KR101859109B1 - 강우예측을 이용한 저영향개발시설의 제어방법 - Google Patents

Abstract

본 발명의 일 실시예에 의한 저영향개발시설의 제어방법은 기상레이더 이미지와 기계학습 모델을 통하여 예상강우량을 산정하는 과정, 저영향개발시설의 밸브 조절에 따른 우수 처리(가능)용량을 계산하는 과정 및 상기 예상강우량과 상기 우수 처리용량을 비교하여 상기 저영향개발시설의 밸브를 조절하는 과정을 포함하며, 이를 저영향개발시설 운영에 반영하여 유출수의 유출량 및 오염원을 효율적으로 제어하는 방법에 관한 것이다.

Description

강우예측을 이용한 저영향개발시설의 제어방법{Control methods of low impact development facilities using rainfall forecasting}

본 발명은 저영향개발시설의 제어방법에 관한 것으로, 보다 상세하게는 기상 이미지 데이터를 활용하여 강우예측을 하고 이를 저영향개발시설 운영에 반영하여 유출수의 유출량을 제어하는 방법에 관한 것이다.

비점오염원은 토지이용 상태에 따라 오염원이 광범위하게 분포하여 있어 오염물질의 발생은 어느 특정지점이 아니라 유역전체에서 일어나며, 오염물질의 유출은 강우 시에 발생하므로 발생원의 확인이 곤란하며 이동경로 또한 명확치 않기 때문에 관리가 어려운 오염원이다. 최근 도심 내 토지이용이 확대됨에 따라 기존의 점오염원 관리 중심의 정책만으로는 더 이상의 수질개선이 어려워지고 있는 실정이며, 이에 따라 선진국에서는 비점오염원의 적극적 규제 및 처리를 시행하고 있으며, 우리나라도 최근에 와서 공공수역의 수질관리를 위해서는 비점오염원 제어가 중요하다는 사실을 점차 인식하고 있는 추세이다(Kim and Han,2010).

이와 관련하여 최근 국내외적으로 저영향개발(low impact development, 이하 LID) 기법을 비롯하여 도시화에 따른 영향을 최소한으로 하면서 도시를 개발하고자 하는 개념이 도입되고 있다(장수형 등, 2008; 최치현 등, 2011). 비점오염원 관리의 측면에서 적용 가능한 시설들을 살펴보면 생태저류지, 침투 트렌치, 옥상녹화, 식생수로, 빗물탱크 등 소규모 분산형 비점오염원 저감시설들을 예로 들 수 있으며(Elliott et al.,2009), 이들 각각의 시설들은 세부적인 운영기법은 현재 표준화되어 있지 않아 비점오염원 저감 효율뿐만 아니라 설계 및 시공방법, 비점오염원 배출을 포함한 도시 배수분구의 수문현상 모의 시에 이들 시설의 영향을 평가할 수 있는 기법 등을 정립하는 것이 사회적으로 요구되고 있다.

저영향개발시설은 도시화로 인한 불투수층 면적의 증가로 인하여 강우 시 발생하는 지표 유출수에 따른 도시침수 예방과 비점오염원의 부하에 의한 수질오염을 저감시키기 위하여 가장 효율적인 방안으로 제시되고 있으며, 저영향개발 시설의 종류와 규모, 조합, 운영방안 등은 처리효율을 평가하는데 매우 중요한 역할을 한다.

그러나 그 동안의 연구들에서는 저영향개발시설들의 설계 이론 및 수동모드 처리 효율성 사전 평가에 치우쳐 실제 현장에서 운영하는 과정에서 나타난 여러 가지 문제점들(집중 강우 시 월류 및 우회 우수유출수 증가)에 대한 해결책을 제시하지 못하고 있는 실정이다.

또한, 광범위한 지역에 분산되어 설치되는 소규모 저영향개발 시설과는 달리 종래의 기상정보는 매우 낮은 해상도를 가지고 있으며, 따라서 비교적 정확한 강우량이 예측되어 넓은 범위에 걸쳐 제공되었다고 하더라도 국지성 강우 강도에 변화에 따른 개별 시설의 효율적 운영을 기대하기 어렵다.

이러한 문제점을 해결하기 위하여 저영향개발시설 인근에 실시간 강우 감지를 통한 우수 처리 시스템과, 그리고 실시간 기상정보 기반의 비점오염저감 시스템 제어방법이 제시된 바 있다. 실시간 강우 감지를 통한 우수 처리 시스템의 경우, 오염물질의 부하가 높은 초기 우수를 월류시키고 일정시간 후의 우수를 집수하는 방법으로 비점오염원의 제거효과가 전혀 없다. 한편, 실시간 기상정보 및 모의 산출기반의 저류형 비저오염저감 방법의 경우, 기상예보를 기반으로 개별 저류형 비점오염저감 시설의 처리용량을 확보하고 미리 방류하지만, 단순히 해상도가 낮은 기상정보를 사용함으로써 효율적 시설 운영이 어려우며, 단일 비점오염저감 시설에만 적용할 수 있어 광범위한 범위에 걸쳐 설치되어 있는 다양한 시설을 통합적으로 운영할 수 있는 제어시스템과는 차이가 있다.

상기한 배경기술로서 설명된 사항들은 본 발명의 배경에 대한 이해 증진을 위한 것일 뿐, 이 기술분야에서 통상의 지식을 가진 자에게 이미 알려진 종래기술에 해당함을 인정하는 것으로 받아들여져서는 안 될 것이다.

본 발명은 이러한 문제점을 해결하기 위해 안출된 것으로, 본 발명의 목적은 저영향개발시설 설치 지역의 강우 예측을 통하여 저영향개발시설의 우수유출수를 조절하기 위한 다양한 시나리오을 제공하여 처리효율을 개선한 저영향개발시설의 제어방법을 제공하는 데 있다.

위 목적을 달성하기 위하여 본 발명의 일 실시예에 의한 저영향개발시설의 제어방법은 기상레이더 이미지와 기계학습 모델을 통하여 예상강우량을 산정하는 과정, 저영향개발시설의 밸브 조절에 따른 우수 처리용량을 계산하는 과정 및 상기 예상강우량과 상기 우수 처리용량을 비교하여 상기 저영향개발시설의 밸브를 조절하는 과정을 포함한다.

상기 예상강우량을 산정하는 과정은 인공신경망(Artificial Neural Network, ANN)와 서포트 벡터 머신(Support Vector Machine, SVM)을 통하여 수행될 수 있다.

상기 예상강우량을 산정하는 과정은 기상 레이더 이미지를 통하여 해당지점의 색상정보를 통하여 저영향개발시설의 설치지역의 강우 강도를 계산하는 과정, 상기 계산된 강우 강도를 구름의 이동에 따른 강우량 변화를 보정하는 과정 및 상기 보정된 강우량을 인공신경망(Artificial Neural Network, ANN)와 서포트 벡터 머신(Support Vector Machine, SVM)을 통하여 강우량을 예측하는 과정을 포함할 수 있다.

상기 저영향개발시설의 밸브를 조절하는 과정은 최적화 알고리즘을 통하여 제어 시나리오 후보군을 도출하고, 제어 시나리오 후보별 우수유출수 처리 효율성을 평가하고, 처리 효율이 가장 높은 제어 시나리오를 적용하는 것일 수 있다.

상기 최적화 알고리즘은 분산 탐색법(Scatter search) 및 유전자 알고리즘(Genetic algorithm)일 수 있다.

상기 우수유출수 처리효율성 평가는 수질관리모델(Storm Water Management Model 및 Soil and Water Assessment Tool)을 통하여 이루어질 수 있다.

본 발명에 의한 저영향개발시설의 제어방법에 따르면 국지성 집충호우 및 장기 강우에 대하여 유동적으로 저영향개발시설을 유출수량을 조절할 수 있어, 저영향개발시설의 처리효율의 저하를 방지하고 유지관리 비용을 줄일 수 있다. 또한, 유입수량이 처리용량보다 낮은 경우 저영향개발시설간 상호연계(저장 우수를 다른 시설에 전달)를 통해 저영향개발시설의 처리효율을 상시적으로 유지하고 극대화할 수 있다.

도 1은 본 발명의 일 실시예에 따른 저영향개발시설의 제어방법의 공정순서도이다.
도 2은 본 발명에서 사용되는 기상레이더 이미지의 일예를 나타낸 도면이다.
도 3은 본 발명의 일 실시예에 따른 예상강우량 산정과정을 나타낸 순서도이다.
도 4는 본 발명의 일 실시예에 따른 저영향개발시설들의 후보군 및 상호연계 과정을 간단하게 나타낸 도면이다.
도 5는 본 발명의 일 실시예에 따른 최적 시나리오 선정과정을 나타낸 도면이다.

여기서 사용되는 전문용어는 단지 특정 실시예를 언급하기 위한 것이며, 본 발명을 한정하는 것을 의도하지 않는다. 여기서 사용되는 단수 형태들은 문구들이 이와 명백히 반대의 의미를 나타내지 않는 한 복수 형태들도 포함한다. 명세서에서 사용되는 "포함하는"의 의미는 특정 특성, 영역, 정수, 단계, 동작, 요소 및/또는 성분을 구체화하며, 다른 특정 특성, 영역, 정수, 단계, 동작, 요소, 성분 및/또는 군의 존재나 부가를 제외시키는 것은 아니다.

다르게 정의하지는 않았지만, 여기에 사용되는 기술용어 및 과학용어를 포함하는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 일반적으로 이해하는 의미와 동일한 의미를 가진다. 보통 사용되는 사전에 정의된 용어들은 관련기술문헌과 현재 개시된 내용에 부합하는 의미를 가지는 것으로 추가 해석되고, 정의되지 않는 한 이상적이거나 매우 공식적인 의미로 해석되지 않는다.

이하, 첨부된 도면을 참조하여 본 발명의 바람직한 실시예에 의한 저영향개발시설의 제어방법에 대하여 설명하기로 한다.

대부분의 저영향개발시설의 경우 국지성 집중호우 및 장기 강우에 매우 취약한 특성을 보이고 있으며, 이에 따라 저영향개발시설의 처리효율이 급격히 저하되고 유지관리 비용이 증가된다. 특히 집중호우 및 장기강우 시 급격히 증가한 유입수의 대부분을 우회 또는 월류함에 따라 시설의 처리효율이 개선되지 못하고 비효율적으로 운영 중인 실정이다. 또한, 소규모 이상의 강우에도 저영향개발시설의 성능(처리효율)을 지속적으로 유지하여 상시 가동률을 높일 필요성이 있다. 본 발명에서는 이러한 처리효율을 극대화시키기 위해 기상레이더 이미지를 통하여 예상강우량을 산정하고 이를 처리용량과 비교하여 밸브를 제어하고 시설들을 상호 연계하여 저영향개발시설의 처리효율을 유지하거나 향상시키도록 한 것이다.

도 1은 본 발명의 일 실시예에 따른 저영향개발시설의 제어방법의 공정순서도이다. 도 1에 도시된 바와 같이, 본 발명의 일 실시예에 따른 저영향개발시설의 제어방법은 기상레이더 이미지와 기계학습 모델을 통하여 예상강우량을 산정하는 과정(S10), 저영향개발시설의 밸브 조절에 따른 우수 처리용량을 계산하는 과정(S20) 및 상기 예상강우량과 상기 우수 처리용량을 비교하여 상기 저영향개발시설의 밸브를 조절하는 과정(S30)을 포함한다.

우선 기상레이더 이미지와 기계학습 모델을 통하여 예상강우량을 산정한다(S10). 상기 기계학습 모델은 인공신경망(Artificial Neural Network, ANN)와 서포트 벡터 머신(Support Vector Machine, SVM)을 통하여 수행될 수 있다. 도 2은 본 발명에서 사용되는 기상레이더 이미지의 일예를 나타낸 도면이다. 도 2에 도시한 바와 같이, 기본적으로 전국 레이더관측소에서 관측한 일정고도(약 1.5km)의 구름 영상을 합성한 영상을 가지고 강우량을 선정하게 된다. 이러한 기상 레이더는 10분 단위에 2km X 2km 격자로 된 이미지에 해당한다. 특히, 기존의 지상기반 및 자동기상관측장비(Automatic Weather System, AWS)의 경우 해상도가 높지 않지 않고 실시간의 강우정보를 파악하기 어렵기 때문에 기계학습 모델을 통하여 예상강우량을 산정하게 된다.

여기서 사용되는 기계학습모델은 인간의 학습과정을 모방하여 반복적인 훈련을 통해 최적의 함수를 도출하고 출력값을 도출하는 방법이다. 이중 본 발명에서는 인공신경망(Artificial Neural Network)과 서포트 벡터 머신(Support Vector Machine)이 사용될 수 있다. 인공신경망은 인간의 신경망을 단순화하여 부분적으로 모사한 것으로, 여러 데이터를 합쳐서 처리를 한 후 다음 노드로 결과를 전달하게 되고 가중치가 있는 링크들의 연결로 이루어진다. 각각의 뉴런은 여러 뉴런으로부터 데이터를 받지만, 단 하나의 결과만을 도출하게 된다. 서포트 벡터 머신은 N차원 공간 위에서 두 부류 간의 거리를 최대화하는 것과 동시에 같은 부류에 속하는 데이터들을 같은 쪽에 위치하게 하는 n-1 차원의 초평면을 찾아가며 학습이 수행되게 된다.

도 3은 본 발명의 일 실시예에 따른 세부적인 예상강우량 산정과정을 나타낸 순서도이다. 도 3에 도시된 바와 같이, 기상청이 제공하는 이미지를 다운받아 과거의 강우 강도를 선정한다. 이 때 격자 단위 2km X 2km 의 이미지에서 색상정보를 추출한다. 이러한 색상정보는 Red, Green, Blue의 수치정보이다. 이러한 수치 정보와 기상청 제공 인덱스 색상 정보를 추출한 후, 저영향개발 시설이 위치하는 있는 위치 지점의 격자를 확인 하고 인덱스 색상과 이미지로부터 추출된 색상정보를 비교하여 10분 단위의 강우강도를 산정하게 된다. 이 때, 기상레이더 이미지는 해당 지역 상공에 정지하지 않은 지나가는 구름의 양에 기초하고 있으므로 구름의 이동으로 인하여 실제 그 지역에서 발생한 강우량과 차이가 있을 수 있다. 따라서 다음과 같은 보정 상수로 강우 강도 산정값을 보정하게 된다.

[수학식 1]

상기 수학식 1은 (특정 기간에 발생한) 강우 발생 횟수 보정인자이고, n은 보정에 사용한 AWS 관측소의 개수, ARI는 실측된 강우량, RRI는 이미지에서 환산된 값을 의미한다.

[수학식2]

상기 수학식 2는 (특정 기간에 발생한) 강우 강도 왜곡 방지 보정 인자이며, max는 최대값, min은 최소값을 의미한다.

한편, 제어의 대상이 되는 저영향개발시설의 밸브 조절에 따른 우수 처리용량을 계산한다(S20). 도 4는 본 발명의 일 실시예에 따른 저영향개발시설 후보군 및 상호연계 과정을 간단하게 나타낸 도면이다. (a)는 시설별로 체류시간을 나타낸 도면이고, (b)는 각 시설을 연결하고 각 시설의 밸브조절단계를 5단계로 하였을 경우의 연결상태를 나타낸 도면이다. 시설간의 물의 체류시간이 다르므로 전체 유출량은 각 시설의 밸브의 개폐정도를 조절하여 전체 유출량을 조절하는 것이 가능하다. 따라서, 제어 시나리오를 선정할 대 필요한 처리용량을 각 밸브 조합에 의해 계산하게 되며, 같은 양의 우수를 처리한다고 가정하였을 때 다양한 조합으로 구성되는 시나리오가 제공될 수 있다.

저영향개발시설의 우수 처리용량을 계산하고 나면 상기 선정된 예상강우량과 우수 처리용량을 비교하여 저영향개발시설의 밸브를 조절한다(S30). 즉 예상강우량에 따라 최적의 운전조건을 찾아내어 저영향개발시설을 제어하는 것이다. 이 때, 최적화 알고리즘을 통하여 제어 시나리오 후보군을 도출하고, 제어 시나리오 후보별 우수 유출수 처리효율성을 평가하고, 처리 효율이 가장 높은 제어 시나리오를 적용하여 저영향개발시설을 운영하게 된다. 이 때 밸브는 10단계로 조절할 수 있으며, 밸브 조절에 따라 계산되는 우수 처리용량은 체류 인덱스로 대표화할 수 있다. 체류인덱스는 저영향개발시설의 유출수 조절 능력을 의미하며, 유출수와 유입수의 비율(유출수/유입수)로 계산될 수 있다. 도 5는 본 발명의 일 실시예에 따른 최적 시나리오 선정과정을 나타낸 도면이다. 도 5에 도시한 바와 같이, 저영향개발시설의 시설별 체류인덱스를 계산하고 이를 전체 시설의 최대용량으로 환산한 후에 이를 예상강우량(강우강도)와 비교하여 예상강우량이 처리용량보다 많은 경우에는 그 차이만큼 우회하거나 월류시키게 되며, 전체 시설 최대 처리용량보다 예상강우량이 적은 경우 각 시설을 조합하여 밸브단계의 제어 후보 시나리오를 도출하게 된다. 이 때 제어 후보 시나리오 도출은 분산 탐색법(Scatter search) 및 유전자 알고리즘(Genetic algorithm)이 사용될 수 있다. 분산 탐색법 및 유전자 알고리즘은 다중 목적 진화 연산(Multi-objective evolutionary algorithms)을 위한 알고리즘의 하나로서, 상충되는 두 개 이상의 목적 함수를 동시에 만족시키는 솔루션을 제공하기 위하여 사용된다. 두 방법 모두 다양한 솔루션을 제공하기 위한 모집단 생성의 실행가능 범위(Search space)에 영향을 주지 않으며, 일반적으로 유전자 알고리즘이 분산 탐색법에 비하여 비교적 성능이 우수한 것으로 알려져 있다.

최적 제어 시나리오 후보군이 선정되고 나면 수질관리모델(Storm Water Management Model 및 Soil and Water Assessment Tool)을 통하여 우수 유출수 처리효율성 평가를 하게 된다. 예를 들면 동일한 양의 유입수를 처리하기 위하여 제어 후보 시나리오를 통해 도출된 시나리오 1은 도4의 저영향개발시설 A1, C1, D2의 조합을 제시하고 시나리오 2는 저영향개발시설 A2, C5, D3를 제시한다면, 수질 모델을 통하여 두 시나리오의 유출수량 및 오염원 제거 효율을 상대적으로 비교 평가할 수 있다. 이 때 최고 효율을 가진 제어 시나리오를 선택하여 저영향개발시설을 밸브를 제어하여 운영하게 된다.

상기와 같이 저영향개발시설을 운영하면 수동모드로 운영하는 것과 비교하여 예상 강우 강도 이상의 처리 가능한 최적의 저영향개발시설의 조합 및 밸브 제어 단계 선정이 가능하고, 우회 또는 월류되는 유출수를 최소화할 수 있어 수질 오염 인자에 대한 저감효과를 극대화시킬 수 있다. 또한 유기적으로 저영향개발시설을 연계하는 제어시스템을 구성할 수 있다.

이상 첨부된 도면을 참조하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다.

그러므로 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며 한정적이 아닌 것으로 이해해야만 한다. 본 발명의 범위는 상기 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어지며, 특허청구범위의 의미 및 범위 그리고 그 균등 개념으로부터 도출되는 모든 변경 또는 변경된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (6)

1. 기상레이더 이미지와 기계학습 모델을 통하여 예상강우량을 산정하는 과정;
   저영향개발시설의 밸브 조절에 따른 우수 처리용량을 계산하는 과정; 및
   상기 예상강우량과 상기 우수 처리용량을 비교하여 상기 저영향개발시설의 밸브를 조절하는 과정
   을 포함하며,
   상기 예상강우량을 산정하는 과정은,
   기상 레이더 이미지를 통하여 해당지점의 색상정보를 통하여 저영향개발시설의 설치지역의 강우 강도를 계산하는 과정,
   발생 횟수 보정인자와 강우 강도 왜곡 방지 보정 인자를 이용하여 상기 계산된 강우 강도를 보정해 구름의 이동에 따른 강우량 변화를 보정하는 과정, 및
   상기 보정된 강우량을 인공신경망(Artificial Neural Network, ANN)와 서포트 벡터 머신(Support Vector Machine, SVM)을 통하여 예상 강우량을 예측하는 과정을 포함하고,
   상기 발생 횟수 보정인자는 다음의 [수학식 1]에 의해 산출되고,
   상기 강도 왜곡 방지 보정 인자는 다음의 [수학식 2]에 의해 산출되는
   [수학식 1]
   

   

   
   (상기 수학식 1은 (특정 기간에 발생한) 강우 발생 횟수 보정인자이고, n은 보정에 사용한 AWS 관측소의 개수, ARI는 실측된 강우량, RRI는 이미지에서 환산된 값을 의미한다.)
   [수학식2]
   

   

   
   (상기 수학식 2는 (특정 기간에 발생한) 강우 강도 왜곡 방지 보정 인자이며, max는 최대값, min은 최소값을 의미한다.)
   저영향개발시설의 제어방법.
   
2. 삭제
3. 삭제
4. 청구항1에 있어서,
   상기 저영향개발시설의 밸브를 조절하는 과정은 최적화 알고리즘을 통하여 제어 시나리오 후보군을 도출하고, 제어 시나리오 후보별 우수유출수 처리 효율성을 평가하고, 처리 효율이 가장 높은 제어 시나리오를 적용하는 것을 특징으로 하는 저영향개발시설의 제어방법.
   
5. 청구항 4에 있어서,
   상기 최적화 알고리즘은 분산 탐색법(Scatter search) 및 유전자 알고리즘(Genetic algorithm) 인 것을 특징으로 하는 저영향개발시설의 제어방법.
   
6. 청구항 4에 있어서,
   상기 우수유출수 처리효율성 평가는 수질관리모델(Storm Water Management Model 및 Soil and Water Assessment Tool)을 통하여 이루어지는 것을 특징으로 하는 저영향개발시설의 제어방법.

Images