KR101864342B1 - 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법 - Google Patents

정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법 Download PDF

Info

Publication number
KR101864342B1
KR101864342B1 KR1020180015260A KR20180015260A KR101864342B1 KR 101864342 B1 KR101864342 B1 KR 101864342B1 KR 1020180015260 A KR1020180015260 A KR 1020180015260A KR 20180015260 A KR20180015260 A KR 20180015260A KR 101864342 B1 KR101864342 B1 KR 101864342B1
Authority
KR
South Korea
Prior art keywords
water
pump
demand
short
algorithm
Prior art date
Application number
KR1020180015260A
Other languages
English (en)
Inventor
구자용
서지원
김기범
형진석
김태현
Original Assignee
서울시립대학교 산학협력단
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 서울시립대학교 산학협력단 filed Critical 서울시립대학교 산학협력단
Priority to KR1020180015260A priority Critical patent/KR101864342B1/ko
Application granted granted Critical
Publication of KR101864342B1 publication Critical patent/KR101864342B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/12—Computing arrangements based on biological models using genetic models
    • G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/06—Energy or water supply

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Biomedical Technology (AREA)
  • Tourism & Hospitality (AREA)
  • Strategic Management (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Water Supply & Treatment (AREA)
  • Public Health (AREA)
  • Physiology (AREA)
  • Genetics & Genomics (AREA)
  • Artificial Intelligence (AREA)
  • General Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Control Of Positive-Displacement Pumps (AREA)

Abstract

본 발명은, 송수펌프운영 최적화 모델 구축을 위한 데이터를 수집하는 제1단계; 단기 물 수요 예측모델에 의해 각 시간별 수요량을 예측하는 제2단계; 열역학적 효율측정을 통한 펌프 효율 및 성능 곡선을 산출하는 제3단계; 정수지 소독능 평가인자 CT값에 의한 정수지 수위조건을 설정하는 제4단계; 및 GA&DP 하이브리드 알고리즘을 이용한 펌프운영을 최적화하는 제5단계;로 이루어지고, 상기 GA&DP 하이브리드 알고리즘은, 유전자 알고리즘을 기반으로 동적계획법을 이용한 지역탐색알고리즘을 결합한 구조를 갖는 것을 특징으로 하는, 단기 물 수요예측 결과, 정수지 소독능 평가인자 CT수심, 펌프 가동시간, 펌프 특성 곡선, 송수관로 전양정, 배수지 수위, 전력요금 단가 등 7가지 요인을 종합적으로 고려한 송수펌프 최적 운영방법을 제공한다. 본 발명은 상기 구성에 의해서, 송수펌프의 전력비용 최소화를 목적함수로 설정하여 유전알고리즘과 동적계획법을 이용한 송수펌프 스케쥴 최적화를 실시하는 기술을 제공하며, 안전한 수돗물 공급을 위해 정수지에서의 소독능까지 고려한 최적 송수펌프 운영 기법을 제공하는 유리한 효과가 발생한다.

Description

정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법{Method for Optimal Water Supply Pump Operation Based on Short-term Water Demand Forecasting Considering Disinfection Performance in Clearwell}
본 발명은 송수펌프의 운영을 최적화하기 위한 것으로 앙상블 기법을 활용한 정확한 단기 물 수요 예측과 정수지 소독능을 포함한 7가지 인자를 고려하여 송수펌프 운영에 소요되는 전력비를 최소화할 수 있는 송수펌프 운영방법에 관한 것이다.
상수관망시스템은 안정적인 음용수 공급을 목적으로 수요절점에서의 요구 수요량과 최소 요구수압 조건이 만족되도록 운영된다. 우리나라의 지형특성상 지대가 낮은 정수장에서 처리된 용수는 지대가 높은 곳에 위치한 배수지(reservoir)로 일단 저장된 후 자연유하에 의해 수요절점으로 공급된다. 이를 위해 배수지 전단에는 가압장이 위치하여 정수장에서 처리된 용수를 고지대에 위치한 배수지로 송수한다. 이때 정수장에서 배수지로 용수를 이송하기 위해서는 가압시설을 통한 펌핑(pumping)이 필요한데 이때 많은 전기에너지가 소모된다. 따라서 펌프운영을 최적화할 경우, 상당한 에너지 절감효과를 얻을 수 있다. 과거의 펌프운영은 다년간의 운영자료(operation history)를 기반으로 한 숙련된 운영자의 노하우(know-how)를 통해 이루어지거나, 최근에는 SCADA(Supervisory Control and Data Acquisition)시스템을 통해 관측되는 배수지의 수위를 기준으로 펌프 작동여부를 결정하고 있다.
이러한 운영방법은 용수공급의 안전성을 우선시함으로써 배수지의 수위를 일정하게 유지하고자 빈번하게 펌프를 작동하게 되고 따라서 가압장에서 소모되는 전력량이 커서 운영효율 측면에서는 바람직하지 않다고 할 수 있다. 또한 빈번한 펌프의 작동은 펌프의 수명을 단축시킬 수 있다.
펌프의 최적운영은 체계적인 펌프 운영전략을 통하여 펌프의 운영비를 절감하는데 있으며, 이를 위해 펌프 운영스케줄을 최적화시켜야한다. 광역용수공급 체계의 운영비용은 규모의 크기만큼이나 막대한 에너지와 비용이 소모되고 있다. 그 중 전력비용은 전체 운영비용의 큰 부분을 차지한다. 장거리 송수를 위해 취수장 및 가압장에서 소모되는 전력은 전체 소비량의 약 80%를 차지하고 있어 비용절감을 위한 펌프운영효율 극대화는 매우 중요한 당면과제이다. 따라서 용수공급을 위한 펌프시스템의 최적 운영관리는 수도사업에서 매우 중요한 과제중 하나이다.
[종래기술 등록특허 제10-1484265호]
본 발명은, 단기 물 수요예측을 기반으로 한 최적의 송수펌프 운영기법을 제시하는 것을 목적으로 하며, 경제성과 수량만을 고려한 최적 송수시스템이 아닌, 안전한 수돗물 공급을 위해 정수지에서의 소독능까지 고려한 최적 송수펌프 운영 기법을 제공하는 것을 목적으로 한다.
본 발명은, 펌프운영 최적화 모델 구축을 위한 데이터를 수집하는 제1단계; 단기 물 수요 예측모델에 의해 각 시간별 수요량을 예측하는 제2단계; 열역학적 효율측정을 통한 송수펌프 효율 및 성능 곡선을 산출하는 제3단계; 정수지 소독능 평가인자 CT값에 의한 정수지 수위조건을 설정하는 제4단계; 및 GA&DP 하이브리드 알고리즘을 이용한 송수펌프운영을 최적화하는 제5단계;로 이루어지고, 상기 GA&DP 하이브리드 알고리즘은, 유전자 알고리즘을 기반으로 동적계획법을 이용한 지역탐색알고리즘을 결합한 구조를 갖는 것을 특징으로 하는, 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법을 제공한다.
상기 제5단계의 GA&DP 하이브리드 알고리즘은, 세대 t=0에서 N개의 개체들로 정의되는 초기 해집단 Pop(t)를 생성하고, 주어진 해 영역(Solution Space)에서 개체집단의 값을 생성하는 제5-1단계; 각 개체에 대하여 목적함수와 제약 조건을 평가하여 적합도를 계산하는 제5-2단계; 각 개체의 적합도를 이용하여 다음 세대에 유전 정보를 물려주게 될 부모개체를 선택하는 제5-3단계; 선택된 부모 개체는 교차확률에 따라 교차하여 다음 세대가 될 새로운 개체를 생성하는 제5-4단계; 및 동적계획법을 이용한 지역탐색을 수행하는 제5-5단계;를 포함한다.
상기 제5단계의 GA&DP 하이브리드 알고리즘은, 상기 제5-4단계에서 얻은 새로운 개체들을 통해 다음 세대(t+1)에서의 개체 집단을 형성하는 제5-6단계; 수렴 오차나 최대 세대 수 등 주어진 조건을 만족하면 계산을 끝내는 제5-7단계; 및 주어진 조건을 만족하지 못한 경우, 과정 2~7을 반복하여 수행하는 제5-8단계;를 더 포함할 수 있다.
상기 제4단계에서 CT값에 의한 정수지 수위조건을 설정하는 과정에서, 정수지의 수리학적 체류시간은 <Eq 1>과 같이 표현되고, 정수지의 최저수심은 <Eq 2>로 표현되어서, 정수지 최소 수위가 결정된다.
Figure 112018013694163-pat00001
<Eq 1>
Figure 112018013694163-pat00002
<Eq 2>
T : CT 요구값을 만족시키기 위한 체류시간(min)
Figure 112018013694163-pat00003
: 정수지 최소 수위(m)
C : 잔류소독제의 농도(mg/L)
R : 장폭비에 따른 환산계수
A : 정수지 바닥면적 (m2)
Figure 112018013694163-pat00004
: 최대 시간당 통과유량 (m3/min)
상기 제5단계에서, 전력비용 최소화를 목적함수로 하는 시간단위 송수펌프 운영 스케줄을 도출하기 위한 목적함수, 제약조건 및 입력자료를 도출하되, 상기 목적함수는 아래 <Eq 5>와 같고, 복수개의 펌프 중 어느 하나인 i펌프의 전력사용량 함수는 <Eq 6>와 같은 식으로 도출된다.
Figure 112018013694163-pat00005
<Eq 5>
Figure 112018013694163-pat00006
<Eq 6>
Figure 112018013694163-pat00007
: 전력사용량 (kW)
Figure 112018013694163-pat00008
: i펌프의 j시간대의 전양정(m)
Figure 112018013694163-pat00009
: i펌프의 j시간대의 토출량(m3/sec)
Figure 112018013694163-pat00010
: i펌프에 대한 j시간대의 펌프 효율 (%)
Figure 112018013694163-pat00011
: i펌프에 대한 j시간대의 모터 효율 (%)
Figure 112018013694163-pat00012
: j시간대의 전력단가 (원/kWh)
Figure 112018013694163-pat00013
: i펌프에 대한 j시간대의 가동상태 (0 또는 1)
상기 제약조건은, 정수지와 배수지의 수위 범위를 다루기 위해, 다음 <Eq 7>, <Eq 8>와 같이 정수지와 배수지에 대한 물 수지식을 산정한다.
Figure 112018013694163-pat00014
<Eq 7>
Figure 112018013694163-pat00015
<Eq 8>
Figure 112018013694163-pat00016
: j시간대의 r 배수지 저류량 (m3)
Figure 112018013694163-pat00017
: 송수량에 대한 분배 계수
Figure 112018013694163-pat00018
: 타 정수장에서 r 배수지로의 j시간대 보충량 (m3)
Figure 112018013694163-pat00019
: r 배수지에서의 j시간대 물 수요량 (m3)
Figure 112018013694163-pat00020
: j시간대의 정수지 저류량 (m3)
Figure 112018013694163-pat00021
: j시간대의 정수생산에 의한 정수지 유입량 (m3)
상기 정수지와 배수지의 물수지식 계산을 통해 수위가 결정되며, 정수지와 배수지에 대한 수위 제약과 수위 산출 식은 아래 식 <Eq 9>, <Eq 10>, <Eq 11>, <Eq 12>으로 표현된다.
Figure 112018013694163-pat00022
<Eq 9>
Figure 112018013694163-pat00023
<Eq 10>
Figure 112018013694163-pat00024
<Eq 11>
Figure 112018013694163-pat00025
<Eq 12>
Figure 112018013694163-pat00026
: j시간대의 정수지 수위 (m)
Figure 112018013694163-pat00027
: j시간대의 r 배수지 수위 (m)
Figure 112018013694163-pat00028
: 정수지 최저 수위 (m)
Figure 112018013694163-pat00029
: 정수지 최고 수위 (m)
Figure 112018013694163-pat00030
: r 배수지 최저 수위 (m)
Figure 112018013694163-pat00031
: r 배수지 최고 수위 (m)
상기 제2단계의 수요예측모델은, 물 사용량 데이터를 입력데이터로 하여 축적하는 제2-1단계; 축적된 물 사용량 데이터의 일 특성에 따른 패턴을 분석하여 수요량 지표를 산정하는 제2-2단계; 정상성을 갖는 시계열 구간을 검토하는 제2-3단계; 및 복수 개의 수요예측모델을 구축하고 개별 모델별 가중치를 부여하여 앙상블모델을 구성하는 제2-4단계;를 포함한다.
상기2-2단계의 물 수요량 데이터의 일 특성에 따른 패턴 분석은, 평일, 주말, 연휴, 특dl일로 분류하여 일 특성에 따른 물 사용패턴을 분석하고 시간계수를 이용하여 각각의 일 특성에 따른 시간별 물 수요량 지표를 산정하고, 연휴의 경우, 징검다리 휴일인 경우를 별도로 분류하고, 연휴의 길이도 고려하여 분석한다.
상기 복수 개의 수요예측모델은, 다중회귀모델, 전이함수 ARIMA모델, ANN모델 및 SVM모델로 이루어지고, 상기 복수 개의 수요예측모형으로 추정된 예측치를 fi(x)라고 하면, 상기 앙상블 모델은 예측치에 가중치를 곱한 합으로 나타난다.
본 발명은 상기 구성에 의해서, 송수펌프의 전력비용 최소화를 목적함수로 설정하여 유전알고리즘과 동적계획법을 이용한 송수펌프 운영스케줄 최적화를 실시하는 기술을 제공하며, 안전한 수돗물 공급을 위해 정수지에서의 소독능까지 고려한 최적 송수펌프 운영 기법을 제공하는 유리한 효과가 발생한다.
본 발명의 적용을 통해, 개별 펌프의 효율 및 송수관로 전양정을 고려한 최적 효율 펌프조합 및 최적 송수펌프 운영스케줄 도출이 가능하고, 경제적이고 안정적인 배수지 운영수위 제시하며, 수질안전성확보를 위한 정수지 소독능 평가인자인 CT값에 따른 정수지 수위조건 CT수심을 고려한 송수펌프스케줄링 기법과 적절한 운영관리를 위한 송수펌프가동시간을 고려한 스케줄링 기법을 제시할 수 있는 효과가 발생한다.
도 1은 본 발명에 따른 펌프 운영 최적화 모델의 구성이며,
도 2는 본 발명에 따른 펌프 운영 최적화 모델의 플로우 차트이며,
도 3은 본 발명의 일 실시예에 따른 펌프 성능곡선의 예이며,
도 4는 본 발명의 일 실시예에 따라 유전알고리즘을 기반으로 동적계획법을 이용한 지역탐색알고리즘의 예이다.
본 발명의 목적, 특정한 장점들 및 신규한 특징들은 첨부된 도면들과 연관되는 이하의 상세한 설명과 바람직한 실시예로부터 더욱 명백해질 것이다. 또한, 사용된 용어들은 본 발명에서의 기능을 고려하여 정의된 용어들로써, 이는 사용자 운용자의 의도 또는 관례에 따라 달라질 수 있다. 그러므로 이러한 용어들에 대한 정의는 본 명세서의 전반에 걸친 내용을 토대로 내려져야 할 것이다.
본 발명은 패턴분석과 앙상블 모델을 이용한 단기 물 수요예측 결과를 기반으로 수질안전성 달성을 위한 정수지 소독능 평가인자 CT수심, 송수펌프 관리효율성 제고를 위한 펌프 가동시간, 펌프 특성 곡선, 송수관로 전양정, 공급의 안정성 확보를 위한 배수지 수위, 송수펌프 운영의 경제성 분석을 위한 전력요금 단가 등 7가지 요인을 종합적으로 고려하여 송수펌프 운영비용을 최소화하는 최적 송수펌프 운영스케줄을 도출하는 방법론을 제시한다.
패턴분석과 앙상블모델을 이용한 단기 물 수요 예측은 앙상블모델을 이용하여 복수의 수요예측모델을 통합적으로 연계 해석하여 단기 물 수요를 예측하는 모델로써 수요예측을 위한 고려인자로 기온, 습도, 날씨와 같은 자연적인 기상요인 뿐만아니라, 실제 수요량 자료를 패턴분석에 의해 전처리 한 뒤 평일, 휴일, 연휴, 징검다리 휴일 등의 일 특성별 물수요지표를 수요예측 고려인자로 반영하여 평일 뿐만 아니라 특이일에 대한 높은 예측정확도 확보하였다.
펌프 운영 최적해의 도출은 다양한 운영인자의 제약조건과 복수의 펌프 및 배수지를 고려함에 따라 광범위한 탐색공간에서 해탐색의 효율성 향상을 위해 유전알고리즘 기법과 동적계획법의 하이브리드 모델을 적용하였으며, 현재까지 이러한 모델을 이용한 펌프최적화에 기술은 존재하지 않았던 신규한 방법이다.
본 발명에 따른 송수펌프 최적운영방법은 크게 아래의 5단계로 이루어진다.
step 1. 펌프운영 최적화 모델 구축을 위한 데이터 수집
step 2. 앙상블 수요예측모델에 의해 각 시간별 수요량 예측
step 3. 열역학적 효율측정을 통한 펌프 효율 및 성능 곡선 산출
step 4. CT값에 의한 정수지 수위조건 설정
step 5. GA&DP 하이브리드 모델을 이용한 펌프운영 최적화
이하에서는 이들 과정에 대해서 상세히 설명한다.
[step 1] 펌프운영 최적화 모델 구축을 위한 데이터 수집
본 발명에 따른 송수펌프 운영 최적화를 위한 자료로서 다음과 같은 데이터를 수집한다.
- 배수지 유출량 데이터, 기상데이터(물수요예측에 이용)
- 배수지 수위 데이터(초기수위설정/ 예측값과 실제값 비교 활용)
- 송수펌프의 온도센서, 압력센서 데이터(열역학적 효율측정을 통해 펌프 효율측정에 이용하고 그 결과를 통해 펌프효율곡선과 성능곡선을 추정)
- 송수펌프가동시간(복수 펌프의 균형관리를 위한 가동시간 조절 위한 인자값으로 활용)
- 정수지 소독제 농도 및 체류시간(정수지 소독능 평가인자 CT값 산정에 활용)
- 전력요금체계(시간별 차등 적용되는 전력단가를 고려한 펌프스케줄링 산정에 활용)
- 송수관로 전양정(정수지와 배수지의 고도차와 송수관로상의 손실수두를 고려하여 산정하며, 전양정에 의해 각 펌프의 토출량과 효율을 결정한 뒤, 이를 펌프 운영 스케쥴 도출에 적용)
[step 2] 앙상블 수요예측모델에 의해 각 시간별 수요량 예측
본 발명은 단기 물수요 예측 방법으로서 아래 과정을 거치게 된다.
[1] 물 사용량 데이터 및 기상 등 단기 물 수요예측 모델의 입력데이터 축적하는 과정
[2] 축적된 사용량 데이터의 일 특성에 따른 패턴분석 실시하는 과정
: 평일, 휴일 등 일 특성별로 카테고리를 만들어 분류하고 각 카테고리별 시간당 물수요량 패턴값(시간계수)를 산정
[3] 모델구축을 위한 시계열 구간을 검토하는 과정
: 자기상관함수에 대해 Box&Jenkins 모델의 판단 기준에 의해 각 시계열 길이가 정상성을 갖는 지에 대한 여부를 판단
[4] 앙상블 모델을 구축하는 과정
: 구축데이터와 패턴분석을 통해 전처리된 데이터를 이용하여 개별 수요예측모델을 구축하고 매개변수를 추정하는 과정과,최적화를 통한 개별 모델별 가중치를 산정하여 단기 물 수요 예측을 위한 앙상블모델을 구성하는 과정
[5] 앙상블모델을 통한 단기 물수요를 예측하는 과정
으로 이루어진다.
여기서, 상기 '[2] 축적된 사용량 데이터의 일 특성에 따른 패턴분석 실시하는 과정'에서는 아래와 같은 과정을 거쳐서 패턴을 분석한다.
배수구역의 물 사용량은 소비자의 다양한 행동패턴에 따라 비정형화된 불규칙적인 물 수요패턴이 나타나게 된다. 기존의 수요예측모델은 평일/주말의 통상일 물 수요 예측력은 큰 차이를 보이지 않으나, 일 특성에 따른 물 수요 패턴을 고려하지 않아 연휴, 징검다리 휴일 등의 특이일의 경우 예측오차가 크게 발생하여 송수펌프시스템의 운영에 어려움이 발생하고 있는 실정이다.
따라서, 수요예측모델의 높은 정확도를 확보하기 위해서는 연휴, 휴가철, 김장철, 징검다리휴일 등의 특이일의 수요량을 정확하게 예측하는 것이 중요하며, 본 발명에서는 이를 반영하여 실제사용량 자료를 패턴분석에 의한 전처리를 통해 일특성별 수요량 패턴을 도출하여 일특성에 따른 물 수요의 사회적 변동을 수요예측의 고려인자로 반영하여 물수요예측모델의 정확도를 항상시킬 수 있도록 하였다.
배수지는 물 수요량의 변동에 직접적으로 영향을 받는 시설물로 배수지의 유출량을 급수구역내의 물 사용량으로 볼 수 있다. 이에, 배수구역의 물수요 패턴 분석을 위하여 해당 배수구역으로 정수를 공급하는 배수지의 유출부에 설치되어 있는 유량계를 통해 유출량 데이터를 일정 시간간격(최소 1시간 간격)에 따라 수집한다. 이렇게 수집된 비정형화된 배수지유출량 빅데이타(Big Data)를 일특성별 물수요패턴분석의 목적에 맞게 일 특성별로 카테고리를 만들어 분류하고 각 카테고리별 시간당 물수요량 패턴값(시간계수)을 추출한다.
[4], [5]의 앙상블 모델은 하나의 모형이 아닌 여러 모형을 조합하는 개념의 예측모형이다. 예를 들어, 개별 수요예측 모델을 다중회귀모델(Multiple regression model), 전이함수 ARIMA 모델, 인공신경망(ANN모델) 및 서포트벡터 모델(Support Vector Machine, SVM모델)이라고 할때, 이러한 다수의 예측모형으로 추정된 예측치를 fi(x)라고 한다면 다음과 같이 앙상블(Ensemble) 모델은 아래와 같은 식으로 나타낼 수 있다.
Figure 112018013694163-pat00032
여기서 K은 개별 예측모델의 개수이며, wi은 가중치이며, 그 합은 1이다.
앙상블 모델에서 위 가중치를 산정하는 방법은 다양한 방법을 사용할 수 있으며, 이하에서는 하나의 예를 제시한다. 앙상블 모델 구축방법에는 배깅(bagging)기법과 부스팅(Boosting)알고리즘이 있다. 이중 부스팅 알고리즘은 각 예측모델에 가중치를 할당하여 매회 부스팅 라운드의 끝에서 가중치를 새로 수정(변경)하여 학습하는 방법으로, 예측력이 약한 예측모델(weak learner)들을 결합하여 강한 예측모델(strong learner)을 만드는 것이다. 여기서 약한 예측모델이란 무작위로 예측하는 것보다 약간 좋은 예측력을 지닌 모델을 말한다. 반면 강한 예측모델이란 예측력이 최적에 가까운 예측모델을 지칭한다.
앙상블 모델을 활용한 단기 물 수요 예측이란 단기 물 수요 예측을 위한 기존의 모델을 그대로 사용하는 것이 아니라 이들을 통합하여 오차를 줄이고 정확한 예측이 가능한 새로운 통합 수요예측모델 기법을 이용하여 물 수요를 예측하는 것이다.
[step 3] 열역학적 효율측정을 통한 펌프 효율 및 성능 곡선 산출
송수펌프의 흡입/토출부에 설치된 온도센서와 압력센서 데이터를 수집하여 열역학적 효율측정법에 의해 펌프효율을 산정한다. 온도와 압력 등을 이용하여 펌프의 열역학적 효율을 산정하는 것은 열역학 이론에 기반한 것으로 이에 대한 상세한 설명은 생략한다. 이렇게 도출된 펌프효율과 전양정에 의해 토출량을 산출하며, 전양정과 토출량에 대한 회귀분석을 통해 펌프 성능곡선을 산출한다. 도 3에서는 이에 따른 펌프 성능곡선을 나타내고 있다.
[step 4] CT값에 의한 정수지 수위조건 설정
본 발명에서는 CT값 계산은 잔류소독제의 농도와 수리학적 체류시간의 곱으로 계산된다. 수리학적 체류시간 도출은 정수지를 통과하는 유량과 정수지의 정수 저류량으로 계산된다. 정수 저류량은 바닥면적과 정수지 수위에 의해 결정 되는데, 각 pH와 수온에 의한 CT 요구값에 만족할 수 있는 적절한 수위를 고려할 수 있다. 즉, 불활성화비가 1이상이 되도록 정수지의 최저 수위를 설정할 수 있다.
여기서 불활성화비는 병원 미생물이 소독에 의해 사멸되는 비율을 나타내는 값으로, 정수시설의 일정지점에서 소독제 농도 및 소독제와 물과의 접촉시간 등을 측정 및 평가하여 계산된 소독능 값과 이론적으로 요구되는 소독능 값과의 비를 의미 한다.
정수지의 수리학적 체류시간을 식 <Eq 1>과 같이 표현할 수 있고, 정수지의 최저수심에 대해서 식 <Eq 2>로 표현할 수 있다. 이 식에 의해 적절한 정수지 최저 수심을 결정할 수 있다.
Figure 112018013694163-pat00033
<Eq 1>
Figure 112018013694163-pat00034
<Eq 2>
T : CT 요구값을 만족시키기 위한 체류시간(min)
Figure 112018013694163-pat00035
: 정수지 최소 수위 (m)
C : 잔류소독제의 농도(mg/L)
R : 장폭비에 따른 환산계수
A : 정수지 바닥면적 (m2)
Figure 112018013694163-pat00036
: 최대 시간당 통과유량 (m3/min)
이 식의 CT요구값을 산정하기 위해 환경부에서 제시한 CT계산값을 이용한 바이러스와 지아디아 포낭 log제거율에 대한 경험식을 이용한다. 이 때의 경험식은 다음 <Eq 3>, <Eq 4>와 같다.
Figure 112018013694163-pat00037
<Eq 3>
Figure 112018013694163-pat00038
<Eq 4>
이 때, t는 수온(℃), C는 소독제의 농도(mg/L)를 의미하며, 소독제의 농도가 0.4 mg/L 이하 일 때는 C에 0.4를 적용하도록 하고 있다. 장폭비에 따른 환산계수는 실제 정수장에서 사용하고 있는 값을 적용하여 최소 정수지 수위를 설정하도록 한다.
[step 5] GA&DP 하이브리드 모델을 이용한 펌프운영 최적화
본 발명에서는 최적의 송수펌프 운영스케줄 도출을 위해 최소전력비용을 목적함수로 설정하였고, 각 배수지와 정수지에 대한 수위범위를 제약조건으로 설정하였다. 배수지의 수위에 대한 제약을 설정했던 기존 발명들과는 달리 본 발명에서는 송수펌프의 최적운영과 더불어 정수지에서의 충분한 소독능 확보를 고려하고자 하였으며, 이러한 제약을 고려하기 위해 배수지와 정수지에 대한 물 수지식을 설정하였다.
또한, 배수지의 수위변화에 따른 전양정에 의해 각 펌프의 토출량과 효율을 결정하였고, 이를 송수펌프 운영스케줄 도출에 적용함으로써 현실적인 송수펌프 운영스케줄 도출을 가능하게 하였다. 이 때, 펌프의 전양정, 토출량, 효율 간의 관계를 도출하기 위해 열역학적 방법에 의한 펌프 효율 측정을 실시하였으며, 이 때 도출된 결과를 통해 현재 펌프효율 및 성능곡선을 추정하였다.
1) 조건식의 구축
정수지는 소독된 여과수를 저장하며, 소독제 접촉시간을 확보하여 충분한 소독능을 갖게 한다. 또한, 정수지는 배수지까지 송수시 수량조절의 역할을 한다. 배수지는 시간변동이 심한 수요량에 대한 수량 조절이 가능하여 안정적으로 수돗물을 급수하기 위해 설치한다. 즉, 야간 잉여수를 저류하여 소비가 큰 주간이나 화재시 대응할 수 있으며, 공급과정의 상단에 위치한 시설에서 발생하는 사고 등으로 송수가 정지되어도 일정시간 단수 없이 급수할 수 있는 이점을 가지고 있다.
이러한 정수지와 배수지는 수량과 수질 측면의 안정성을 확보 면에서 그 완충역할을 충족시키기 위해 본 발명에서는 수위 범위를 제약조건으로 설정하고, 시간당 물 수요량, 펌프의 운전 조건을 반영하였다. 전력비용 최소화를 목적함수로 하는 시간단위 송수펌프 운영 스케줄을 도출하기 위한 목적함수, 제약조건, 입력자료는 다음과 같다.
(1) 목적함수
송수펌프의 전력비용 최소화에 대한 목적함수는 아래 <Eq 5>과 같다. 열역학적으로 펌프 효율을 산정함에 따라 정수지와 배수지의 수위차로 전양정이 변할 수 있으며, 이에 따라 펌프 토출량과 효율 또한 시시각각 다르게 도출될 수 있다. 이를 반영한 i펌프의 전력사용량 함수는 <Eq 6>과 같으며, 전력사용량에 계절마다 다르게 적용되는 전력단가를 고려하여 목적함수 <Eq 5>이 도출되었다.
Figure 112018013694163-pat00039
<Eq 5>
Figure 112018013694163-pat00040
<Eq 6>
Figure 112018013694163-pat00041
: 전력사용량 (kW)
Figure 112018013694163-pat00042
: i펌프의 j시간대의 전양정(m)
Figure 112018013694163-pat00043
: i펌프의 j시간대의 토출량(m3/sec)
Figure 112018013694163-pat00044
: i펌프에 대한 j시간대의 펌프 효율(%)
Figure 112018013694163-pat00045
: i펌프에 대한 j시간대의 모터 효율(%)
Figure 112018013694163-pat00046
: j시간대의 전력단가 (원/kWh)
Figure 112018013694163-pat00047
: i펌프에 대한 j시간대의 가동상태 (0 또는 1)
(2) 제약조건
제약조건으로 정수지와 배수지의 수위 범위를 다루기 위해, 다음 <Eq 7>, <Eq 8>와 같이 정수지와 배수지에 대한 물 수지식을 산정하였다.
Figure 112018013694163-pat00048
<Eq 7>
Figure 112018013694163-pat00049
<Eq 8>
Figure 112018013694163-pat00050
: j시간대의 r 배수지 저류량(m3)
Figure 112018013694163-pat00051
: 송수량에 대한 분배 계수
Figure 112018013694163-pat00052
: 타 정수장에서 r 배수지로의 j시간대 보충량(m3)
Figure 112018013694163-pat00053
: r 배수지에서의 j시간대 물 수요량(m3)
Figure 112018013694163-pat00054
: j시간대의 정수지 저류량(m3)
Figure 112018013694163-pat00055
: j시간대의 정수생산에 의한 정수지 유입량(m3)
배수지와 정수지의 물수지식 계산을 통해 수위가 결정되며, 수위에 제약을 두어 운영조건을 만족시킨다. 다음 식 <Eq 9>, <Eq 10>, <Eq 11>, <Eq 12>는 정수지와 배수지에 대한 수위 제약과 수위 산출 식이다.
Figure 112018013694163-pat00056
<Eq 9>
Figure 112018013694163-pat00057
<Eq 10>
Figure 112018013694163-pat00058
<Eq 11>
Figure 112018013694163-pat00059
<Eq 12>
Figure 112018013694163-pat00060
: j시간대의 정수지 수위(m)
Figure 112018013694163-pat00061
: j시간대의 r 배수지 수위(m)
Figure 112018013694163-pat00062
: 정수지 최저 수위(m)
Figure 112018013694163-pat00063
: 정수지 최고 수위(m)
Figure 112018013694163-pat00064
: r 배수지 최저 수위(m)
Figure 112018013694163-pat00065
: r 배수지 최고 수위(m)
<Eq 11>과 <Eq 12>는 정수지와 배수지의 최고 수위와 최저 수위 범위를 나타낸다. 정수지의 최저 수위는 CT요구값을 만족할 수 있는 최소 수위로 설정하여야 한다. 또한 배수지의 수위변동폭이 클 경우 물 공급의 안정성이 증대되나 배수지 체류시간이 증가하여 수질악화를 유발할 수 있다. 배수지 수위변동폭이 작을 경우 배수지에서의 체류시간이 짧아서 수질 측면에서 유리할 수 있으나, 전력단가가 상대적으로 저렴한 시간대에 많은 양을 송수할 수 없다는 단점이 생겨 경제성 면에서 불리하다고 할 수 있다. 따라서, 정수지와 배수지에 대해 적정한 수위의 범위가 고려되어야 한다.
2) GA&DP 하이브리드 알고리즘
본 발명은 동적계획법(Dynamic Programming, DP)과 유전자알고리즘(Genetic Algorithm, GA)을 결합한 하이브리드 알고리즘을 이용하며, 이를 GA&DP 하이브리드 알고리즘이라 호칭하기로 한다. 즉, 본 발명의 GA&DP 하이브리드 알고리즘은 유전알고리즘을 기반으로 동적계획법을 이용한 지역탐색알고리즘을 결합한 구조를 가지고 있다. 유전알고리즘을 통해서 해를 점차적으로 개선해 나가면서, 전체 해집단 내의 가장 높은 적합도를 지니는 해의 지역 탐색을 동적계획법으로 수행한다. 전체 알고리즘의 구조를 요약하면 아래와 같고 이를 플로우 챠트로 표시한 것이 도 4에서 도시되어 있다.
(1단계) 세대(Generation) t=0에서 N개의 개체들로 정의되는 초기 해집단 Pop(t)를 생성하고, 주어진 해 영역(Solution Space)에서 개체집단의 값을 생성한다.
(2단계) 각 개체에 대하여 목적함수(Object Function)와 제약 조건을 평가하여 적합도(Fitness)를 계산한다.
(3단계) 각 개체의 적합도를 이용하여 다음 세대에 유전 정보를 물려주게 될 부모개체를 선택한다.
(4단계) 선택된 부모 개체는 교차확률에 따라 교차하여 다음 세대가 될 새로운 개체를 생성한다. 교차 이 후 개체 중 일부는 돌연변이를 통해 다음 세대를 생성한다.
(5단계) 동적계획법을 이용한 지역탐색
본 발명의 GA&DP 하이브리드 알고리즘에서는 동적계획법을 이용한 지역탐색 알고리즘을 유전알고리즘과 결합하여, 유전 알고리즘의 초기 개선 속도를 향상시키고 빠른시간 안에 좋은 해를 구할 수 있도록 돕는 것이 특징이다. 동적계획법은 복잡한 문제를 간단한 하위 문제로 분해하여 해결하는 방법으로, 본 지역탐색알고리즘에서는 해집단내에서 대체할 더 나은 해를 찾기 위해 적용된다.
동적계획법을 이용한 지역탐색 알고리즘의 주요한 점은 아래와 같이 설명된다.
- 각 개체와 유전자는 무작위로 선택된다.
- 동적계획법을 이용하여 주어진 기준해(유전연산을 통해 생성된 해)에서 시작하여 최적해를 찾는다.
이 알고리즘은 주어진 기준해에 대해 동적계획법을 이용하여 최적해를 산출하여 이를 새로운 기준해로 선택하여 해를 개선한다.
(6단계) 4단계와 5단계에서 얻은 새로운 개체들을 통해 다음 세대(t+1)에서의 개체 집단을 형성한다.
(7단계) 수렴 오차나 최대 세대 수 등 주어진 조건을 만족하면 계산을 끝낸다.
(8단계) 주어진 조건을 만족하지 못한 경우, 과정 2~7을 반복하여 수행한다.
본 발명은 이러한 과정을 통해서, 펌프운영비용을 최소화할 수 있는 최적 펌프운영스케줄을 도출할 수 있게 된다.
즉, 패턴분석과 앙상블 모델을 이용한 단기 물 수요예측 결과를 기반으로 수질안전성 달성을 위한 정수지 소독능 평가인자 CT수심, 송수펌프 관리효율성 제고를 위한 펌프 가동시간, 펌프 특성 곡선, 송수관로 전양정, 공급의 안정성 확보를 위한 배수지 수위, 송수펌프 운영의 경제성 분석을 위한 전력요금 단가 등 7가지 요인을 종합적으로 고려하여 송수펌프 운영비용을 최소화하는 최적 송수펌프 운영스케줄을 도출하는 것이다.
이상에서 본 발명의 바람직한 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속하는 것이다.

Claims (10)

  1. 상수관망시스템의 송수펌프를 단기 물 수요예측을 기반으로 최적으로 운영하는 방법으로서,
    상기 상수관망시스템에 의해서,
    배수지 유출량 및 배수지 수위 데이터가 수집되는 제1단계;
    단기 물 수요 예측모델에 의해 각 시간별 수요량이 예측되는 제2단계;
    열역학적 효율측정을 통한 펌프 효율 및 성능 곡선이 산출되는 제3단계;
    정수지 소독능 평가인자 CT값에 의한 정수지 수위조건이 설정되는 제4단계; 및
    GA&DP 하이브리드 알고리즘을 이용하여 펌프운영이 최적화되는 제5단계;로 이루어지고,
    상기 GA&DP 하이브리드 알고리즘은, 유전자 알고리즘을 기반으로 동적계획법을 이용한 지역탐색알고리즘을 결합한 구조를 갖고,
    상기 제4단계에서 CT값에 의한 정수지 수위조건을 설정하는 과정에서,
    정수지의 수리학적 체류시간은 <Eq 1>과 같이 표현되고, 정수지의 최저수심은 <Eq 2>로 표현되어서, 정수지 최소 수위가 결정되는 것을 특징으로 하는,
    정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법.
    Figure 112018044010901-pat00102
    <Eq 1>
    Figure 112018044010901-pat00103
    <Eq 2>
    T : CT 요구값을 만족시키기 위한 체류시간(min)
    Figure 112018044010901-pat00104
    : 정수지 최소 수위(m)
    C : 잔류소독제의 농도(mg/L)
    R : 장폭비에 따른 환산계수
    A : 정수지 바닥면적 (m2)
    Figure 112018044010901-pat00105
    : 최대 시간당 통과유량 (m3/min)
  2. 제1항에 있어서,
    상기 제5단계의 GA&DP 하이브리드 알고리즘은,
    세대 t=0에서 N개의 개체들로 정의되는 초기 해집단 Pop(t)를 생성하고, 주어진 해 영역(Solution Space)에서 개체집단의 값을 생성하는 제5-1단계;
    각 개체에 대하여 목적함수와 제약 조건을 평가하여 적합도를 계산하는 제5-2단계;
    각 개체의 적합도를 이용하여 다음 세대에 유전 정보를 물려주게 될 부모개체를 선택하는 제5-3단계;
    선택된 부모 개체는 교차확률에 따라 교차하여 다음 세대가 될 새로운 개체를 생성하는 제5-4단계; 및
    동적계획법을 이용한 지역탐색을 수행하는 제5-5단계;을 포함하는,
    정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법.
  3. 제2항에 있어서,
    상기 제5단계의 GA&DP 하이브리드 알고리즘은,
    상기 제5-4단계에서 얻은 새로운 개체들을 통해 다음 세대(t+1)에서의 개체 집단을 형성하는 제5-6단계;
    수렴 오차나 최대 세대 수 등 주어진 조건을 만족하면 계산을 끝내는 제5-7단계; 및
    주어진 조건을 만족하지 못한 경우, 상기 5-2단계부터 제5-7단계의 각 단계를 반복하여 수행하는 제5-8단계;를 더 포함하는,
    정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법.
  4. 삭제
  5. 삭제
  6. 삭제
  7. 삭제
  8. 제1항에 있어서,
    상기 제2단계의 수요예측모델은,
    물 사용량 데이터를 입력데이터로 하여 축적하는 제2-1단계;
    축적된 물 사용량 데이터의 일 특성에 따른 패턴을 분석하여 수요량 지표를 산정하는 제2-2단계;
    정상성을 갖는 시계열 구간을 검토하는 제2-3단계; 및
    복수 개의 수요예측모델을 구축하고 개별 모델별 가중치를 부여하여 앙상블모델을 구성하는 제2-4단계;를 포함하는,
    정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법.
  9. 제8항에 있어서,
    상기 제2-2단계의 물 수요량 데이터의 일 특성에 따른 패턴 분석은,
    평일, 주말, 연휴, 특이일로 분류하여 일 특성에 따른 물 사용패턴을 분석하고 시간계수를 이용하여 각각의 일 특성에 따른 시간별 물 수요량 지표를 산정하고,
    연휴의 경우, 징검다리 휴일인 경우를 별도로 분류하고, 연휴의 길이도 고려하여 분석하는 것을 특징으로 하는,
    정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적 운영방법.

  10. 삭제
KR1020180015260A 2018-02-07 2018-02-07 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법 KR101864342B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180015260A KR101864342B1 (ko) 2018-02-07 2018-02-07 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180015260A KR101864342B1 (ko) 2018-02-07 2018-02-07 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법

Publications (1)

Publication Number Publication Date
KR101864342B1 true KR101864342B1 (ko) 2018-06-04

Family

ID=62628056

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180015260A KR101864342B1 (ko) 2018-02-07 2018-02-07 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법

Country Status (1)

Country Link
KR (1) KR101864342B1 (ko)

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101993449B1 (ko) * 2019-01-17 2019-09-30 주식회사 아이씨티솔루션스 수처리시설 계장계측제어를 통한 에너지최적화시스템
CN112182978A (zh) * 2020-10-13 2021-01-05 桂林电子科技大学 基于自适应角度约束进化算法的多目标水泵调度方法
CN112819654A (zh) * 2021-03-03 2021-05-18 苏宝炜 一种供水系统主动式优化管理方法及其装置
CN113688973A (zh) * 2021-07-13 2021-11-23 同济大学 一种基于深度神经网络的供水泵站调度方法
CN113850692A (zh) * 2021-09-26 2021-12-28 天津大学 一种基于深度学习的城市供水系统闸泵群优化调度方法
CN114135478A (zh) * 2021-11-25 2022-03-04 国网河北能源技术服务有限公司 一种发电机组凝结水泵变频改造的预期节能效果评估方法
KR102467537B1 (ko) * 2022-07-05 2022-11-16 주식회사 지오그린21 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법
KR102486650B1 (ko) 2022-02-24 2023-01-12 (주) 그린텍아이엔씨 최소유량을 이용한 상수관망 관리 시스템
KR102486649B1 (ko) 2021-12-07 2023-01-12 (주) 그린텍아이엔씨 최대수압을 이용한 상수관망 관리 시스템
WO2023008767A1 (ko) * 2021-07-28 2023-02-02 고려대학교 산학협력단 상수도 관망의 펌프 운영 시스템 및 방법
KR102535640B1 (ko) * 2022-06-16 2023-05-30 주식회사 애자일소다 상수도 운영 시스템의 운전 자동화를 위한 강화학습 장치 및 방법
CN116562537A (zh) * 2023-03-22 2023-08-08 珠江水利委员会珠江水利科学研究院 一种闸泵群防洪排涝实时优化调度方法、系统和存储介质
CN116611665A (zh) * 2023-06-19 2023-08-18 中国水利水电科学研究院 一种混联输水系统中长期水量调度方案编制方法
CN117670000A (zh) * 2024-02-01 2024-03-08 四川省机械研究设计院(集团)有限公司 基于组合预测模型的泵站供水量预测方法
CN117972870A (zh) * 2024-04-01 2024-05-03 中国电建集团成都勘测设计研究院有限公司 基于Revit软件的水厂清水池工艺专业三维设计方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Beckwith, S. P., and K. P. Wong. "A genetic algorithm approach for electric pump scheduling in water supply systems." Evolutionary Computation, 1995., IEEE International Conference on. IEEE, 1995. *
이재경, 물 수요 예측 모델을 활용한 송수펌프 운영 최적화, 서울시립대학교 환경공학과 석사학위 논문, 서울시립대학교, 2015.2. *

Cited By (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101993449B1 (ko) * 2019-01-17 2019-09-30 주식회사 아이씨티솔루션스 수처리시설 계장계측제어를 통한 에너지최적화시스템
CN112182978A (zh) * 2020-10-13 2021-01-05 桂林电子科技大学 基于自适应角度约束进化算法的多目标水泵调度方法
CN112819654A (zh) * 2021-03-03 2021-05-18 苏宝炜 一种供水系统主动式优化管理方法及其装置
CN112819654B (zh) * 2021-03-03 2023-12-12 苏宝炜 一种供水系统主动式优化管理方法及其装置
CN113688973A (zh) * 2021-07-13 2021-11-23 同济大学 一种基于深度神经网络的供水泵站调度方法
CN113688973B (zh) * 2021-07-13 2024-04-26 同济大学 一种基于深度神经网络的供水泵站调度方法
WO2023008767A1 (ko) * 2021-07-28 2023-02-02 고려대학교 산학협력단 상수도 관망의 펌프 운영 시스템 및 방법
CN113850692A (zh) * 2021-09-26 2021-12-28 天津大学 一种基于深度学习的城市供水系统闸泵群优化调度方法
CN114135478A (zh) * 2021-11-25 2022-03-04 国网河北能源技术服务有限公司 一种发电机组凝结水泵变频改造的预期节能效果评估方法
CN114135478B (zh) * 2021-11-25 2024-02-13 国网河北能源技术服务有限公司 一种发电机组凝结水泵变频改造的预期节能效果评估方法
KR102486649B1 (ko) 2021-12-07 2023-01-12 (주) 그린텍아이엔씨 최대수압을 이용한 상수관망 관리 시스템
KR102486650B1 (ko) 2022-02-24 2023-01-12 (주) 그린텍아이엔씨 최소유량을 이용한 상수관망 관리 시스템
KR102535640B1 (ko) * 2022-06-16 2023-05-30 주식회사 애자일소다 상수도 운영 시스템의 운전 자동화를 위한 강화학습 장치 및 방법
KR102467537B1 (ko) * 2022-07-05 2022-11-16 주식회사 지오그린21 인공지능 기반 지하수 순환 및 양수전력 최적관리 시스템 및 방법
CN116562537A (zh) * 2023-03-22 2023-08-08 珠江水利委员会珠江水利科学研究院 一种闸泵群防洪排涝实时优化调度方法、系统和存储介质
CN116562537B (zh) * 2023-03-22 2023-10-31 珠江水利委员会珠江水利科学研究院 一种闸泵群防洪排涝实时优化调度方法、系统和存储介质
CN116611665A (zh) * 2023-06-19 2023-08-18 中国水利水电科学研究院 一种混联输水系统中长期水量调度方案编制方法
CN116611665B (zh) * 2023-06-19 2023-10-20 中国水利水电科学研究院 一种混联输水系统中长期水量调度方案编制方法
CN117670000A (zh) * 2024-02-01 2024-03-08 四川省机械研究设计院(集团)有限公司 基于组合预测模型的泵站供水量预测方法
CN117670000B (zh) * 2024-02-01 2024-04-12 四川省机械研究设计院(集团)有限公司 基于组合预测模型的泵站供水量预测方法
CN117972870A (zh) * 2024-04-01 2024-05-03 中国电建集团成都勘测设计研究院有限公司 基于Revit软件的水厂清水池工艺专业三维设计方法

Similar Documents

Publication Publication Date Title
KR101864342B1 (ko) 정수지 소독능을 고려한 단기 물 수요예측 기반 송수펌프 최적운영방법
Singh et al. Short term load forecasting using artificial neural network
Wanjiru et al. Sustainable energy-water management for residential houses with optimal integrated grey and rain water recycling
Kucukali et al. Turkey’s short-term gross annual electricity demand forecast by fuzzy logic approach
Alvisi et al. A short-term, pattern-based model for water-demand forecasting
Gomes et al. Decision support system to divide a large network into suitable District Metered Areas
JP3795775B2 (ja) 下水流入量予測装置および方法、サーバ装置
Tilmant et al. Comparison of fuzzy and nonfuzzy optimal reservoir operating policies
KR101119983B1 (ko) 지엠디에이치 알고리즘을 이용한 물수요 예측방법
JP2006011715A (ja) 資源消費量の推定方法及び装置
CN109598408A (zh) 一种兼顾用水公平性和重要性的年水量调度计划编制方法
CN101916335A (zh) 城市需水量时间序列-指数平滑模型预测方法
Wehinger et al. Modeling electricity wholesale markets with model predictive and profit maximizing agents
KR100741691B1 (ko) 유비쿼터스 기술을 이용한 광역상수도 수운영시스템 및 그방법
CN111206650A (zh) 一种水箱错峰调蓄管理系统
CN116681312A (zh) 一种面向生态的多目标水库优化调度决策方法及系统
Bajatović et al. Application of predictive models for natural gas needs-current state and future trends review
JP4399318B2 (ja) ポンプ制御装置
CN113420967B (zh) 一种基于预测的城市供水管网运行评估方法
Dandy et al. Optimizing hydraulics and water quality in water distribution networks using genetic algorithms
Algieri et al. Determinants of demand for exports of tourism: An unobserved component model
Skiadas et al. An attempt to improve the forecasting ability of growth functions: the Greek electric system
CN105844342A (zh) 一种短期电力市场预测系统及方法
JP4326408B2 (ja) 下水流入量予測装置
CN115271463B (zh) 智慧能源管理系统

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant