KR101269056B1 - Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model - Google Patents
Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model Download PDFInfo
- Publication number
- KR101269056B1 KR101269056B1 KR1020110034543A KR20110034543A KR101269056B1 KR 101269056 B1 KR101269056 B1 KR 101269056B1 KR 1020110034543 A KR1020110034543 A KR 1020110034543A KR 20110034543 A KR20110034543 A KR 20110034543A KR 101269056 B1 KR101269056 B1 KR 101269056B1
- Authority
- KR
- South Korea
- Prior art keywords
- unit
- model
- real
- performance evaluation
- water treatment
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 233
- 230000008569 process Effects 0.000 title claims abstract description 211
- 238000004148 unit process Methods 0.000 title claims abstract description 114
- 238000004458 analytical method Methods 0.000 title claims abstract description 80
- 239000003651 drinking water Substances 0.000 title 1
- 235000020188 drinking water Nutrition 0.000 title 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 165
- 238000011156 evaluation Methods 0.000 claims abstract description 106
- OSVXSBDYLRYLIG-UHFFFAOYSA-N dioxidochlorine(.) Chemical compound O=Cl=O OSVXSBDYLRYLIG-UHFFFAOYSA-N 0.000 claims abstract description 50
- 238000004659 sterilization and disinfection Methods 0.000 claims abstract description 43
- ZAMOUSCENKQFHK-UHFFFAOYSA-N Chlorine atom Chemical compound [Cl] ZAMOUSCENKQFHK-UHFFFAOYSA-N 0.000 claims abstract description 29
- 239000000460 chlorine Substances 0.000 claims abstract description 29
- 238000000746 purification Methods 0.000 claims abstract description 29
- 239000004155 Chlorine dioxide Substances 0.000 claims abstract description 25
- 235000019398 chlorine dioxide Nutrition 0.000 claims abstract description 25
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 claims abstract description 20
- 229910052801 chlorine Inorganic materials 0.000 claims abstract description 18
- 238000005374 membrane filtration Methods 0.000 claims abstract description 14
- 238000005189 flocculation Methods 0.000 claims abstract description 13
- 230000016615 flocculation Effects 0.000 claims abstract description 13
- 238000009287 sand filtration Methods 0.000 claims abstract description 13
- 238000002156 mixing Methods 0.000 claims abstract description 10
- 238000004062 sedimentation Methods 0.000 claims abstract description 10
- 238000004088 simulation Methods 0.000 claims description 62
- 238000004886 process control Methods 0.000 claims description 48
- CBENFWSGALASAD-UHFFFAOYSA-N Ozone Chemical compound [O-][O+]=O CBENFWSGALASAD-UHFFFAOYSA-N 0.000 claims description 36
- 239000007924 injection Substances 0.000 claims description 30
- 238000002347 injection Methods 0.000 claims description 30
- 238000013528 artificial neural network Methods 0.000 claims description 24
- 239000006227 byproduct Substances 0.000 claims description 14
- 238000013480 data collection Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 239000003814 drug Substances 0.000 claims description 8
- 229940079593 drug Drugs 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 238000001802 infusion Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 3
- 230000005856 abnormality Effects 0.000 abstract description 7
- 238000011112 process operation Methods 0.000 abstract description 7
- 238000006385 ozonation reaction Methods 0.000 abstract 1
- 241000223935 Cryptosporidium Species 0.000 description 26
- 238000006243 chemical reaction Methods 0.000 description 17
- 230000002779 inactivation Effects 0.000 description 17
- 239000008213 purified water Substances 0.000 description 14
- 238000001914 filtration Methods 0.000 description 12
- 229910001902 chlorine oxide Inorganic materials 0.000 description 11
- 238000010586 diagram Methods 0.000 description 11
- 241000224466 Giardia Species 0.000 description 10
- 239000000126 substance Substances 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 238000004519 manufacturing process Methods 0.000 description 8
- 241000588724 Escherichia coli Species 0.000 description 7
- 239000000645 desinfectant Substances 0.000 description 7
- 238000012544 monitoring process Methods 0.000 description 7
- 238000007726 management method Methods 0.000 description 5
- 238000001556 precipitation Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000005192 partition Methods 0.000 description 4
- 241000700605 Viruses Species 0.000 description 3
- SXDBWCPKPHAZSM-UHFFFAOYSA-M bromate Inorganic materials [O-]Br(=O)=O SXDBWCPKPHAZSM-UHFFFAOYSA-M 0.000 description 3
- SXDBWCPKPHAZSM-UHFFFAOYSA-N bromic acid Chemical compound OBr(=O)=O SXDBWCPKPHAZSM-UHFFFAOYSA-N 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- XTEGARKTQYYJKE-UHFFFAOYSA-M Chlorate Chemical compound [O-]Cl(=O)=O XTEGARKTQYYJKE-UHFFFAOYSA-M 0.000 description 2
- 229910052799 carbon Inorganic materials 0.000 description 2
- 238000004090 dissolution Methods 0.000 description 2
- 239000007789 gas Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000000813 microbial effect Effects 0.000 description 2
- CPELXLSAUQHCOX-UHFFFAOYSA-M Bromide Chemical compound [Br-] CPELXLSAUQHCOX-UHFFFAOYSA-M 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000005054 agglomeration Methods 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- -1 and the like Substances 0.000 description 1
- 239000000701 coagulant Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003311 flocculating effect Effects 0.000 description 1
- GPRLSGONYQIRFK-UHFFFAOYSA-N hydron Chemical compound [H+] GPRLSGONYQIRFK-UHFFFAOYSA-N 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003250 oocyst Anatomy 0.000 description 1
- 230000003647 oxidation Effects 0.000 description 1
- 238000007254 oxidation reaction Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000000700 radioactive tracer Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 230000002277 temperature effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/008—Control or steering systems not provided for elsewhere in subclass C02F
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/30—Treatment of water, waste water, or sewage by irradiation
- C02F1/32—Treatment of water, waste water, or sewage by irradiation with ultraviolet light
- C02F1/325—Irradiation devices or lamp constructions
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/50—Treatment of water, waste water, or sewage by addition or application of a germicide or by oligodynamic treatment
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2201/00—Apparatus for treatment of water, waste water or sewage
- C02F2201/002—Construction details of the apparatus
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F2303/00—Specific treatment goals
- C02F2303/04—Disinfection
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/152—Water filtration
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Engineering & Computer Science (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Toxicology (AREA)
- Treatment Of Water By Oxidation Or Reduction (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
혼화, 응집, 침전, 모래여과, 막여과, 오존처리, 활성탄, 염소 소독처리, 이산화염소 소독처리 또는 UV 소독처리 공정을 포함하는 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단함으로써, 단위공정 제어의 이상 유무와 공정운전 상태를 실시간으로 평가 및 진단하며 제어인자 주입여부에 대한 의사결정을 효율적으로 지원할 수 있는, 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템 및 그 방법이 제공된다.Process using unit process analysis model for each unit process of water treatment process including mixing, flocculation, sedimentation, sand filtration, membrane filtration, ozonation, activated carbon, chlorine disinfection, chlorine dioxide disinfection or UV disinfection By evaluating the performance of water treatment unit process according to PRI and diagnosing the function of each unit process in real time, it is possible to evaluate and diagnose the abnormality of unit process control and process operation status in real time, Provided are a real-time purification process evaluation system and a method using a unit process analysis model, which can efficiently support decision making.
Description
본 발명은 정수처리 공정의 평가에 관한 것으로, 보다 구체적으로, 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(Process Performance Index: PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단하는 시스템 및 그 방법에 관한 것이다. 여기서, 단위공정은 혼화, 응집, 침전, 모래여과, 막여과, 오존처리, 활성탄, 염소 소독처리, 이산화염소 소독처리 등으로 구성되거나 그 조합으로 구성되고, 본 발명은 이러한 단위공정을 각각 실시간으로 평가하는 정수처리 시스템 및 그 방법에 관한 것이다.The present invention relates to the evaluation of a water treatment process, and more specifically, the performance of a water treatment unit process according to a process performance index (PRI) using a unit process analysis model for each unit process of the water treatment process. And a system and method for diagnosing the function of each unit process in real time. Here, the unit process is composed of admixture, flocculation, sedimentation, sand filtration, membrane filtration, ozone treatment, activated carbon, chlorine disinfection treatment, chlorine dioxide disinfection treatment, or a combination thereof. A water treatment system for evaluating and a method thereof.
최근 정수처리시설의 자동화(현대화) 사업이 가속화되고 있는 추세에 있다. 예를 들면, 수처리 공정에 대한 기능 및 성능을 진단하여, 효율적이고 계획적인 생산 및 운영을 위한 단위시설의 자동운전 및 자동화(현대화) 계획을 정립하고, 통합운영을 위한 자동화 공정의 표준화 및 공정제어가 이루어지도록 계획함으로써, 대시민 급수 서비스 향상 및 수질 향상을 도모하며, 이에 따라 수도의 맑은 물 공급에 따른 신뢰회복을 이루려는 시도가 이루어지고 있다.Recently, the automation (modernization) business of water treatment facilities is accelerating. For example, by diagnosing the function and performance of the water treatment process, establishing an automatic operation and automation (modernization) plan of the unit for efficient and planned production and operation, and standardizing and controlling the automation process for integrated operation. In order to improve the water supply service and improve the water quality of the Dashmin, the attempt is made to restore the trust of the supply of clean water.
이러한 상수도시설의 자동화(현대화) 사업의 핵심은 정수처리 자동화를 통한 통합운영 시스템을 구축하는 것이다. 이러한 통합운영 시스템은 정수처리 전반에 걸쳐 계측, 제어, 감시의 자동정수 공정을 구축하게 된다. 다시 말하면, 이러한 통합운영 시스템은 정수처리 공정의 운전, 감시, 제어 및 유지관리를 위한 정보처리를 다루는 기술 및 설비를 말한다. 이러한 통합운영 시스템을 통해서, 보다 신속하고 정확하게 공정의 동특성을 알아낼 수 있고, 또한, 어떠한 상황에서도 기존 방식에 비하여 수돗물 품질을 향상시킬 수 있도록 적절한 제어알고리즘을 적용함으로써 정수처리의 성능뿐만 아니라 정수장의 경쟁력을 향상시킬 수 있다.The key to the automation (modernization) of such water supply facilities is to build an integrated operation system through automation of water treatment. This integrated operating system will establish automatic water purification processes for measurement, control and monitoring throughout the water treatment process. In other words, these integrated operating systems refer to technologies and facilities that deal with information processing for the operation, monitoring, control and maintenance of water treatment processes. Through this integrated operation system, it is possible to find out the dynamic characteristics of the process more quickly and accurately, and also apply the appropriate control algorithm to improve the quality of tap water in any situation compared to the existing method. Can improve.
특히, 최근 정수처리 자동화를 위해 운영자 경험에 의존하기 보다는 단위공정의 수학적 모델과 운영자 경험을 기계적 학습을 통한 비선형 모델을 구축하고 있다. 이에 따라 각종 시뮬레이션 프로그램을 이용하여 과거의 원수의 수질자료를 바탕으로 현재 정수처리 처리 성능을 평가하고, 처리되고 있는 수질 특성을 예측할 수 있다. 이를 통해서 정수처리 진단, 평가 및 비상시 운전대책을 세우는 등의 정수장 운영자에게 유용한 정보를 제공할 수 있다.In particular, rather than relying on operator experience for automation of water treatment, a nonlinear model has been constructed through mechanical learning of mathematical models and operator experience of unit processes. Accordingly, various simulation programs can be used to evaluate the current water treatment performance based on past water quality data, and to predict the water quality being processed. This can provide useful information to water treatment plant operators, such as diagnosing, evaluating water treatment and establishing operational measures for emergencies.
그러나 종래의 기술에 따르면, 다년간 종사한 운영자 경험에 의하거나, 실험실 규모의 테스트를 거쳐 약품주입 조건을 산출하기 때문에 신뢰하기 어렵다는 문제점이 있다. 또한, 종래의 기술에 따르면, 법적인 기준에 의해 5년에 1회씩 종합적인 진단업무를 수행하여 공정 이상 유무 등에 대한 진단을 실시하거나, 관리 감독기관의 정기적인 현장조사에 의하여 공정 운영 상태를 파악하기 때문에, 자동화된 시스템의 문제 오류에 대한 자기 능력 판단 및 자기 복구 능력이 없다는 문제점이 있다. 또한, 종래의 기술에 따르면, 이상 수질 유입 시기나 공정 비상시 이에 대한 대책을 운전자 경험에만 의존하고 있다는 문제점이 있다.However, according to the prior art, there is a problem that it is difficult to trust because the drug injection conditions are calculated based on many years of operator experience or through laboratory scale tests. In addition, according to the prior art, to perform a comprehensive diagnostic task every five years in accordance with the legal standards to diagnose the process abnormality, or to grasp the process operation status by regular site inspection by the control and supervisory authority Therefore, there is a problem in that there is no self-determination and self-recovery ability for the problem error of the automated system. In addition, according to the related art, there is a problem in that the countermeasures for abnormal water quality inflow or process emergency depend only on the operator experience.
전술한 문제점을 해결하기 위한 본 발명이 이루고자 하는 기술적 과제는, 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단할 수 있는, 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템 및 그 방법을 제공하기 위한 것이다.The technical problem to be solved by the present invention for solving the above problems is to evaluate the performance of the water treatment unit process according to the process capability index (PRI) using a unit process analysis model for each unit process of the water treatment process, An object of the present invention is to provide a real-time water purification process evaluation system and method using a unit process analysis model that can diagnose the function of each unit process in real time.
본 발명이 이루고자 하는 다른 기술적 과제는, 정수처리공정에서 약품 주입, 수위 제어 등 각종 제어를 수행하기 전에 단위공정의 통합모델에 제어값을 입력하여 추론함으로써, 최상의 공정운영 상태의 편차를 최소화하여 수량과 수질의 변동에 대한 통합 자동제어 시스템의 안정성을 확보할 수 있는, 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템 및 그 방법을 제공하기 위한 것이다.Another technical problem to be achieved by the present invention is to infer the input of the control value in the integrated model of the unit process before performing various controls such as chemical injection, water level control in the water treatment process, to minimize the deviation of the best process operating state It is to provide a real-time water purification process evaluation system and method using a unit process analysis model that can ensure the stability of the integrated automatic control system against changes in water quality and water quality.
전술한 기술적 과제를 달성하기 위한 수단으로서, 본 발명에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템은, 혼화, 응집, 침전, 모래여과, 막여과, 오존처리, 활성탄, 염소 소독처리, 이산화염소 소독처리 또는 UV 소독처리 공정을 포함하는 단위공정들에 의해 정수처리가 수행될 경우, 각각의 단위공정에 단위공정 해석 모델을 적용하여 평가하는 실시간 정수처리 공정 평가 시스템에 있어서, 각각의 정수처리 단위공정에 적용되는 공정 제어인자 및 수량과 수질 데이터를 수집하기 위한 데이터 수집부; 운영자에 의해 정해지는 유입원수의 분류조건별 성능평가 목표값을 설정하여 입력하는 성능평가 목표값 입력부; 각각의 정수처리 단위공정의 공정모사를 위해 상기 데이터 수집부에서 수집된 공정 제어인자 및 수량과 수질 데이터를 선택적으로 입력하는 모델 입력부; 상기 성능평가 목표값 입력부에서 입력된 상기 성능평가 목표값을 기준으로 상기 모델 입력부에서 입력된 공정모사모델을 다층 퍼셉트론 인공신경망 모델을 이용하여 해석하고 성능평가 예측값을 출력하는 공정모사모델 해석부; 부산물 농도 및 상기 단위공정별 생산가능 유량 산출을 위해서 상기 공정모사모델 해석부의 해석 결과에 따른 성능평가 예측값을 출력하는 모델 출력부; 상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하여 단위공정 각각의 안정성을 나타내는 지표인 공정능력지수(Process Performance Index: PRI)를 산출하고, 상기 공정능력지수(PRI)에 대응하는 생산가능 유량을 산출하는 공정능력지수 계산부; 및 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 약품 주입량을 산출하고 현재의 약품 주입량과 비교함으로써 상기 공정 제어인자가 적합하게 선택되었는지 판단하는 공정 제어인자 판단부를 포함하여 구성된다.As a means for achieving the above-described technical problem, the real-time water purification process evaluation system using the unit process analysis model according to the present invention, the mixing, flocculation, sedimentation, sand filtration, membrane filtration, ozone treatment, activated carbon, chlorine disinfection treatment, In the real-time purification process evaluation system for evaluating the unit process analysis model applied to each unit process when the water treatment is performed by the unit processes including chlorine dioxide disinfection treatment or UV disinfection treatment, A data collecting unit for collecting process control factors and quantity and water quality data applied to the processing unit process; A performance evaluation target value input unit for setting and inputting a performance evaluation target value for each classification condition of inflow water determined by an operator; A model input unit for selectively inputting process control factors and quantity and water quality data collected by the data collection unit for process simulation of each water treatment unit process; A process simulation model analysis unit for analyzing the process simulation model inputted from the model input unit based on the performance evaluation target value inputted from the performance evaluation target value input unit using a multilayer perceptron artificial neural network model and outputting a performance evaluation predicted value; A model output unit for outputting a performance evaluation predicted value according to an analysis result of the process simulation model analysis unit to calculate a by-product concentration and a usable flow rate for each unit process; In response to the performance evaluation target value and the performance evaluation prediction value, a process performance index (PRI), which is an index indicating stability of each unit process, is calculated, and a productable flow rate corresponding to the process capacity index (PRI) is calculated. Computing capability index calculation unit; And a process control factor determination unit for determining whether the process control factor is appropriately selected by calculating an injection amount of the injectable drug based on the process capability index (PRI) and the available flow rate, and comparing the current with the current injection amount.
여기서, 상기 공정 제어인자 판단부는, 상기 단위공정 각각의 수질 처리 상태를 실시간으로 진단하는 것을 특징으로 한다.Here, the process control factor determination unit, characterized in that for diagnosing the water quality treatment status of each of the unit process in real time.
여기서, 상기 공정능력지수 계산부는, 상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하는 편차를 계산하여 상기 공정능력지수(PRI)로 나타내는 것을 특징으로 한다.Here, the capability index calculation unit is characterized by calculating the deviation corresponding to the performance evaluation target value and the performance evaluation prediction value, characterized in that represented by the capability index (PRI).
여기서, 상기 공정모사모델 해석부는, 상기 공정모사모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론 인공신경망 모델을 이용하는 것을 특징으로 한다.Here, the process simulation model analysis unit, when applying the process simulation model, characterized in that using a multi-layer perceptron artificial neural network model to train the data in a multi-layer structure having a hidden layer between the input layer and the output layer.
한편, 전술한 기술적 과제를 달성하기 위한 다른 수단으로서, 본 발명에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법은, 혼화, 응집, 침전, 모래여과, 막여과, 오존처리, 활성탄, 염소 소독처리, 이산화염소 소독처리 또는 UV 소독처리 공정을 포함하는 단위공정들에 의해 정수처리가 수행될 경우, 각각의 단위공정에 단위공정 해석 모델을 적용하여 평가하는 실시간 정수처리 공정 평가 방법에 있어서, a) 각각의 단위공정에 대해서 공정 제어인자 및 수량과 수질 데이터를 수집하는 단계; b) 운영자에 의해 유입원수의 분류조건별 성능평가 목표값을 설정 입력하는 단계; c) 상기 수집된 공정 제어인자 및 수량과 수질 데이터를 선택적으로 입력하는 단계; d) 상기 성능평가 목표값을 기준으로 상기 선택적으로 입력된 공정 제어인자 및 수량과 수질 데이터에 대해 공정모사모델을 다층 퍼셉트론 인공신경망 모델을 이용하여 해석하고, 상기 공정모사모델에 의해 산출되는 성능평가 예측값을 산출하여 출력하는 단계; e) 상기 성능평가 목표값 및 상기 성능평가 예측값에 따라 상기 단위공정 각각의 안정성을 나타내는 지표인 공정능력지수(PRI)를 산출하고, 상기 공정능력지수(PRI)에 대응하는 생산가능 유량을 산출하는 단계; 및 f) 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 약품 주입량을 산출하고 현재의 약품 주입량과 비교하여 상기 공정 제어인자가 적합하게 선택되었는지 판단하는 단계를 포함하여 이루어진다.On the other hand, as another means for achieving the above-described technical problem, the real-time water purification process evaluation method using the unit process analysis model according to the present invention is mixed, flocculation, precipitation, sand filtration, membrane filtration, ozone treatment, activated carbon, chlorine In the real-time water purification process evaluation method for evaluating by applying the unit process analysis model to each unit process, if the water treatment is performed by the unit process including the disinfection treatment, chlorine dioxide disinfection treatment or UV disinfection treatment, a) collecting process control factors and quantity and water quality data for each unit process; b) setting and inputting a performance evaluation target value for each classification condition of inflow water by an operator; c) optionally inputting the collected process control factors and quantity and water quality data; d) Analyzing the process simulation model by using the multilayer perceptron neural network model with respect to the selectively input process control factors, quantity and water quality data based on the performance evaluation target value, and evaluating the performance calculated by the process simulation model. Calculating and outputting a predicted value; e) calculating a process capability index (PRI) which is an index indicating stability of each unit process according to the performance evaluation target value and the performance evaluation predicted value, and calculating a productable flow rate corresponding to the process capability index (PRI); step; And f) calculating an injectable drug infusion amount based on the process capability index (PRI) and the feasible flow rate, and determining whether the process control factor is appropriately selected by comparing with the current drug infusion amount.
본 발명에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법은, g) 상기 공정 제어인자가 적합한지 여부에 따른 결과를 통합운전 시스템에 피드백(Feedback) 전달하는 단계를 추가로 포함할 수 있다.The real-time water purification process evaluation method using the unit process analysis model according to the present invention, g) may further include the step of delivering a feedback (Feedback) to the integrated operation system according to whether the process control factors are suitable. .
여기서, 상기 e) 단계는, 상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하는 편차를 계산하여 상기 공정능력지수(PRI)로 나타내는 것을 특징으로 한다.Here, the step e) is characterized in that the deviation corresponding to the performance evaluation target value and the performance evaluation prediction value calculated by the process capability index (PRI).
여기서, 상기 d) 단계는, 상기 공정모사모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론을 이용하는 것을 특징으로 한다.In the step d), when the process simulation model is applied, a multi-layer perceptron for training data in a multi-layer structure having a hidden layer between an input layer and an output layer is used.
본 발명에 따르면, 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단함으로써, 단위공정 제어의 이상 유무와 공정운전 상태를 실시간으로 평가 및 진단하며 제어인자 주입여부에 대한 의사결정을 효율적으로 지원할 수 있다.According to the present invention, by using the unit process analysis model for each unit process of the water treatment process by evaluating the performance of the water treatment unit process according to the process capability index (PRI), by diagnosing the function of each unit process in real time, It can evaluate and diagnose the abnormality of unit process control and process operation status in real time, and can efficiently support the decision on the control factor injection.
본 발명에 따르면, 정수처리공정에서 약품 주입, 수위 제어 등 각종 제어를 수행하기 전에 단위공정의 통합모델에 제어값을 입력하여 추론함으로써, 최상의 공정운영 상태의 편차를 최소화하여 수량과 수질의 변동에 대한 통합 자동제어 시스템의 안정성을 확보와 운영자 경험을 기계적으로 데이터베이스로 축적하고, 이를 추론함으로써 비상시 운영 대응능력을 향상시킬 수 있다.According to the present invention, by inputting the control value into the integrated model of the unit process before performing various controls such as chemical injection, water level control in the water treatment process, by minimizing the deviation of the best process operating state to the variation in quantity and water quality It is possible to improve the operational response ability in case of emergency by securing the stability of the integrated automatic control system and accumulating the operator's experience in the database mechanically.
도 1은 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템과 대상공정들 간의 네트워크 구성도이다.
도 2는 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템의 개략적인 구성도이다.
도 3은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법의 동작흐름도이다.
도 4는 본 발명의 실시예에 따라 혼화, 응집 및 침전 공정과 모래여과 공정 처리수질의 탁도 예측을 위한 다층퍼셉트론 인공신경망 모델이 적용된 공정모사모델 해석부를 설명하기 위한 도면이다.
도 5는 본 발명의 실시예에 따라 혼화, 응집 및 침전 공정과 막여과 공정 처리수질 탁도와 막간차압(TMP) 예측을 위한 다층퍼셉트론 인공신경망 모델을 구현하는 방법을 나타내는 동작흐름도이다.
도 6은 본 발명의 실시예에 따라 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법에서 불활성화도와 공정능력지수 계산 방법을 나타내는 동작흐름도이다.
도 7은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 구현된 메인 화면을 나타내는 도면이다.
도 8은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 적용된 출력 결과를 나타내는 도면이다.
도 9 및 도 9b는 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 적용된 공정별 진단 결과를 예시하는 도면이다.1 is a diagram illustrating a network configuration between a real-time purified water treatment process evaluation system and target processes according to an exemplary embodiment of the present invention.
2 is a schematic diagram of a system for evaluating a real-time purified water treatment process using a unit process analysis model according to an exemplary embodiment of the present invention.
3 is an operation flowchart of a method for evaluating a real-time water treatment process using a unit process analysis model according to an exemplary embodiment of the present invention.
FIG. 4 is a diagram illustrating a process simulation model analysis unit to which a multilayer perceptron artificial neural network model is applied for predicting turbidity of mixed water, flocculation, and precipitation processes and sand filtration process water according to an embodiment of the present invention.
FIG. 5 is a flowchart illustrating a method of implementing a multi-layer perceptron artificial neural network model for mixing, flocculating and sedimentation process and membrane filtration process water turbidity and intertidal pressure (TMP) prediction according to an embodiment of the present invention.
FIG. 6 is a flowchart illustrating an inactivation degree and a capability index calculation method in a real-time water purification process evaluation method using a unit process analysis model according to an exemplary embodiment of the present invention.
FIG. 7 is a diagram illustrating a main screen on which a real-time water purification process evaluation system using a unit process analysis model according to an exemplary embodiment of the present invention is implemented.
8 is a diagram illustrating an output result to which a real-time water treatment process evaluation system using a unit process analysis model according to an exemplary embodiment of the present invention is applied.
9 and 9b are diagrams illustrating a diagnosis result for each process to which a real-time water purification process evaluation system using a unit process analysis model according to an exemplary embodiment of the present invention is applied.
아래에서는 첨부한 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 본 발명의 실시예를 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.DETAILED DESCRIPTION Hereinafter, exemplary embodiments of the present invention will be described in detail with reference to the accompanying drawings so that those skilled in the art may easily implement the present invention. The present invention may, however, be embodied in many different forms and should not be construed as limited to the embodiments set forth herein. In the drawings, parts irrelevant to the description are omitted in order to clearly describe the present invention, and like reference numerals designate like parts throughout the specification.
명세서 전체에서, 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Throughout the specification, when a part is said to "include" a certain component, it means that it can further include other components, without excluding other components unless specifically stated otherwise.
먼저, 관련 기술로서, 본 발명의 동일 출원인에 의해 출원되어 공개된 대한민국 공개특허번호 제2010-0124511호에는 "인공신경망을 이용한 소독부산물의 생성결과 예측 장치 및 그 방법"이라는 명칭의 발명이 개시되어 있다.First, as a related art, Korean Patent Application Publication No. 2010-0124511, filed and published by the same applicant of the present invention, discloses an invention entitled "An apparatus and method for predicting the production result of disinfection by-product using artificial neural network". have.
이러한 인공신경망을 이용한 소독부산물의 생성결과 예측 장치는, 소독공정의 공정 제어인자 및 수량과 수질 데이터를 수집하기 위한 데이터 수집부; 상기 공정 제어인자 및 수량과 수질 데이터를 입력받아, 미리 구비되어 있는 적어도 하나 이상의 인공신경망 모델 대상 중 어느 하나를 인공신경망 모델로 적용하기 위한 인공신경망 모델부; 및 '상기 인공신경망 모델을 통해 출력된 소독부산물의 예측값'과 '정수처리시스템에서 실제로 확인된 소독부산물의 실제값'에 대한 오차와 기설정된 임계값의 비교결과에 따라 최적 인공신경망 모델을 선택하기 위한 피드백을 수행한 후 소독부산물의 생성결과를 예측하기 위한 피드백 제어부를 포함한다.The apparatus for predicting the generation result of the disinfection by-product using the artificial neural network includes a data control unit for collecting process control factors and quantity and water quality data of the disinfection process; An artificial neural network model unit configured to receive the process control factor, the quantity, and the water quality data, and apply any one of at least one artificial neural network model object provided as an artificial neural network model; And selecting an optimal neural network model based on a result of comparing an error and a predetermined threshold with respect to the 'predicted value of the disinfectant by-product output through the neural network model' and 'the actual value of the disinfectant by-product actually confirmed in the water treatment system'. It includes a feedback control unit for predicting the generation result of the disinfection by-product after performing the feedback for.
이러한 인공신경망을 이용한 소독부산물의 생성결과 예측 장치에 따르면, 정수처리시스템에서 소독부산물의 예측값 및 실제값에 대한 오차와 임계값의 비교결과에 따라 비선형적 최적 인공신경망 모델을 선택하여 소독부산물의 생성결과를 미리 예측할 수 있다. 또한, 복잡한 반응과 관계의 비선형적 특성을 설명할 수 있는 인공신경망 모델을 적용함으로써, 단일 소독 공정뿐만 아니라 복합소독 공정을 통해 생성되는 소독부산물을 예측할 수 있다. 또한, 인공신경망에 의해 정확하게 예측된 소독부산물의 생성결과를 이용하여 소독제 주입량을 조절함으로써 소독제를 절감할 수 있다.According to the apparatus for predicting the generation result of disinfection by-products using the artificial neural network, the generation of disinfection by-products is selected by selecting a non-linear optimal neural network model according to the result of comparing the error and the threshold with the prediction value and the actual value of the disinfection by-product in the water treatment system. The results can be predicted in advance. In addition, by applying an artificial neural network model that can explain the non-linear nature of complex reactions and relationships, it is possible to predict disinfection by-products generated by complex disinfection processes as well as single disinfection processes. In addition, it is possible to reduce the disinfectant by adjusting the amount of disinfectant injection using the result of the production of disinfection by-product accurately predicted by the neural network.
한편, 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템은, 기존의 정수장의 통합운영시스템의 단위공정을 제어하는 HMI(Human Machine Interface) 제어기와 정수처리 공정의 각종 데이터들이 실시간으로 저장되는 데이터베이스 서버와 연동하여, 응집제, 염소, 오존 등 약품주입량과 같은 공정제어인자 값을 사전에 모델부에 입력하여 현재의 대상 시스템으로 처리결과를 추론하여, 단위공정 제어의 이상 유무와 공정운전 상태를 실시간으로 진단하고, 평가하며 제어인자 주입여부에 대한 의사결정을 지원하게 된다.On the other hand, the real-time water purification process evaluation system according to an embodiment of the present invention, the HMI (Human Machine Interface) controller for controlling the unit process of the integrated operation system of the existing water purification plant and a database in which various data of the water treatment process is stored in real time In conjunction with the server, process control factor values, such as coagulant, chlorine, and ozone injections, are input to the model unit in advance to infer treatment results from the current target system. It can be used to diagnose, evaluate, and support decision making on control factor injection.
도 1은 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템과 대상공정들 간의 네트워크 구성도이다.1 is a diagram illustrating a network configuration between a real-time purified water treatment process evaluation system and target processes according to an exemplary embodiment of the present invention.
도 1에 도시된 바와 같이, 정수처리 시스템은 대상 공정(10), 공정별 자동제어 시스템(20), 수질 및 수량 감시 시스템(30) 및 통합 관리 시스템(40)을 포함한다.As shown in FIG. 1, the water treatment system includes a
대상 공정(10)은 응집, 침전, 모래여과, 막여과, 오존 및 고도산화처리(AOP), 활성탄, 염소 소독처리, 이산화염소 소독처리, 자외선(UV) 소독처리 등의 단위공정일 수 있다.The
공정별 자동제어 시스템(20)은 상기 대상 공정(10) 각각에 대해 자동제어를 수행한다. 즉, 상기 공정별 자동제어 시스템(20)은 혼화, 응집, 침전, 모래여과, 막여과, 오존, 활성탄, 염소 소독처리, 이산화염소 소독처리, UV 소독처리 등의 대상 공정들(10)을 각각 자동제어할 수 있다.The
수질 및 수량 감시 시스템(30)은 유량, pH, 온도, 알칼리도, 용존유기물 농도, UV 흡수물질, 오존 주입량, 잔류오존 농도, 염소 주입량, 잔류염소 농도, 응집제 주입량, 이산화염소 주입량, 잔류이산화염소 농도 등을 감시한다. 여기서, 상기 수질 및 수량 감시 시스템(30)은 PLC 네트워크를 통해 공정별 자동제어 시스템(20)과 데이터를 송수신할 수 있다.The water quality and
통합 관리 시스템(40)은 통합 운전 시스템(41) 및 데이터베이스 서버(42)를 포함하며, 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템(100)을 추가로 포함한다. 상기 통합 관리 시스템(40)은 SCADA 네트워크를 통해 상기 수질 및 수량 감시 시스템(30)과 데이터를 송수신할 수 있다.The
본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템(100)은 단위공정을 제어하는 공정별 자동제어 시스템(20), 즉, HMI(Human Machine Interface) 제어기와 정수처리 공정의 각종 데이터들이 실시간으로 저장되는 데이터베이스 서버(42)와 연동하며, 예를 들면, 유입원수의 수질(크립토스포리디움 존재 여부 등)에 따라 전체 정수처리 시스템의 대장균, 지아디아, 크립토스포리디움 제거 목표값(분류조건별 목표값)을 설정할 수 있다.The real-time purified water treatment
또한, 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템(100)은 유량, 응집제, 염소, 오존 등의 약품 주입량과 같은 공정 제어인자 값을 사전에 모델부에 입력하여 현재 대상시스템으로 처리 결과를 추론하여, 혼화, 응집, 침전, 모래여과 탁도 처리수질을 막여과 공정으로 구성된 정수처리 시스템에서는 탁도와 막간차압(TMP)을 기계적 학습 알고리즘으로 추론하여, 탁도 처리수질에 따른 대장균, 지아디아, 크립토스포리디움 제거 가능 공정능력지수를 부여하게 된다.In addition, the real-time purified water treatment
또한, 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템(100)은 오존공정, 염소, 이산화염소 공정에서는 소독제의 소비속도 인자를 통해 대장균, 지아디아, 크립토스포리디움의 제거 가능 공정능력지수를 부여하고, 동시에 브로메이트, 클로레이트 등과 같은 부산물 농도를 예측하여 목표값과의 비교 등 공정별로 운영자에 정해진 목표값에 만족여부를 결정한다. 이에 따라 본 발명의 실시예에 따른 실시간 정수처리 공정 평가 시스템(100)은 목표값에 따른 통계적 편차를 계산하여 공정 운전에 관한 이상 유무와 앞으로의 생산 가능유량을 단위공정별로 결과값을 나타내주는 자가진단을 실시할 수 있다.In addition, the real-time purified water treatment
이하, 설명의 이해를 돕기 위해 대표적인 단위공정별로 "공정능력지수"와 "생산가능 유량"에 대한 정수처리 공정 평가 방법을, 도 2 내지 도 6을 참조하여 구체적으로 설명하기로 한다.Hereinafter, a method for evaluating a water treatment process for "process capability index" and "producible flow rate" for each typical unit process will be described in detail with reference to FIGS.
도 2는 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템의 개략적인 구성도이다.2 is a schematic diagram of a system for evaluating a real-time purified water treatment process using a unit process analysis model according to an exemplary embodiment of the present invention.
도 2를 참조하면, 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템(100)은, 데이터 수집부(110), 공정모사모델 적용부(120) 및 공정 평가부(130)를 포함한다. 이때, 상기 공정모사모델 적용부(120)는 목표값 입력부(121), 모델 입력부(122), 공정모사모델 해석부(123) 및 모델 출력부(124)를 포함할 수 있다. 또한, 상기 공정 평가부(130)는 공정능력지수 계산부(131), 공정 제어인자 판단부(132) 및 피드백 제어부(133)를 포함할 수 있다.2, the real-time purification treatment
먼저, 단위공정은 혼화, 응집, 침전, 모래여과, 막여과, 오존, 활성탄, 염소 소독처리, 이산화염소 소독처리 또는 UV 소독처리 공정일 수 있다.First, the unit process may be a mixing, flocculation, sedimentation, sand filtration, membrane filtration, ozone, activated carbon, chlorine disinfection, chlorine dioxide disinfection or UV disinfection.
데이터 수집부(110)는 데이터베이스 서버(42)로부터 정수처리 단위공정의 공정 제어인자 및 수량과 수질 데이터를 수집한다. 여기서, 공정 제어인자로는 유량, 반응조 크기, 정수지 거리, 소독제 종류 및 주입량, 시설 제원, 도류벽 조건 등이 있고, 수량과 수질 데이터에는 산성도(pH), 온도, 용존유기탄소(DOC: Dissolved Organic Carbon), 흡광도값(UV), 반응시간, 잔류염소 등이 있다. 이러한 공정 제어인자 및 수량과 수질 데이터는 대상 공정에 영향을 미치는 인자로서, 정수처리시스템에서 소정의 주기 또는 실시간으로 수집되거나, 사용자의 조작에 의해 수집될 수도 있다. 다시 말하면, 상기 데이터 수집부(110)는, 상기 공정 제어인자 및 수량과 수질 데이터를 통합 운전 시스템에서 수집하여 데이터베이스를 구축하며, 이때, 상기 데이터베이스는 실시간으로 측정된 상기 단위공정 각각의 약품주입농도, 수량정보, 수위정보 및 수질 정보가 저장된다.The
공정모사모델 적용부(120)는 상기 공정 제어인자 및 수량과 수질 데이터를 입력받아, 미리 구비되어 있는 적어도 하나 이상의 공정모사모델 대상 중 어느 하나를 공정모사모델로 적용한다. 구체적으로, 상기 공정모사모델 적용부(120)는 유입원수의 분류조건별 성능평가 목표값을 설정하고, 상기 수집된 공정 제어인자 및 수량과 수질 데이터를 입력하며, 상기 선택적으로 입력된 공정 제어인자 및 수량과 수질 데이터에 대해 상기 성능평가 목표값을 기준으로 공정모사모델을 해석하여 성능평가 예측값을 산출하여 출력한다.The process simulation
또한, 상기 공정모사모델 적용부(120)는 입력층과 출력층 간에 은닉층(중간층)을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론(Multilayer Perceptron)을 이용하여 기계적 학습을 수행한다. 즉, 상기 공정모사모델 적용부(120)는, 상기 공정모사모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론 인공신경망 모델을 이용하며, 상기 성능평가 예측값 및 실제로 확인된 실제값에 대한 오차를 감소시키는 방향으로 상기 다층 퍼셉트론 인공신경망 모델의 연결강도를 조절할 수 있다.In addition, the process simulation
구체적으로, 공정모사모델 적용부(120)는 데이터 수집부(110)로부터 인공신경망 모델 대상에 속하는 공정 및 수량과 수질 데이터가 선택되어 입력될 수 있도록 하기 위한 모델 입력부(122), 모델 입력부(122)에서 입력된 공정 및 수량과 수질 데이터를 이용하여 트리할로메탄의 생성결과를 예측할 수 있는 인공신경망이 구축된 공정모사모델 해석부(123), 상기 공정모사모델 해석부(123)에서 예측된 트리할로메탄의 생성결과(즉, 예측값)를 출력하는 모델 출력부(123)를 포함한다. 여기서, 공정모사모델 해석부(123)는 입력층(123-1), 은닉층(123-2), 출력층(123-3)으로 구성되며, 입력층(123-1)이 모델 입력부(122)에 연결되고, 출력층(123-3)이 모델 출력부(124)에 연결된다. 여기서, 공정모사모델 적용부(120)는 예측값 및 오차값의 차이인 오차를 감소시키는 방향으로 공정모사모델 해석부(123)의 은닉층(123-2)의 수, 연결강도(connection weight)를 갱신한다. 예를 들면, 이는 은닉층(123-2)의 수를 고정할 경우에, 연결강도를 조절하기 위해 오차를 감소시키는 방향으로 연결강도를 조절하고, 상위층에서 역전파하여 하위층에서 이를 근거로 다시 자기층의 연결강도를 조절해나간다.In detail, the process simulation
공정 평가부(130)는 상기 성능평가 목표값 및 성능평가 예측값에 따라 공정능력지수(PRI)와 생산가능 유량을 산출하여 상기 공정 제어인자의 적합성 여부를 판단한다. 구체적으로, 상기 공정 평가부(130)는 유입원수 및 각 공정의 유출수의 수질 계측 정보를 입력값으로 받아 수질조합 코드로 분류하고, 이를 등급화하여 정상 운전상태 결과로부터의 통계적 편차값을 산출하여 관리수준을 평가하고, 상기 단위공정의 수학적 모델 및 통계학적 모델이 조합된 하이브리드 모델에 의하여 상기 단위공정의 수질 처리 상태를 실시간으로 진단할 수 있다.The process evaluator 130 determines the suitability of the process control factor by calculating the process capability index (PRI) and the productable flow rate according to the performance evaluation target value and the performance evaluation prediction value. Specifically, the
또한, 상기 공정 평가부(130)는, 상기 공정모사모델 적용부(120)의 해석 결과에 따라 상기 단위공정 각각의 성능과 생산 가능유량의 결과값을 나타내고, 상기 단위공정별로 운영자에 정해진 목표값에 만족 여부를 판단하고, 상기 성능평가 목표값에 따른 통계적 편차를 계산하여 단위공정 각각의 안정성을 나타내는 공정능력지수(Process Performance Index: PRI)로 나타낼 수 있다. 또한, 상기 공정 평가부(130)는 상기 공정모사모델 적용부(120)의 해석 결과에 따라 응집제, 오존, 염소, 이산화염소를 포함하는 약품주입량을 결정할 수 있다.In addition, the
본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템(100)에 따르면, 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단함으로써, 단위공정 제어의 이상 유무와 공정운전 상태를 실시간으로 평가 및 진단하며 제어인자 주입여부에 대한 의사결정을 효율적으로 지원할 수 있다.According to the real-time purified water treatment
또한, 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템(100)에 따르면, 정수처리공정에서 약품 주입, 수위 제어 등 각종 제어를 수행하기 전에 단위공정의 통합모델에 제어값을 입력하여 추론함으로써, 최상의 공정운영 상태의 편차를 최소화하여 수량과 수질의 변동에 대한 통합 자동제어 시스템의 안정성을 확보와 운영자 경험을 기계적으로 데이터베이스로 축적하고, 이를 추론함으로써 비상시 운영 대응능력을 향상시킬 수 있다.In addition, according to the real-time purified water treatment
한편, 도 3은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법의 동작흐름도이다.3 is a flowchart illustrating a method for evaluating a real-time purified water treatment process using a unit process analysis model according to an exemplary embodiment of the present invention.
도 2 및 도 3을 참조하면, 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법은, 먼저, 상기 데이터 수집부(110)가 정수처리 시스템의 해석 대상 공정에 대해서 상기 데이터베이스 서버(42)로부터 공정 제어인자 및 수량과 수질 데이터를 수집한다(S110).2 and 3, in the real-time water purification process evaluation method using the unit process analysis model according to an embodiment of the present invention, first, the
다음으로, 유입원수의 농도조건, 예를 들면, 크립토스포리디움 농도조건을 입력하여 분류조건별 성능평가 목표값을 설정하여 입력한다(S120).Next, the concentration conditions of the inflow source water, for example, Cryptosporidium concentration conditions are input to set and enter the performance evaluation target value for each classification condition ( S120 ).
예를 들면, 분류조건별 성능평가 목표값은 유입원수 또는 공정 유출수에서 크립토스포리디움 농도조건(Oocysts/L)과 여과 방식의 종류에 따라 다음과 같이 결정될 수 있다. 구체적으로, 정수처리 시스템의 대상 공정이 급속 여과가 포함된 경우의 전체 목표값은, 급속 여과(3 log) + {(크립토스포리디움 농도조건이 0.075 이하인 경우, 0 log 추가) 또는 (크립토스포리디움 농도조건이 0.075 이상 1.0 이하인 경우, 1 log 추가) 또는 (크립토스포리디움 농도조건이 1.0 이상 3.0 이하인 경우, 2 log 추가) 또는 (크립토스포리디움 농도조건이 3.0 이상인 경우, 2.5 log 추가)}로 주어질 수 있다.For example, the performance evaluation target value for each classification condition may be determined according to the Cryptosporidium concentration condition (Oocysts / L) and the type of filtration method in the influent or process effluent. Specifically, when the target process of the water treatment system includes rapid filtration, the total target value is rapid filtration (3 log) + {(add 0 log if the Cryptosporidium concentration condition is 0.075 or less) or (the Cryptosporidium concentration condition is 0.075 More than 1.0, 1 log addition) or (additional 2 log if the Cryptosporidium concentration condition is 1.0 or more and 3.0 or less) or (additional 2.5 log if the Cryptosporidium concentration condition is 3.0 or more)}.
또한, 정수처리 시스템의 대상 공정에 직접 여과가 포함된 경우의 전체 목표값은, 직접 여과(2.5 log) + {(크립토스포리디움 농도조건이 0.075 이하인 경우, 0 log 추가) 또는 (크립토스포리디움 농도조건이 0.075 이상 1.0 이하인 경우, 1.5 log 추가) 또는 (크립토스포리디움 농도조건이 1.0 이상 3.0 이하인 경우, 2.5 log 추가) 또는 (크립토스포리디움 농도조건이 3.0 이상인 경우, 3.0 log 추가)}로 주어질 수 있다.In addition, the total target value when direct filtration is included in the target process of the water treatment system is direct filtration (2.5 log) + {(add 0 log if Cryptosporidium concentration condition is 0.075 or less) or (Cryptosporidium concentration condition is 0.075 or more) If it is 1.0 or less, 1.5 log addition) or (additional 2.5 log if the Cryptosporidium concentration condition is 1.0 or more and 3.0 or less) or (additional 3.0 log if the Cryptosporidium concentration condition is 3.0 or more)}.
또한, 정수처리 시스템의 대상 공정에 완속 여과가 포함된 경우의 전체 목표값은, 완속 여과(2.5 log) + {(크립토스포리디움 농도조건이 0.075 이하인 경우, 0 log 추가) 또는 (크립토스포리디움 농도조건이 0.075 이상 1.0 이하인 경우, 1.0 log 추가) 또는 (크립토스포리디움 농도조건이 1.0 이상 3.0 이하인 경우, 2.0 log 추가) 또는 (크립토스포리디움 농도조건이 3.0 이상인 경우, 2.5 log 추가)}로 주어질 수 있다.In addition, the total target value when slow filtration is included in the target process of the water treatment system is slow filtration (2.5 log) + {(add 0 log if Cryptosporidium concentration condition is 0.075 or less) or (Cryptosporidium concentration condition is 0.075 or more) 1.0 or less, 1.0 log addition) or (if Cryptosporidium concentration condition is 1.0 or more and 3.0 or less, 2.0 log addition) or (if Cryptosporidium concentration is 3.0 or more, 2.5 log addition)}.
또한, 정수처리 시스템의 대상 공정에 막여과 등의 대체 여과가 포함된 경우의 전체 목표값은, 여과방식별 인증값 또는 {크립토스포리디움 농도조건이 0.075 이상 1.0 이하인 경우, (4 - 여과방식별 인증값) 추가} 또는 {크립토스포리디움 농도조건이 1.0이상 3.0 이하인 경우, (5 - 여과방식별 인증값) 추가} 또는 {크립토스포리디움 농도조건이 3.0 이상인 경우, (5.5 - 여과방식별 인증값) 추가}로 주어질 수 있다.In addition, the total target value in the case where the target process of the water treatment system includes alternative filtration such as membrane filtration, the authentication value for each filtration method or {If Cryptosporidium concentration condition is 0.075 or more and 1.0 or less, (4--authentication value for each filtration method) ) Or {if Cryptosporidium concentration conditions are above 1.0 and below 3.0, (5-certified value per filtration method) add} or {if Cryptosporidium concentration conditions are above 3.0, it can be given as (5.5-additional authentication value by filtration method)} have.
다음으로, 해당 프로그램의 아이콘으로 해석 대상 공정의 노드를 연결하고, 연결된 노드의 이상 유무를 확인한다(S130).Next, the nodes of the analysis target process are connected to the icon of the corresponding program, and the abnormality of the connected nodes is checked ( S130 ).
다음으로, 상기 공정모사모델 적용부(120)의 모델 입력부(122)가 상기 수집된 공정 제어인자 및 수량과 수질 데이터를 선택적으로 입력한다(S140). 예를 들면, 탁도에 대한 공정모사모델의 해석을 위해서는 응집제 주입량, 유량, 온도, pH 및 알칼리도를 선택하여 입력한다.Next, the
다음으로, 상기 공정모사모델 적용부(120)의 공정모사모델 해석부(123)가 상기 모델 입력부(122)로부터 선택적으로 입력된 공정 제어인자 및 수량과 수질 데이터에 대해 상기 성능평가 목표값을 기준으로 공정모사모델을 해석하여 성능평가 예측값을 산출한다(S150). 예를 들면, 상기 응집제 주입량, 유량, 온도, pH 및 알칼리도 등의 데이터에 대응하여 탁도 예측값을 산출한다.Next, the process simulation
다음으로, 상기 공정모사모델 적용부(120)의 모델 출력부(124)는 상기 공정모사모델 해석부(123)에서 예측된 성능평가 예측값을 출력한다(S160).Next, the
다음으로, 상기 공정 평가부(130)의 공정능력지수 계산부(131)가 상기 성능평가 목표값 및 성능평가 예측값에 따라 공정능력지수(PRI)와 생산가능 유량을 산출한다(S170). 이때, 상기 단위공정별로 운영자에 정해진 목표값에 만족 여부를 판단하고, 상기 성능평가 목표값에 따른 통계적 편차를 계산하여 단위공정 각각의 안정성을 나타내는 공정능력지수(Process Performance Index: PRI)로 나타낸다.Next, the process capability
다음으로, 상기 공정 평가부(130)의 공정 제어인자 판단부(132)가 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 약품 주입량을 산출하고 현재의 약품 주입량과 비교함으로써 공정 제어인자의 적합성 여부를 판단한다(S180).Next, the process control
다음으로, 상기 공정 평가부(130)의 피드백 제어부(133)가 상기 공정 제어인자의 적합성 여부에 따른 결과를 상기 통합운전 시스템(41)에 피드백 전달함으로써 운영자의 공정제어 의사결정을 지원한다(S190).Next, the
한편, 도 4는 본 발명의 실시예에 따라 혼화, 응집 및 침전 공정과 모래여과 공정 처리수질의 탁도 예측을 위한 다층퍼셉트론 인공신경망 모델이 적용된 공정모사모델 해석부를 설명하기 위한 도면이다.On the other hand, Figure 4 is a view for explaining a process simulation model analysis unit to which a multi-layer perceptron artificial neural network model is applied for the prediction of turbidity of the water mixture, flocculation and precipitation process and sand filtration process according to an embodiment of the present invention.
도 4를 참조하면, 본 발명의 실시예에 따른 공정모사모델 적용부(120)의 공정모사모델 해석부(123)는, 입력층(123-1), 은닉층(중간층)(123-2) 및 출력층(123-3)을 포함하는 다층퍼셉트론 인공신경망 모델로 구현되며, 예를 들면, 혼화, 응집 및 침전 공정과 모래여과 공정 또는 막여과 공정의 처리수질 탁도의 예측, 및 막여과 공정의 경우에 한해서 막간차압(TMP)의 예측을 수행한다. 여기서, 입력층(123-1)이 상기 모델 입력부(122)에 연결되고, 출력층(123-3)이 상기 모델 출력부(124)에 연결된다.Referring to FIG. 4, the process simulation
본 발명의 실시예에 따른 공정모사모델 해석부(123)는 입력층(123-1) 및 출력층(123-3) 사이에 은닉층(123-2)을 둔 다층구조에서 데이터를 훈련시키는 알고리즘을 내포하는 다층 퍼셉트론을 이용한 기계적 학습을 통해 이루어진다. 이에 따라, 공정모사모델 해석부(123)는 입력층(123-1), 은닉층(123-2), 출력층(123-3)을 포함한다. 여기서, 입력층(123-1)은 적어도 하나 이상의 입력노드를 조절할 수 있고, 은닉층(123-2)은 입력노드 수에 따라 공정모사모델 해석부(123)를 연산하는 은닉노드를 가지며, 출력층(123-3)은 입력조건을 은닉층(123-2)의 연산에 따라 적어도 하나 이상의 출력결과를 갖는다. 바람직하게는 은닉층(123-2)의 수는 미리 설정되어 있다.The process simulation
입력층(123-1)에서는 모델 입력부(122)로부터 소정의 입력조건이 입력되고, 출력층(123-3)에서는 분류된 결과를 모델 출력부(123)로 출력한다. 또한, 은닉층(123-2)은 입력층(123-1) 및 출력층(123-3) 사이에 적어도 하나 이상의 계층이 존재할 수 있다.In the input layer 123-1, a predetermined input condition is input from the
공정모사모델 해석부(123)는, 입력조건이 입력층(123-1)에 입력되면, 은닉층(123-2)에 있는 노드에 의해 수행된 연산결과가 다음 레벨에 있는 노드의 입력값이 되며, 이러한 과정을 출력층(123-3)까지 수행하여 최종 결과를 도출한다. 이때, 각 층에 있는 노드를 연결시켜 주는 역할을 수행하는 것이 연결강도이다. 이 연결은 같은 층에 있는 노드를 연결할 수 없고 다른 층에 있는 노드를 연결할 수 있으며, 일반적으로 하나의 노드는 다음 층에 있는 모든 노드와 연결된다.When the input condition is input to the input layer 123-1, the process simulation
공정모사모델 해석부(123)에서 바이어스(Bias)와 함께 입력의 가중합을 활성화 함수(또는 전달함수)에 전달하여 결과를 출력할 수 있다.In the process simulation
구체적으로, 다층퍼셉트론 인공신경망 모델 해석을 위해서 공정별 탁도 처리수질을 예측할 때 필요한 수량, 응집제 주입량, pH, 탁도, 온도, 알칼리도 수량과 수질 데이터가 상기 모델 입력부(122)로부터 선택되어 상기 입력층(123-1)에 입력된다.Specifically, the quantity, flocculant injection amount, pH, turbidity, temperature, alkalinity quantity and water quality data necessary for predicting the turbidity treatment process quality for each process for the analysis of the multi-layer perceptron artificial neural network model are selected from the
예를 들면, 상기 공정모사모델 해석부(123)는 성능평가 예측값 및 실제값의 차이인 오차를 감소시키는 방향으로 다층퍼셉트론 인공신경망 모델의 은닉층(123-2)의 수 및 연결강도를 갱신한다. 구체적으로, 상기 공정모사모델 해석부(123)는 예측값 및 실제값을 비교하여 오차가 작은 방향으로 노드간의 연결강도를 조절한다. 즉, 상기 공정모사모델 해석부(123)는 입력층(123-1)의 각 노드에 입력조건이 입력되면, 각 노드에서 변환되어 은닉층(123-2)에 전달되고 최후에 출력층(123-3)에서 성능평가 예측값을 출력한다.For example, the process simulation
또한, 상기 공정모사모델 해석부(123)는 예측값 및 실제값을 비교하여 차이를 줄여나가는 방향으로 연결강도를 조절하고, 상위층에서 하위층으로 역전파하여 하위층에서 이를 근거로 다시 자기층의 연결강도를 조절하도록 한다.In addition, the process simulation
구체적으로, 상기 공정모사모델 해석부(123)는 p번째의 입력패턴 및 출력 패턴이 제시되는 경우, 노드 i에서 노드 j로의 연결강도를 다음의 수학식 1을 이용하여 조절할 수 있다.Specifically, when the p-th input pattern and the output pattern are presented, the process simulation
여기서, 는 p번째 목표패턴의 j 성분이고, 는 p번째 입력패턴에서 상기 공정모사모델 해석부(123)가 계산한 출력패턴의 j 성분이고, 는 p번째 입력패턴의 i 성분이고, 는 목표패턴과 실제패턴의 차이(오차)를 나타낸다.here, Is the j component of the pth target pattern, Is the j component of the output pattern calculated by the process simulation
한편, 도 5는 본 발명의 실시예에 따라 혼화, 응집 및 침전 공정과 막여과 공정 처리수질 탁도와 막간차압(TMP) 예측을 위한 다층퍼셉트론 인공신경망 모델을 구현하는 방법을 나타내는 동작흐름도로서, 오존처리에 따른 대장균과 지아디아, 크립토스포리디움 불활성화도와 공정능력지수 계산 방법을 나타낸다.On the other hand, Figure 5 is an operation flow diagram showing a method for implementing a multi-layer perceptron artificial neural network model for the mixing, flocculation and precipitation process and membrane filtration process water turbidity and inter-medimental differential pressure (TMP) prediction according to an embodiment of the present invention, ozone Inactivation of E. coli, Giardia, Cryptosporidium and processing capability index are shown.
도 5를 참조하면, 본 발명의 실시예에 따른 단위공정이 오존 공정인 경우, 여러 단의 격벽으로 나누워진 반응조로 구성된 접촉설비에서 격벽을 기준에서 오존가스 산기관을 통해 주입되어 유입원수가 반응하는 오존 용해조, 및 상기 오존 용해조 이후의 반응구역을 오존 반응조로 구분한다(S210).Referring to FIG. 5, when the unit process according to the embodiment of the present invention is an ozone process, an inflow source water is injected through an ozone gas diffuser based on a partition wall in a contact facility composed of a reaction tank divided into a plurality of partition walls. The ozone dissolving tank, and the reaction zone after the ozone dissolving tank are divided into an ozone reaction tank ( S210 ).
다음으로, 온도, pH 및 수량 값을 모델 입력부(122)에서 입력하고, 반응영역의 체류시간동안 분해되는 오존 소비반응속도를 계산하여 입력한다(S220).Next, the temperature, pH and quantity values are input from the
다음으로, 대상 반응영역의 격벽을 기준으로 반응영역 유출부의 잔류 오존농도와 체류시간을 다음의 수학식 2와 같이 계산한다(S230). 즉, 용해조를 제외한 오존 반응조의 잔류 오존농도 및 이론적 체류시간을 계산한다.Next, the residual ozone concentration and the residence time of the outlet of the reaction zone based on the partition wall of the target reaction zone are calculated as in
여기서, HDT는 Vx/Q로 주어지고, 는 [반응영역 구간의 격벽 기준별 x 실 출구 잔류오존농도](단위: mg/L)로 주어지며, 는 오존 소비반응 속도상수(단위: min-1)를 나타낸다. 또한, 는 초기 오존주입농도(단위: mg/L)를 나타내고, 는 반응 구역 입구와 실 출구 사이의 수리학적 체류시간(단위: 분)을 나타내고, 는 반응 구역 입구와 실 출구 사이의 격실 수를 나타낸다. 또한, Vx는 반응영역 구간의 격벽 기준별 실의 용량을 나타내고, Q는 유량을 나타낸다.Where HDT is given by Vx / Q, Is given as [x seal exit residual ozone concentration by the bulkhead criterion in the reaction zone] (unit: mg / L), Represents the ozone consumption rate constant (unit: min -1 ). Also, Indicates initial ozone concentration (unit: mg / L), The reaction zone inlet and Hydraulic retention time (unit: minute) between room exits, The reaction zone inlet and Indicates the number of compartments between chamber outlets. In addition, Vx is based on the partition wall criterion in the reaction zone section. The capacity of the yarn is indicated and Q is the flow rate.
다음으로, 오존에 의한 대장균, 지아디아 등 미생물 불활성화 속도상수를 다음의 수학식 3 및 수학식 4와 같이 계산한다(S240).Next, the microorganism inactivation rate constants such as E. coli, Giardia, etc. by ozone are calculated as in
여기서, 는 로그 불활화성화 지수를 나타내며, 는 로그 불활성화율 속도상수로서, 예를 들면, 지아디아인 경우 kg로 나타내고, 바이러스인 경우 kv로 나타내며, 크립토스포리디움인 경우 kc로 나타낸다. 또한, 는 소독값을 나타낸다.here, Represents the log inactivation index, Is the logarithmic inactivation rate constant, for example, in kg for Giardia, kv for viruses, and kc for Cryptosporidium. Also, Represents the disinfection value.
여기서, c는 바이러스인 경우 2.174이고, 지아디아인 경우 1.038로 주어진다. 또한, d는 바이러스인 경우 0.070이고, 지아디아인 경우 0.0714로 주어진다. 또한, Temp는 수온(단위: ℃)을 나타낸다.Where c is 2.174 for viruses and 1.038 for Giardia. D is given as 0.070 for viruses and 0.0714 for Giardia. In addition, Temp represents a water temperature (unit: degreeC).
다음으로, 상기 계산된 각각의 인자를 통하여 다음의 수학식 5 및 수학식 6에 의해서 대상 반응조의 미생물 불활성화 지수를 계산하고(S250), 이후, 오존에 의한 브로메이트 예측 농도 또는 생성가능 유량을 계산한다(S260). 즉, 크립토스포리디움인 경우의 로그 불활성화지수(kc)는 다음의 수학식 5와 같고, 그 로그 불활성화 지수는 다음의 수학식 6과 같이 주어질 수 있다.Next, the microbial inactivation index of the target reactor is calculated by the following equations (5) and (6) through each of the calculated factors ( S250 ), and then the predicted bromate concentration or generation rate by ozone is calculated. Calculate ( S260 ). That is, the log inactivation index (kc) in the case of Cryptosporidium may be given by
여기서, g는 0.0397이고, h는 1.09757이며, Temp는 수온(단위: ℃)을 나타낸다. Here, g is 0.0397, h is 1.09757, and Temp represents a water temperature (unit: degreeC).
여기서, Log I는 로그 불활성화 지수(Log Inactivation)를 나타내고, Cchar는 격실 반응조 전체에 특징적인 잔류오존농도(단위: mg/L)를 나타내고, HDT는 격실(CSTR)별 수리학적 체류 시간(단위: 분)을 나타내며, kc는 크립토스포리디움 제거 불활성화 속도상수(단위: Log/CT)를 나타낸다.Where Log I represents the Log Inactivation index, C char represents the residual ozone concentration (mg / L) characteristic of the entire compartment reactor, and HDT represents the hydraulic retention time per compartment (CSTR) K c represents the Cryptosporidium removal inactivation rate constant (Log / CT).
또한, 다음의 수학식 7과 같이 브로메이트 예측 농도()를 구할 수 있다.In addition, the bromate predicted concentration ( ) Can be obtained.
대상 원수의 수소이온농도를 의미하며, Br-은 대상 원수에 포함되어 있는 브롬 이온농도를 나타태고, t는 체류시간을 나타낸다.Hydrogen ion concentration of the target raw water, Br - represents the bromine ion concentration contained in the target raw water, t represents the residence time.
다음으로, 수학식 8 및 수학식 9에 의해서 오존 반응조의 공정능력지수와 생산가능 유량을 산출하여 출력한다(S270). 이때, 공정능력지수(Process Performance Index: PRI)는 다음의 수학식 8과 같이 주어지고, 생산가능 유량은 다음의 수학식 9와 같이 주어질 수 있다.Next, the process capacity index and the productable flow rate of the ozone reactor are calculated and expressed by Equations 8 and 9 (S270). In this case, the Process Performance Index (PRI) may be given by Equation 8 below, and the available flow rate may be given by
여기서, Log I는 로그 불활성화 지수(Log Inactivation)를 나타낸다.Here, Log I represents Log Inactivation.
여기서, PRI는 공정능력지수(PRI)를 나타낸다.Where PRI stands for Process Capability Index (PRI).
다음으로, 상기 공정 평가부(130)의 공정 제어인자 판단부(132)가 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 오존 주입 농도를 산출하고 현재의 오존 주입 농도와 비교함으로써 공정 제어인자의 적합성 여부를 판단한다(S280).Next, the process control
다음으로, 상기 공정 평가부(130)의 피드백 제어부(133)가 상기 공정 제어인자의 적합성 여부에 따른 결과, 예를 들면, 주입 가능한 오존 주입 농도를 상기 통합운전 시스템(41)에 피드백 전달함으로써 운영자의 공정제어 의사결정을 지원한다(S290).Next, the
한편, 도 6은 본 발명의 실시예에 따라 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법에서 불활성화도와 공정능력지수 계산 방법을 나타내는 동작흐름도로서, 염소 또는 이산화염소처리에 따른 대장균과 지아디아, 크립토스포리디움 불활성화도와 공정능력지수 계산을 위한 방법을 나타낸다.On the other hand, Figure 6 is an operation flow diagram showing the deactivation degree and the capability index calculation method in the real-time water treatment process evaluation method using a unit process analysis model according to an embodiment of the present invention, E. coli and Giardia according to chlorine or chlorine dioxide treatment In addition, this paper presents a method for calculating Cryptosporidium inactivation and capability index.
도 6을 참조하면, 본 발명의 실시예에 따른 단위공정이 염소 또는 이산화염소 소독처리인 경우, 먼저, 해석 대상인 반응조 영역을 염소 또는 이산화염소 가스주입 부분을 기준으로 용해조와 반응조로 구분한다(S310).Referring to FIG. 6, when the unit process according to the embodiment of the present invention is chlorine or chlorine dioxide disinfection treatment, first, a reaction tank region to be analyzed is divided into a dissolution tank and a reaction tank based on the chlorine or chlorine dioxide gas injection portion ( S310). ).
다음으로, 염소 또는 이산화염소 주입농도와 온도, pH 및 수량 값을 모델 입력부에서 입력한다(S320). 즉, 데이터 수집부에서 수집된 염소 또는 이산화염소 주입농도와 온도, pH 및 수량 값을 상기 모델 입력부에서 입력한다.Next, the chlorine or chlorine dioxide injection concentration and temperature, pH and quantity values are input from the model input unit ( S320 ). That is, the chlorine or chlorine dioxide injection concentration and the temperature, pH and quantity values collected by the data collection unit are input from the model input unit.
다음으로, 반응조에서 원수 유동특성을 나타내는 분산상수 값을 측정계산 입력하고(S330), 이후, 염소 또는 이산화염소 소비반응속도를 입력한다(S340).Next, the measurement and input the dispersion constant value representing the raw water flow characteristics in the reaction vessel ( S330 ), and then input the reaction rate of chlorine or chlorine dioxide consumption ( S340 ).
다음으로, 염소 또는 이산화염소에 의한 대장균, 지아디아 등 미생물 불활성화 속도를 입력한다(S350).Next, enter the microorganism inactivation rate such as E. coli, Giardia by chlorine or chlorine dioxide ( S350 ).
다음으로, 계산된 각각의 인자를 통합한 다음의 수학식 10 내지 수학식 12에 의해 대상 반응조의 미생물 불활성화 지수를 시간에 따라 계산한다(S360).Next, the microorganism inactivation index of the target reaction tank is calculated over time by integrating the calculated respective factors (10) ( S360 ).
여기서, 는 염소 또는 이산화염소 소비 속도상수를 나타내고, 는 미생물 불활성화 속도상수를 나타내며, 는 체류시간(= V/Q)을 나타낸다. 이때, V는 반응조 용량을 나타내고, Q는 유량을 나타낸다. 또한, d는 분산상수 값(Dispersion Coefficient)으로 유동 특성값인 Pe(Peclet 상수)에 반비례하는 값으로, 사용자가 임의의 상수값을 입력하고, 는 무차원 상수값으로 추적자 시험에 의한 이론적 체류시간인 t를 평균 체류시간인 τ로 나눈 값으로 사용자 입력값이다. 또한, 및 은 HOM 소독모델 상수로서, 그 기본값은 1로 지정되며, 사용자 별도의 경험적 실험 결과를 통해 HOM 소독모델 상수를 지정할 수도 있다.here, Represents the chlorine or chlorine dioxide consumption rate constant, Represents the microbial inactivation rate constant, Represents the residence time (= V / Q). At this time, V represents a reactor capacity, and Q represents a flow rate. In addition, d is a dispersion constant (Dispersion Coefficient), which is inversely proportional to the flow characteristic value Pe (Peclet constant), and a user inputs an arbitrary constant value. Is a dimensionless constant value, which is a user input value obtained by dividing the theoretical residence time t by the tracer test by the average residence time τ. Also, And Is the HOM disinfection model constant. The default value is 1, and the user can specify the HOM disinfection model constant through a separate empirical test result.
다음으로, 염소 또는 이산화염소도 오존 처리와 마찬가지로, 전술한 수학식 8 및 수학식 9에 의해서 공정능력지수와 생산가능 유량을 산출하여 출력한다(S370).Next, chlorine or chlorine dioxide also calculates and outputs the process capability index and the productable flow rate according to the
다음으로, 상기 공정 평가부(130)의 공정 제어인자 판단부(132)가 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 염소 또는 이산화염소 농도범위를 산출하고 현재의 주입 가능한 염소 또는 이산화염소 농도와 비교함으로써 공정 제어인자의 적합성 여부를 판단한다(S380).Next, the process control
다음으로, 상기 공정 평가부(130)의 피드백 제어부(133)가 상기 공정 제어인자의 적합성 여부에 따른 결과, 예를 들면, 주입 가능한 염소 또는 이산화염소 농도범위를 상기 통합운전 시스템(41)에 피드백 전달함으로써 운영자의 공정제어 의사결정을 지원한다(S390).Next, as a result of the
한편, 도 7은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 구현된 메인 화면을 나타내는 도면이이고, 도 8은 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 적용된 출력 결과를 나타내는 도면이다.On the other hand, Figure 7 is a view showing a main screen implemented a real-time water purification process evaluation system using a unit process analysis model according to an embodiment of the present invention, Figure 8 is a unit process analysis model according to an embodiment of the present invention It is a figure which shows the output result to which the real-time water purification process evaluation system used was applied.
본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 구현된 메인 화면은, 도 7에 도시된 바와 같이, 해석 대상시스템의 공정구성에 따라 공정선택을 위한 아이콘 창과 이를 선택하여 배열시키고 연결선으로 각각의 노드를 연결하고, 각각의 단위공정의 입력정보를 다이얼로그 박스에 입력하고 속성값을 나타낸다.As shown in FIG. 7, the main screen in which the real-time water purification process evaluation system using the unit process analysis model according to an embodiment of the present invention is implemented, is selected as an icon window for process selection according to the process configuration of the analysis target system. The nodes are connected to each other by a connecting line, the input information of each unit process is entered in a dialog box, and the attribute value is displayed.
예를 들면, 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템은, 도 7에 도시된 바와 같이 구현될 수 있으며, 이때, 도면부호 710은 메인 메뉴를 나타내고, 도면부호 720은 툴바(Toolbar)를 나타낸다.For example, the real-time water purification process evaluation system using the unit process analysis model according to an embodiment of the present invention may be implemented as shown in Figure 7, wherein,
또한, 도면부호 730은 메인 창(Main View)을 나타내며, 상기 메인 창(730) 내에 아이콘(Icon: 731), 대화창(Dialog View: 732) 및 특성창(Property View: 733) 등이 구현될 수 있고, 상기 아이콘(731)은 선택 가능한 단위공정을 의미하며, 이러한 단위공정을 메인 창(730) 화면에서 드래그 앤 드롭(drag and drop) 방식으로 나열한 다음에 연결선으로 단위공정의 노드를 연결함으로써, 공정 구성과 연결선의 이상 유무를 확인할 수 있다.In addition,
이러한 단위공정의 노드는 자동적으로 공정의 배열 위치에 상관없이 자동적으로 직선 또는 꺽인 선으로 표시되어 연결되며, 공정 배열 구성에 이상이 있을 경우, 적색 선으로 표시되어 에러 메시지를 나타내며, 공정 구성이 완료되면, 대상 시스템의 목표 생산유량과 단위공정별 체류시간을 입력함으로써, 공정 진단 평가시 이에 대한 적합 여부를 판단할 수 있다.The nodes of the unit process are automatically displayed in a straight line or in a broken line regardless of the arrangement position of the process. If there is an error in the process arrangement, a red line indicates an error message and the process configuration is completed. In this case, by inputting the target production flow rate and the residence time of each unit process of the target system, it may be determined whether or not it is suitable for the process diagnosis evaluation.
또한, 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 적용된 출력 결과는, 도 8에 도시된 바와 같이, 해석대상 시스템의 단위공정의 흐름에 따라 진단평가 인자를 각각 출력하여 보여줄 수 있다.In addition, as shown in FIG. 8, the output result to which the real-time water treatment process evaluation system using the unit process analysis model according to the embodiment of the present invention is applied, the diagnostic evaluation factors according to the flow of the unit process of the analysis target system, respectively. You can print it out and show it.
한편, 도 9 및 도 9b는 본 발명의 실시예에 따른 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템이 적용된 공정별 진단 결과를 예시하는 도면으로서, 구체적으로, 도 9a는 공정별 불활성화 지수의 결과, 즉, 공정별 Log 불화성화율 변화를 보여주고 있고, 도 9b는 온도 영향에 대한 대상 시스템의 해석결과, 즉, 온도에 따른 Log 제거율 변화를 보여주고 있다.9 and 9B are diagrams illustrating a diagnosis result for each process to which a real-time purified water treatment process evaluation system using a unit process analysis model according to an embodiment of the present invention is applied. Specifically, FIG. 9A illustrates an inactivation index for each process. In other words, the log inactivation rate change of each process is shown, and FIG. 9B shows the change of the log removal rate according to the temperature of the target system, that is, the temperature effect.
본 발명의 실시예에 따르면, 정수처리 공정의 각 단위공정에 대해 단위공정 해석 모델을 이용하여 공정능력지수(PRI)에 따라 정수처리 단위공정의 성능을 평가하고, 각 단위공정의 기능을 실시간으로 진단할 수 있고, 또한, 정수처리공정에서 약품 주입, 수위 제어 등 각종 제어를 수행하기 전에 단위공정의 통합모델에 제어값을 입력하여 추론함으로써, 최상의 공정운영 상태의 편차를 최소화하여 수량과 수질의 변동에 대한 통합 자동제어 시스템의 안정성을 확보와 운영자 경험을 기계적으로 데이터베이스로 축적할 수 있다.According to an embodiment of the present invention, the unit process analysis model is used for each unit process of the water treatment process to evaluate the performance of the water treatment unit process according to the process capability index (PRI), and the function of each unit process in real time. It is possible to diagnose and input the control value in the integrated model of the unit process before performing various kinds of control such as chemical injection and water level control in the water treatment process to minimize the deviation of the best process operation state. The stability of the integrated automatic control system against changes can be ensured and the operator's experience can be mechanically accumulated in the database.
전술한 본 발명의 설명은 예시를 위한 것이며, 본 발명이 속하는 기술분야의 통상의 지식을 가진 자는 본 발명의 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 쉽게 변형이 가능하다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 예를 들어, 단일형으로 설명되어 있는 각 구성 요소는 분산되어 실시될 수도 있으며, 마찬가지로 분산된 것으로 설명되어 있는 구성 요소들도 결합된 형태로 실시될 수 있다.The foregoing description of the present invention is intended for illustration, and it will be understood by those skilled in the art that the present invention may be easily modified in other specific forms without changing the technical spirit or essential features of the present invention. will be. It is therefore to be understood that the above-described embodiments are illustrative in all aspects and not restrictive. For example, each component described as a single entity may be distributed and implemented, and components described as being distributed may also be implemented in a combined form.
본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.The scope of the present invention is shown by the following claims rather than the above description, and all changes or modifications derived from the meaning and scope of the claims and their equivalents should be construed as being included in the scope of the present invention. do.
10: 대상 공정
20: 공정별 자동제어 시스템
30: 수량과 수질 감시 시스템
40: 통합 관리 시스템
41: 통합 운전 시스템
42: 데이터베이스 서버
100: 실시간 정수처리 공정 평가 시스템
110: 데이터 수집부(정수처리 제어인자, 수량과 수질 데이터)
120: 공정모사모델 적용부
130: 공정 평가부
121: 성능평가 목표값 입력부
122: 모델 입력부
123: 공정모사모델 해석부
124: 모델 출력부
131: 공정능력지수 계산부
132: 공정 제어인자 판단부
133: 피드백 제어부10: target process
20: Automatic Control System by Process
30: quantity and water quality monitoring system
40: integrated management system
41: integrated driving system
42: database server
100: Real-time water purification process evaluation system
110: data collection unit (water treatment control factor, quantity and water quality data)
120: process simulation model application unit
130: process evaluation unit
121: performance evaluation target value input unit
122: model input unit
123: process simulation model analysis unit
124: model output
131: capability index calculation unit
132: process control factor determination unit
133: feedback control unit
Claims (8)
각각의 정수처리 단위공정에 적용되는 공정 제어인자 및 수량과 수질 데이터를 수집하기 위한 데이터 수집부;
운영자에 의해 정해지는 유입원수의 분류조건별 성능평가 목표값을 설정하여 입력하는 성능평가 목표값 입력부;
각각의 정수처리 단위공정의 공정모사를 위해 상기 데이터 수집부에서 수집된 공정 제어인자 및 수량과 수질 데이터를 선택적으로 입력하는 모델 입력부;
상기 성능평가 목표값 입력부에서 입력된 상기 성능평가 목표값을 기준으로 상기 모델 입력부에서 입력된 공정모사모델을 다층 퍼셉트론 인공신경망 모델을 이용하여 해석하고 성능평가 예측값을 출력하는 공정모사모델 해석부;
부산물 농도 및 상기 단위공정별 생산가능 유량 산출을 위해서 상기 공정모사모델 해석부의 해석 결과에 따른 성능평가 예측값을 출력하는 모델 출력부;
상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하여 단위공정 각각의 안정성을 나타내는 지표인 공정능력지수(Process Performance Index: PRI)를 산출하고, 상기 공정능력지수(PRI)에 대응하는 생산가능 유량을 산출하는 공정능력지수 계산부; 및
상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 약품 주입량을 산출하고 현재의 약품 주입량과 비교함으로써 상기 공정 제어인자가 적합하게 선택되었는지 판단하는 공정 제어인자 판단부
를 포함하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템.When water treatment is carried out by unit processes including mixing, flocculation, sedimentation, sand filtration, membrane filtration, ozone treatment, activated carbon, chlorine disinfection, chlorine dioxide disinfection or UV disinfection, In the real-time water purification process evaluation system to evaluate by applying the unit process analysis model,
A data collection unit for collecting process control factors and quantity and water quality data applied to each water treatment unit process;
A performance evaluation target value input unit for setting and inputting a performance evaluation target value for each classification condition of inflow water determined by an operator;
A model input unit for selectively inputting process control factors and quantity and water quality data collected by the data collection unit for process simulation of each water treatment unit process;
A process simulation model analysis unit for analyzing the process simulation model inputted from the model input unit based on the performance evaluation target value inputted from the performance evaluation target value input unit using a multilayer perceptron artificial neural network model and outputting a performance evaluation predicted value;
A model output unit for outputting a performance evaluation predicted value according to an analysis result of the process simulation model analysis unit to calculate a by-product concentration and a usable flow rate for each unit process;
In response to the performance evaluation target value and the performance evaluation prediction value, a process performance index (PRI), which is an index indicating stability of each unit process, is calculated, and a productable flow rate corresponding to the process capacity index (PRI) is calculated. Computing capability index calculation unit; And
A process control factor determination unit for determining whether the process control factor is appropriately selected by calculating the amount of injectable drug based on the PRI and the available flow rate, and comparing it with the current amount of drug injection.
Real-time water treatment process evaluation system using a unit process analysis model including a.
상기 공정 제어인자 판단부는, 상기 단위공정 각각의 수질 처리 상태를 실시간으로 진단하는 것을 특징으로 하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템.The method of claim 1,
The process control factor determination unit, real-time water purification process evaluation system using a unit process analysis model, characterized in that for diagnosing the water quality of each of the unit process in real time.
상기 공정능력지수 계산부는, 상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하는 편차를 계산하여 상기 공정능력지수(PRI)로 나타내는 것을 특징으로 하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템.The method of claim 1,
The process capability index calculation unit is a real-time water purification process evaluation system using a unit process analysis model, characterized in that for calculating the deviation corresponding to the performance evaluation target value and the performance evaluation prediction value expressed by the process capability index (PRI).
상기 공정모사모델 해석부는, 상기 공정모사모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론 인공신경망 모델을 이용하는 것을 특징으로 하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 시스템.The method of claim 1,
The process simulation model analysis unit, when applying the process simulation model, a real-time integer using a unit process analysis model using a multi-layer perceptron artificial neural network model that trains data in a multi-layer structure having a hidden layer between the input layer and the output layer Treatment Process Evaluation System.
a) 각각의 단위공정에 대해서 공정 제어인자 및 수량과 수질 데이터를 수집하는 단계;
b) 운영자에 의해 유입원수의 분류조건별 성능평가 목표값을 설정 입력하는 단계;
c) 상기 수집된 공정 제어인자 및 수량과 수질 데이터를 선택적으로 입력하는 단계;
d) 상기 성능평가 목표값을 기준으로 상기 선택적으로 입력된 공정 제어인자 및 수량과 수질 데이터에 대해 공정모사모델을 다층 퍼셉트론 인공신경망 모델을 이용하여 해석하고, 상기 공정모사모델에 의해 산출되는 성능평가 예측값을 산출하여 출력하는 단계;
e) 상기 성능평가 목표값 및 상기 성능평가 예측값에 따라 상기 단위공정 각각의 안정성을 나타내는 지표인 공정능력지수(PRI)를 산출하고, 상기 공정능력지수(PRI)에 대응하는 생산가능 유량을 산출하는 단계; 및
f) 상기 공정능력지수(PRI)와 생산가능 유량에 근거하여 주입 가능한 약품 주입량을 산출하고 현재의 약품 주입량과 비교하여 상기 공정 제어인자가 적합하게 선택되었는지 판단하는 단계
를 포함하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법.When water treatment is carried out by unit processes including mixing, flocculation, sedimentation, sand filtration, membrane filtration, ozone treatment, activated carbon, chlorine disinfection, chlorine dioxide disinfection or UV disinfection, In the real-time water purification process evaluation method of applying the unit process analysis model,
a) collecting process control factors and quantity and water quality data for each unit process;
b) setting and inputting a performance evaluation target value for each classification condition of inflow water by an operator;
c) optionally inputting the collected process control factors and quantity and water quality data;
d) Analyzing the process simulation model by using the multilayer perceptron neural network model with respect to the selectively input process control factors, quantity and water quality data based on the performance evaluation target value, and evaluating the performance calculated by the process simulation model. Calculating and outputting a predicted value;
e) calculating a process capability index (PRI) which is an index indicating stability of each unit process according to the performance evaluation target value and the performance evaluation predicted value, and calculating a productable flow rate corresponding to the process capability index (PRI); step; And
f) calculating the injectable drug infusion amount based on the PRI and the available flow rate, and determining whether the process control factor is appropriately selected by comparing with the current drug infusion amount;
Real-time water treatment process evaluation method using a unit process analysis model comprising a.
g) 상기 공정 제어인자가 적합한지 여부에 따른 결과를 통합운전 시스템에 피드백(Feedback) 전달하는 단계를 추가로 포함하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법.The method of claim 5,
g) real-time water purification process evaluation method using a unit process analysis model further comprising the step of delivering feedback to the integrated operation system according to whether the process control factors are suitable.
상기 e) 단계는, 상기 성능평가 목표값 및 상기 성능평가 예측값에 대응하는 편차를 계산하여 상기 공정능력지수(PRI)로 나타내는 것을 특징으로 하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법.The method of claim 5,
In the step e), a deviation corresponding to the performance evaluation target value and the performance evaluation prediction value is calculated and expressed as the process capability index (PRI).
상기 d) 단계는, 상기 공정모사모델을 적용할 때, 입력층과 출력층 간에 은닉층을 두는 다층구조에서 데이터를 훈련시키는 다층 퍼셉트론을 이용하는 것을 특징으로 하는 단위공정 해석 모델을 이용한 실시간 정수처리 공정 평가 방법.The method of claim 5,
In step d), when the process simulation model is applied, a real-time water purification process evaluation method using a unit process analysis model is characterized by using a multi-layer perceptron for training data in a multilayer structure having a hidden layer between an input layer and an output layer. .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110034543A KR101269056B1 (en) | 2011-04-14 | 2011-04-14 | Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020110034543A KR101269056B1 (en) | 2011-04-14 | 2011-04-14 | Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model |
Publications (2)
Publication Number | Publication Date |
---|---|
KR20120117045A KR20120117045A (en) | 2012-10-24 |
KR101269056B1 true KR101269056B1 (en) | 2013-05-29 |
Family
ID=47285067
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020110034543A KR101269056B1 (en) | 2011-04-14 | 2011-04-14 | Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101269056B1 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230168714A (en) | 2022-06-08 | 2023-12-15 | 한국건설기술연구원 | Automatic controlling system for amount of optimal coagulant injection based on machine learning, and method for the same |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104318325B (en) * | 2014-10-14 | 2017-11-07 | 广东省环境监测中心 | Many basin real-time intelligent water quality prediction methods and system |
KR101912239B1 (en) * | 2018-07-04 | 2018-10-26 | 선점수 | Technical diagnosis system of filtered water treatment facility capable of real-time technical diagnosis evaluation using mobile device |
WO2021251580A1 (en) * | 2020-06-08 | 2021-12-16 | (주)한국워터테크놀로지 | Electro-osmotic sludge treatment system using machine learning, and control method therefor |
KR102620496B1 (en) | 2021-11-04 | 2024-01-03 | 주식회사 도화엔지니어링 | Verifying method for error analyzing of waterquality |
CN116535055B (en) * | 2023-06-19 | 2024-06-04 | 重庆阁林环保科技有限公司 | High ammonia nitrogen wastewater treatment control system based on dialysis-denitrification |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005125229A (en) | 2003-10-23 | 2005-05-19 | Toshiba Corp | Sewerage treatment system |
KR100912032B1 (en) | 2008-05-19 | 2009-08-12 | 효성에바라엔지니어링 주식회사 | Apparatus and method for controlling activated sludge process |
-
2011
- 2011-04-14 KR KR1020110034543A patent/KR101269056B1/en active IP Right Grant
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005125229A (en) | 2003-10-23 | 2005-05-19 | Toshiba Corp | Sewerage treatment system |
KR100912032B1 (en) | 2008-05-19 | 2009-08-12 | 효성에바라엔지니어링 주식회사 | Apparatus and method for controlling activated sludge process |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230168714A (en) | 2022-06-08 | 2023-12-15 | 한국건설기술연구원 | Automatic controlling system for amount of optimal coagulant injection based on machine learning, and method for the same |
Also Published As
Publication number | Publication date |
---|---|
KR20120117045A (en) | 2012-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR101269056B1 (en) | Method for real-time evaluating process in drinking water treatment facility using unit-process analysis model | |
CN102807301B (en) | Outlet water quality online monitoring and real-time forecasting system of water reclamation plant and control method thereof | |
US6845336B2 (en) | Water treatment monitoring system | |
CN117171661B (en) | Chemical plant sewage treatment monitoring method and system | |
KR101133664B1 (en) | Prediction, evaluation and control method of chemical cleaning of membrane process using genetic algorithm and programming in water treatment system | |
JP4347864B2 (en) | Water treatment facility management system | |
CN101944275B (en) | Membrane pollution diagnosis and early warning decision making system of hollow fiber device | |
JP6661426B2 (en) | Process diagnostic device, process diagnostic method, and computer program | |
CN107949814A (en) | System and method for waste water treatment process control | |
Liu et al. | Prediction of microfiltration membrane fouling using artificial neural network models | |
CN105425592A (en) | Water processing medicine addition digital online control system | |
US11365140B2 (en) | Decision support system and method for water treatment | |
KR101237444B1 (en) | A system and method for diagnosis algorithm development at wastewater treatment plant operation | |
KR102261819B1 (en) | Managing system for water treatment plant using ai simulation | |
JP4964273B2 (en) | Water treatment facility management system | |
KR100834187B1 (en) | Diagnosis system for biological wastewater treatment process using bayesian networks | |
Robles et al. | Model-based automatic tuning of a filtration control system for submerged anaerobic membrane bioreactors (AnMBR) | |
JP2000218263A (en) | Water quality controlling method and device therefor | |
Bouchard et al. | Multicriteria decision analysis for the selection of a small drinking water treatment system | |
KR101963124B1 (en) | Remote diagnosing and managing system for small-scaled desalination equipment being separately installed in island area, and method for the same | |
JP4469305B2 (en) | Water quality management system | |
JP2006223951A (en) | Method and system for water quality control of tap water | |
JP4718873B2 (en) | Control device for membrane filtration equipment | |
Heo et al. | Digitally-transformed early-warning protocol for membrane cleaning based on a fouling-cumulative sum chart: Application to a full-scale MBR plant | |
JPH0839065A (en) | Operation control device of water making plant |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20160603 Year of fee payment: 4 |
|
FPAY | Annual fee payment |
Payment date: 20170508 Year of fee payment: 5 |
|
FPAY | Annual fee payment |
Payment date: 20180502 Year of fee payment: 6 |
|
FPAY | Annual fee payment |
Payment date: 20190513 Year of fee payment: 7 |