐수 처리공정의 경우, 공정의 진단 요소(변수)인 유출수의 일별 유출수 데이터 또는 유출수 예측 데이터인 인(PO₄), 암모니아(NH₄), 질산염(NOx) 농도가 법적인 허용 수질기준을 벗어날 가능성이 농후하거나, 시료 분석 결과 이미 벗어났을 경우, 상기 베이지안 네트워크를 이용하면, 예상되는 원인 (다른 변수의 값)이나 세부 공정을 추론할 수 있다.

한편, 베이지안 네트워크 학습부(500)는 상기 베이지안 네트워크(10)의 유효성 확보, 즉 더욱 정확한 예측결과를 위하여, 베이지안 네트워크(10)가 포함하는 조건부 확률을 보정하도록 구성하는 것이 바람직하다.

이는, 반응조들을 포함하는 주요 설비 점검 대상과 유출수 수질에 영향을 주는 요소들 간의 기본적인 상관관계를 조건부 확률을 이용해서 초기화시켜둔 후, 일정 기간 안정화를 거친 후 베이지안 네트워크(10)를 학습시켜서 각 처리 시설에 적합한 확률을 주기적으로 설정하도록 함이 바람직하다.

특히, 상기 베이지안 네트워크 학습부(500)는, 아래의 수학식 3에서 보이는 것과 같이, 일별 유출수 데이터 및 유출수 예측 데이터 사이의 오차에 대한 최소 자승값(RMSE)을 구하고, 상기 최소 자승값이 해당 데이터의 허용 기준치를 초과했을 경우에 베이지안 네트워크의 학습이 필요하도록 구성하는 것이 바람직하다.

이는 예측 값과 실측값의 오차를 최소자승오차의 계산함으로써, 상기 베이지안 네트워크의 유효성을 확보하는 것이다.

한편, 본 발명이 적용되는 하ㆍ폐수 처리공정이 생물학적 처리공정에 따르는 경우, 상기 일별 유출수 데이터는 SCOD, PO₄, NH₄, NOx의 농도값들로, 상기 실시간 측정 데이터는 각 반응조의 pH, ORP, DO, 온도, 폭기량, 외부탄소원 주입량으로 구성되는 것이 바람직하다. 또한, 이와 더불어 상기 공정 진단부에서 반응조에 영향을 미치는 변수는 상기 SCOD, PO₄, NH₄, NOx의 농도값들과 각 반응조의 pH, ORP, DO, 온도, 폭기량, 외부탄소원 주입량으로 구성되는 것이 바람직하다.

상기 생물학적 하ㆍ폐수 처리공정으로는 대표적으로 5단 EBPR공정(fsEBPR)이 있으며, 이는 질소와 인 제거에 필요한 유기물을 최소화시키고 각 반응조 내에 높은 미생물량을 유지할 수 있을 뿐만 아니라, 체류시간 단축 같은 장점이 있는 분할 주입 방식을 이용한다.

또한, 무산소 조건에서 인 흡수와 탈질을 동시에 수행하는 dPAOs (denitrifying Phosphorus Accumulating Organisms)를 이용하여 유기물 요구량과 산소 요구량을 감소시킬 수 있고 낮은 수율로 인해 슬러지 발생량을 줄일 수 있는 효과적인 하ㆍ폐수 처리공정이다.

한편, 도 3 또는 도 4는 상기 공정 진단부(400)에 의해 진단되거나 추론되는 결과를 결과 표시부(600)에 의해 모니터 등과 같은 디스플레이 수단을 통해 보여주는 것이다.

도 3과 도 4는 결과 표시부(600)에서는 5단 EBPR공정(fsEBPR)인 하ㆍ폐수 처리공정에 있어서의 결과를 표시하는 것으로, 공정 상태에 영향을 미치는 주요변수들과 각 변수들 간의 상관관계가 해당 조건부 확률 및 연관성을 표시하는 그래프 모델을 보여주고 있는 것이다.

도 3은 베이지안 네트워크의 분석전의 결과를 보여주는 것이며, 도 4는 베이지안 네트워크의 분석이 있은 후 각 변수들에 해당하는 추정 조건부 확률(예측값)과 이상 유무를 표시하여 보여주고 있다.

상기에서는 본 발명에 따른 바람직한 실시한 예에 한정하여 상술하였으나, 본 발명이 이에 한정되지 않고 다양하게 변경 또는 수정될 수 있음은 당업자에 자명하다 할 것이다.

본 발명에 따른 하ㆍ폐수 처리공정의 진단 시스템은 종래의 관리자의 경험과 지식에 의존해서 분석되고 있는 하ㆍ폐수 처리공정의 진단을 각 처리시설에 축적되어 있는 자료를 이용해서 베이지안 네트워크를 학습시킨 후, 학습 된 베이지안 네트워크를 이용해서 유출수질을 예측하고 또 진단해 줌으로써 지속적이고 안정적인 하ㆍ폐수 처리시설의 운영이 가능한 이점이 있다.

본 발명은 유출수질의 결정에 있어 연관성이 높고, 실시간 센서로부터 획득한 실측 데이터로부터 추정 가능한 몇 가지 지표를 이용해서 실제 시료 분석 결과가 나오기 이전에도 유출수질을 예측할 수 있으며, 실제 시료 분석 결과가 나왔을 때는 수질 악화의 가장 유력한 원인을 예측할 수 있는 이점이 있다.

Claims

다수로 구성되는 반응조의 상태 및 각 반응조의 유출수에 대한 분석에 기하여 하ㆍ폐수 처리장의 공정을 진단하는 시스템에 있어서,

각 유출수들을 하루에 한번 채집하여 시료 분석한 일별 유출수 데이터와 실시간 센서를 통한 각 반응조들의 실시간 측정 데이터를 수집하여 송신하는 계측기와;

상기 일별 유출수 데이터 및 실시간 측정 데이터 각각을 저장하며, 만약, 상기 일별 유출수 데이터가 발생되지 않았을 경우에는, 실시간 측정 데이터를 베이지안 네트워크에 입력시켜 추론된 유출수 예측 데이터를 저장하는 데이터 베이스와;

상기 데이터 베이스로부터 일별 유출수 데이터를 전달받아, 유출수 성분의 이상 유무를 판단하되, 상기 이상 유무의 기준은 해당 유출수 성분의 법적 기준치 및 변화량에 의해 판단하는 유출수질 판단부와;

상기 데이터 베이스부로부터 유출수 예측 데이터를 전달받아, 유출수 성분의 이상 유무를 판단하되, 상기 이상 유무의 기준은 해당 유출수 성분의 법적 기준치 및 변화량에 의해 판단하는 유출수질 예측부와;

베이지안 네트워크를 포함하고, 상기 유출수질 판단부 또는 유출수질 예측부에 의한 유출수 성분의 이상 여부 및 상기 데이터 베이스부로부터의 실시간 측정 데이터 각각을 베이지안 네트워크에 입력시켜 현재 각 반응조의 상태, 처리공정의 이상 유무를 진단하는 공정 진단부로 이루어지되,

상기 베이지안 네트워크는 반응조에 영향을 미치는 변수들 간의 확률적 연관관계를 추론 가능하도록 하여, 상기 반응조의 실측 분석 자료가 확보되지 않은 상태에서도 반응조의 상태를 추론하여 하ㆍ폐수 처리공정을 진단하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템.
제 1항에 있어서, 하ㆍ폐수 처리공정의 진단 시스템은,

상기 베이지안 네트워크의 보다 정확한 예측결과를 위하여, 베이지안 네트워크가 포함하는 조건부 확률을 보정하는 베이지안 네트워크 학습부를 더욱 포함하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템.
제 2항에 있어서, 상기 베이지안 네트워크 학습부는,

일별 유출수 데이터 및 유출수 예측 데이터 사이의 오차에 대한 최소 자승값(RMSE)을 구하고, 상기 최소 자승값이 해당 데이터의 허용 기준치를 초과했을 경우에 베이지안 네트워크의 학습이 필요하다고 판단하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템.
제 1항 또는 제 2항에 있어서,

상기 일별 유출수 데이터는 SCOD, PO₄, NH₄, NOx의 농도값들이며, 상기 실시간 측정 데이터는 각 반응조의 pH, ORP, DO, 온도, 폭기량, 외부탄소원 주입량이고,

상기 공정 진단부에서 반응조에 영향을 미치는 변수는 상기 일별 유출수 데이터 및 실시간 측정 데이터 각각인 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템.
제 1항에 있어서, 상기 하ㆍ폐수 처리공정의 진단 시스템은,

상기 공정 진단부의 결과를 디스플레이하는 결과 표시부를 더욱 포함하는 것을 특징으로 하는 하ㆍ폐수 처리공정의 진단 시스템.