KR101139161B1 - 단기 물 수요예측 시뮬레이터 - Google Patents

Abstract

본 발명은 단기 물 수요예측 시뮬레이터에 관한 것으로, 더욱 바람직하게는 최적의 물 수요 예측량으로 적정 정수생산을 정확하게 결정함으로써 정수장 최적운영을 가능하게 하고 물 배분의 확보를 위한 운전 관리 및 경영측면에서는 용수생산단가를 절감할 수 있도록 하기 위한 것이다.
본 발명의 단기 물 수요예측 시뮬레이터의 구성은 실시간 유량 및 기상데이터를 취득하는 연계 시스템, 수요예측프로그램 수행을 위한 데이터 형식 변환 모듈, 6개 수요예측알고리즘 모듈, 모델 파라메타 및 예측결과의 저장모듈로 구성한 것을 특징으로 하는 단기 물 수요예측 시뮬레이터를 제공한다.

Description

단기 물 수요예측 시뮬레이터{Simulator for forecasting short-term demand of water}

본 발명은 단기 물 수요예측 시뮬레이터에 관한 것으로, 더욱 바람직하게는 최적의 물 수요 예측량으로 적정 정수생산을 정확하게 결정함으로써 정수장의 최적운영을 가능하게 하고 물 배분의 확보를 위한 운전 관리 및 경영측면에서는 용수생산단가를 절감할 수 있도록 하기 위한 것이다.

우리나라 용수사용량의 증가로 인한 수자원 부족 현상을 해소하고, 수도시설의 경제적 운영관리를 위하여 통합운영센터 구축을 통한 수운영시스템이 활발하게 운영되고 있다. 이와 같은 수량 관리 및 사업장별 경제적 운영관리는 수운영시스템의 수요예측 및 취ㆍ송수제어 프로그램에 의해 각 지자체별 수요예측값 산출 후 이에 기반한 사업장별 유량, 수위 및 펌프운전 계획을 통해 이루어지도록 구성되어 있다.

그러나 지자체별 수요패턴의 불규칙성, 지자체 사업장 운영 데이터의 미공유, 수도 사고시 연계운영에 따른 사업장별 운영패턴의 변화 및 잦은 전력요금체계 변경 등의 환경변화로 정확한 수요예측이 어려워 사업장별 최적의 경제적 운영에 한계성이 나타나고 있다.

최적의 물 수요 예측량으로 적정 정수생산량을 정확하게 결정함으로써 정수장 최적운영이 가능하게 되나 위와 같은 문제점으로 여전히 단기 물 수요 예측 기술이 활용되지 못하므로 국내 특성에 맞은 단기 물 수요 예측 기술과 활용방안의 개발이 시급하다.

그리하여 개발된 특허 등록 제 724497호의 "물 수요 예측 시스템."의 구성은 도 6에 나타내는 바와 같이, 용수 공급 실적 데이터 및 예측 요인 데이터를 저장하는 데이터베이스(40)와; 복수의 물 수요 예측 알고리즘들에 대한 차수 및 계수를 상기 데이터베이스에 저장된 실적 데이터와 예측 요인 데이터를 요소 특성 분석 방식을 통해 자동 계산하는 자동 차수/계수 결정부(10)와; 상기 설정된 자동 차수/계수를 소정 물 수요 예측 알고리즘에 적용하여 시뮬레이션 한 결과와 현재 사용되는 예측 알고리즘을 비교하여 오차가 더 작은 예측 알고리즘을 결정하는 수요 예측 알고리즘 운영부(20)와; 상기 수요 예측 알고리즘 운영부에 의해 운영되는 용수 공급 계통의 하위 제어 시스템(60)들을 포함하는 것을 특징으로 하는 물 수요 예측 시스템으로 구성되어 있다.

상기 종래기술의 구성의 동작은 용수 공급 과정을 통해 발생되어 저장된 유량 실적 데이터와, 상기 실적 데이터와 관련된 예측 요인 데이터를 활용하여, 다수의 용수 공급 예측 알고리즘을 이용해 다수의 예측 대상(용수 공급 구간)에 대하여 예측하고자 할 때, 자동으로 각 예측 대상별로 적합한 예측 알고리즘을 선택하기 위해 상관계수 분석 및 요소 특성별 분석 방식에 따라 자동으로 차수와 계수를 계산하고, 온라인에 적용되는 알고리즘과 비교 선택하여 사용할 수 있도록 하는 것이다.

그러나 상기 종래기술은 용수 공급 시스템이 다수의 수요예측 알고리즘을 다수개의 수요예측 대상별로 적용할 경우에, 예측 요인을 요소 특성 분석 방식(실적치, 날씨, 요일, 기후)에 의해 자동으로 계산함으로써, 수요예측 알고리즘의 차수 및 계수를 자동으로 용이하게 결정할 수 있지만, 데이터 결측 및 이상치에 대한 데이터마이닝기법이 요구되고, 일별 예측값과 시간별 예측값을 각각 확인할 수 없고, 각 알고리즘에 대한 최대 예측값과 최소 예측값을 확인하여 최적의 알고리즘을 선정할 수 없을 뿐만 아니라 각 알고리즘의 파라메타를 엔지니어가 자유롭게 변경할 수 없기 때문에 예측 모델에 대한 최적화를 이룰 수 없는 문제점이 있다.

이와 같이 우리나라는 용수사용량의 증가로 인한 수자원 부족 현상을 해소하고, 수도시설의 경제적 운영관리를 위하여 통합운영센터 구축을 통한 수운영시스템이 활발하게 운영되고 있다.

수운영시스템의 목적은 첫째, 급수구역에 충분한 수량과 적정한 수압을 확보하는 것, 둘째, 사고나 재해의 긴급대응 즉 긴급시에 물 배분의 확보를 위한 운전관리, 셋째, 자동화를 통한 원격제어의 집중화에 의한 전력요금 절감 등 비용의 저감을 도모하는 것이다.

이러한 안정적 물공급과 경제적 운영관리를 위하여 1일 및 1시간 단위의 단기 물 수요예측이 반드시 필요하다. 그러나 물공급이 필요한 지역은 일반 가정지역, 상업지역, 공장지역, 그리고 혼합 지역 등 다양한 지역특성과 지역별 환경 특성에 따라 다양한 물 수요 특징을 가지고 있다. 따라서, 이와 같은 다양한 조건에 따른 물 수요지역에 대한 최적의 수요예측모델과 모델의 파라메타를 선정하기 위한 단기 물 수요예측 시뮬레이터를 발명하였다.

상기와 같은 목적을 달성하기 위한 본 발명의 구성을 첨부된 도면에 의거하여 보다 구체적으로 설명하면 다음과 같다.

본 발명의 단기 물 수요예측용 시뮬레이터의 구성은 도 1에 나타내는 바와 같이, 실시간 데이터 취득을 위한 실시간 수도정보시스템(100) 및 실시간 물관리시스템(200)과의 연계 시스템(300), 수요예측프로그램 수행을 위한 데이터 형식 변환 모듈(400), 6개 수요예측알고리즘 모듈(500), 그리고 모델 파라메타 및 예측결과의 저장모듈(600)로 각각 구성되어 있다.

상기 각 구성요소의 세부 특징을 살펴보면, 연계 시스템(300)에 있어서는 대상 사업장의 유출유량 데이터 취득을 위하여 실시간 수도정보시스템(100)에서 얻어진 데이터베이스와의 연계는 물론, 대상 사업장의 실시간 물관리시스템(200)에서 얻어진 기상데이터 확보를 위하여 연계 시스템(300)에서 서로 연계되도록 구성하였다. 물사용량 및 기상데이터의 취득 주기는 매 1시간 단위로 설정할 수 있으며, 특정기간의 과거 이력데이터 취득도 가능할 수 있도록 구성하였다.

그리고 단기 물 수요예측 프로그램 수행을 위한 데이터 파일 생성은 다음과 같은 형식으로 년월일시, 유량데이터, 그리고 기상데이터 순으로 저장한다. 매일 1시부터 24시까지의 시간별 데이터는 시간 순으로 저장하고 일 예측을 위하여 24시 이후 일 적산유량과 일 평균 기상값으로 표시하였다. 또한, 데이터 마이닝을 통하여 데이터 결측 및 이상치 검출과 이를 보정하는 방안을 포함한다.

본 발명의 시뮬레이터에서는 6개의 선형 및 비선형모델{선형회귀 모델(AR : Auto Regression), 다중선형회귀 모델(MR ; Regression), 칼만 모델(KALMAN), 비선형모델(MLP : Multi Layer Perceptrons) 신경회로망 모델(ELM : Extreme Learning Machine), 퍼지-뉴로 모델(ANFIS : Adaptive Neuro-Fuzzy Inference Systems)}에 대한 예측시뮬레이션이 가능하도록 구성하였으며, 6개의 수요예측 알고리즘모델(500)에 대한 입력파라메타 선정은 엔지니어가 설정할 수 있도록 구성하였다. 따라서, 본 발명의 시뮬레이터는 다양한 조건에서 시뮬레이션이 가능하도록 함으로써 시뮬레이터의 활용성을 높게 하였다.

그리고 각 6개의 수요예측 알고리즘모델(500)에 대한 시뮬레이션 결과는 그래프 형식을 비롯한 텍스트 형식으로 표현되도록 구성되었으며, 그래프 형식의 경우 예측 실행후의 결과가 선택 구간에 따라 각 모델의 일별 예측 오차값과 시간별 예측 오차값을 제시하도록 구성되었다. 이를 통하여 임의의 데이터에 대한 최적의 예측모델을 선정할 수 있으며, 각 사업장에 가장 적합한 6개의 수요예측 알고리즘 모델(500)에 대한 검증이 가능하게 된다. 또한, 시뮬레이터를 통하여 수행된 알고리즘의 예측 결과값과 각 예측모델에 대하여 설정한 매개변수는 각각 텍스트 형식으로 저장된다.

상기 구성에 의해 작동하는 본 발명의 단기 물 수요예측 시뮬레이터에서는 데이터 결측 및 이상치에 대한 데이터마이닝기법을 적용하고, 일별 예측값과 시간별 예측값을 각각 확인할 수 있으며, 각 알고리즘에 대한 최대 예측값과 최소 예측값을 확인하여 최적의 알고리즘을 선정할 수 있다. 그리고 다양한 알고리즘을 적용하여 각 지역 특성 및 수용가 특성에 적합한 예측모델 제시가 가능하다. 뿐만 아니라, 각 알고리즘의 파라메타를 엔지니어가 자유롭게 변경할 수 있어서 예측 모델에 대한 최적화를 이룰 수 있다.

도 1은 본 발명의 단기 물 수요예측 시뮬레이터 구성도이고,
도 2는 본 발명의 시뮬레이터 초기화면 및 데이터파일 설정 화면이고
도 3은 본 발명의 파라메타 및 알고리즘 설정 화면이고,
도 4는 본 발명의 연계프로그램 주기 설정, 실행, 및 수동 데이터 취득화면이고,
도 5는 본 발명을 이용한 A정수장 대상 시뮬레이터 활용 예이고,
도 6은 종래 기술에 사용되는 단기 물수요예측 블록도이다.

이하, 본 발명의 바람직한 실시 예에 따른 단기 물수요예측 시뮬레이터를 첨부 도면에 의거하여 상세히 설명하면 다음과 같다.

도 1에 나타내는 바와 같이, 본 발명의 단기 예측 시뮬레이터 구성에 대하여 간략하게 설명하면, 먼저 대상 사업장의 유출 유량 데이터 취득을 위하여 실시간 수도정보시스템(100)과 실시간 물관리시스템(200)에서 얻어진 물사용량과 기상데이터는 서로 연계시스템(300)에 연계된다.

상기 연계 시스템(300)에 연계된 데이터는 데이터 형식 변환모듈(400)에서 시뮬레이션에 필요한 데이터를 생성하고, 생성된 시뮬레이터에서는 6개의 선형 및 비선형 모델을 이용해서 예측 시뮬레이션을 6개의 수요예측알고리즘 모듈(500)에서 실행하고, 실행된 시뮬레이션의 결과에서 입력파라메타의 선정은 엔지니어가 직접 수행할 수 있으며 예측결과의 저장모듈(600)에서는 시뮬레이션의 결과를 나타내는데 결과는 그래프 형식을 비롯한 테스트 형식으로 표현되도록 한다.

상기와 같이 작동하는 본 발명의 단기 물 수요예측 실시간 시뮬레이터의 초기 실행화면은 도 2와 같으며, 초기 셋업 화면에서는 파일관리를 비롯한 환경설정, 각종 알고리즘 실행, 그리고 그래프를 통한 검증 등을 수행한다. 예측 시뮬레이터 실행을 위한 초기 데이터 파일 설정은 데이터베이스 경로 선정, 데이터 베이스별 입력 인자, 그리고 이력데이터 관리가 가능한 셋업 화면에서 각각 이루어진다. 또한, 디스플레이 화면에 대한 설정을 통하여 쉽게 그래프 상에서 분석이 가능하도록 한다.

각 알고리즘의 파라메타 설정 화면은 도 3과 같이, 알고리즘별 입력 파라메타 선정을 임의적으로 설정할 수 있도록 구성되어 있다. 메뉴 화면에는 6개의 각 알고리즘별 적정 파라메타 선정과 각 파라메타의 유효 범위를 미리 설정하여 엔지니어의 설정 오류를 최소화 하였다.

각 알고리즘의 학습을 위한 설정에 있어서 학습 파일 선정을 임의로 할 수 있으며, 알고리즘도 선택하여 학습할 수 있도록 구성되어 있다. 또한, 각 알고리즘에서 수행된 1일 수요예측량을 이용하여 24시간 시간별 수요량으로 예측하도록 구성하였다. 시간별 수요량 예측방법은 세가지 적용방법을 선택하도록 구성하였다.

첫째, 과거 유량의 시간별 평균값을 고려한 고정 분배방식이 있다. 이는 과거 60일 데이터를 이용하여 각 시간대별 평균값을 구하여 이를 각 시간대별 가중치로 환산하여 해당 시간에 고정 분배하는 방식이다.

둘째, 시간별 예측오차를 고정 분배방식에서 구한 가중치에 따라 가중치를 곱하여 예측량을 실시간 변경하는 방식이 있다. 이는 시간별 오차 가중분배방식으로서, 시간별 오차 가중분배 방식은 실제 1일 물 사용량이 수학식 1과 같고, 시간별 고정 분배방식에 의하여 예측된 결과가 수학식 2와 같다고 가정하자.

여기서, 첫 번째 시간예측인 1시 데이터의 경우 실제 사용량에 대하여 예측량 을 수학식 3과 같이 오차가 발생한다면, 고정 분배방식에서 구한 2시 이후 유량 예측값에 오차값이 포함된 수학식 4를 구할 수 있다.

이와 같이 구한 2시 이후의 유량 예측값은 수학식 5에서와 같이 각 시간대별 가중치를 곱하여 예측값이 가변되도록 한다.

여기서,

따라서, 오차 가중 분배방식은 매 24시에 예측된 다음날의 시간대별 예측값이 실제 물 공급량과 오차가 발생되면, 오차가 발생된 시간부터 그날 24시까지의 예측값을 고정 분배방식에서 구한 가중치에 따라 가중치를 곱하여 예측값을 변경하도록 구성된 것임을 나타낸다.

셋째, 예측오차를 다음 시간 예측값에 대하여만 적용하는 방식이 있다. 이는 시간별 오차율 보정 분배방식으로서, 실제 물 사용량과 예측값 사이의 차가 일정 범위를 벗어난 경우, 다음 예측값에 일정 비율을 보정하는 방법을 일컫는다.

시간별 오차율 보정분배를 위하여, 다음과 같이 실제 1일간 물 사용량이

와 같고, 1일 물 사용 예측값이

와 같이 가정한다. 이때 실제 사용량과 예측의 오차값인

이 예측값 대비 일정 비율보다 크다면, 다음 시간 예측값

에 일정 비율(Δ)을 가감하도록 한 방식이다.

다음 도 4는 실시간 수도정보시스템과 실시간 물관리시스템과의 연결 프로그램으로서 연계프로그램을 통한 데이터 취득 시각을 설정할 수 있으며, 실행되었을 경우는 년월일시와 유량 및 기상데이터가 표시된다. 그리고 과거데이터를 취득하기 위하여 원하는 시간 범위를 설정하여 결측 및 이상데이터와 이력데이터를 취득할 수 있도록 구성하였다.

이와 같은 연결 프로그램을 통하여, 단기 물 수요예측 프로그램 수행을 위한 데이터 파일 생성은 다음과 같은 형식으로 년월일시, 유량데이터, 그리고 기상데이터 순으로 저장한다. 매일 1시부터 24시까지의 시간별 데이터는 시간 순으로 저장하고 일 예측을 위하여 24시 이후 일 적산유량과 일 평균 기상값으로 표시하였다. 또한, 데이터 마이닝을 통하여 데이터 결측 및 이상치 검출과 이를 보정하는 방안을 포함한다.

데이터의 신뢰성 확보를 위한 데이터 결측 및 이상치 검출방법은 과거 90일 데이터에 대한 각 시간대별 평균값 대비 표준편차의 범위를 가변적으로 설정하여 실측 데이터와의 정상성 여부를 결정하였다.

여기서, 표준편차는 다음 수학식 7과 같다.

기존 시간대별 데이터에 대하여 1σ 부터 2σ, 3σ 그리고 4σ 순으로 임의 설정하여 일정 범위를 벗어난 경우와 3시간 이상 변화가 없는 데이터의 경우에 대하여 이상치로 분류하였다. 이를 보정하는 방법은 각 시간대별 30일 평균값으로 보정하는 방법과 신경회로망을 이용한 보정방법을 선택하여 사용할 수 있도록 구성하였다.

이를 통한 A정수장에 대한 시뮬레이션 결과는 다음 도면과 같이 연계프로그램과 시뮬레이션 프로그램을 통하여 도 5와 같이 각 알고리즘별 시뮬레이션 결과를 얻을 수 있다. 그리고 시뮬레이션 프로그램에서는 일별 예측값과 시간별 예측값을 각각 확인할 수 있으며, 각 알고리즘에 대한 최대 예측값과 최소 예측값을 확인하여 최적의 알고리즘을 선정할 수 있다.

각 예측모델에 대한 성능평가는 다음 식과 같이 평균 절대비율오차(Mean Absolute Percentage Error : MAPE)를 사용하였다.

여기서,

는 실제 물 공급량,

는 예측 물 공급량이다.

이를 통하여 엔지니어가 설정한 구간에 대한 일별 예측 MAPE값과 시간별 예측 MAPE값을 각각 확인할 수 있도록 구성하였으며, 각 알고리즘의 파라메타를 엔지니어가 자유롭게 변경할 수 있어서 예측 모델에 대한 최적화를 이룰 수 있다.

100. 실시간 수도정보시스템
200. 실시간 물관리시스템
300. 연계 시스템
400. 데이터 형식 변환 모듈
500. 6개 수요예측알고리즘 모듈
600. 저장모듈

Claims (5)

1. 물 수요 예측의 대상이 되는 대상 사업장의 유출유량 데이터를 취득하는 실시간 수도정보시스템;
   상기 대상 사업장의 기상 데이터를 취득하는 실시간 물관리시스템;
   상기 실시간 수도정보시스템과 실시간 물관리시스템의 데이터를 연계하는 연계시스템;
   상기 연계시스템의 데이터를 시뮬레이션에 필요한 데이터로 생성하는 데이터 형식 변환모듈;
   상기 데이터 형식 변환모듈에서 생성된 데이터를 선형 모델인 선형회귀 모델(AR), 다중선형회귀 모델(MR), 칼만 모델(KF)과 비선형 모델인 다층 퍼셉트론 모델(MLP), 신경회로망 모델(ELM), 퍼지-뉴로 모델(ANFIS)을 포함하는 6개의 선형 및 비선형 모델을 이용한 예측 시뮬레이션에서 실행하는 6개의 수요예측알고리즘 모듈; 및
   상기 수요예측알고리즘 모듈의 시뮬레이션 결과를 저장하는 저장모듈; 을 포함하여 이루어지는 것으로,
   상기 각 수요예측알고리즘 모듈에서 수행된 1일 수요예측량을 이용하여 시간별 수요예측량을 예측하되, 상기 연계시스템에서 상기 실시간 수도정보시스템과 실시간 물관리시스템에 연계되는 과거데이터를 통하여 시간별 결측데이터와 이상데이터를 검출하여 실측데이터와의 정상성 여부를 결정하여 보정할 수 있는 것으로,
   상기 시간별 수요예측량은 고정 분배방식, 오차 가중 분배방식, 오차율 보정 분배방식 중 하나 이상의 방식을 통하여 획득되고,
   상기 시간별 결측데이터는 일정 시간 변화가 없는 데이터이고, 상기 시간별 이상데이터는 과거데이터에 대한 각 시간대별 평균값 대비 표준편차의 범위를 가변적으로 설정하여 실측데이터가 일정 범위를 벗어난 경우의 데이터이며,
   상기 시간별 결측데이터와 시간별 이상데이터는 각 시간대별 30일 평균값으로 보정하는 방법과 신경회로망을 이용한 보정방법 중에서 선택하여 보정되는 것을 특징으로 하는 단기 물 수요예측 시뮬레이터.
   
2. 제1항에서,
   각 수요예측알고리즘에 대한 최대 예측값과 최소 예측값을 확인할 수 있는 것을 특징으로 하는 단기 물 수요예측 시뮬레이터.
   
3. 제1항에서,
   상기 수요예측알고리즘 모듈의 시뮬레이션 결과는 그래프 형식 또는 텍스트 형식으로 표현되는 것으로,
   상기 그래프 형식은 각 알고리즘 모델별로 일별, 시간별 예측 오차값을 함께 표현하는 것을 특징으로 하는 단기 물 수요예측 시뮬레이터.
4. 삭제
5. 삭제

Images