KR101996375B1

KR101996375B1 - 기능 확장이 용이한 이상 예측 수처리 제어시스템

Info

Publication number: KR101996375B1
Application number: KR1020190025531A
Authority: KR
Inventors: 정성학
Original assignee: (주)와이제이솔루션
Priority date: 2019-03-06
Filing date: 2019-03-06
Publication date: 2019-07-03

Abstract

본 발명은 수처리 시스템의 상태를 기설정 기준치에 따라 정상 상태인지 이상 상태인지를 판정함은 물론이고, 이상 징후를 다각적으로 분석하여 이상 상태를 예측함으로써, 수처리 시스템을 안정적 및 연속적으로 운용할 수 있는 기반을 마련하며, 수처리 시스템의 센서 추가 또는 설비 증설에 따라 기능 확장할 수 있는 기능 확장이 용이한 이상 예측 수처리 제어시스템에 관한 것으로서, 모니터링 데이터를 기설정 기준치와 비교하여 이상 여부를 판정하는 레벨 판정 모듈(62); 및 모니터링 데이터를 시계열 분석하여 이상 여부를 판정하는 데이터 분석/판정부(100)와, 모니터링 데이터의 미래 값을 예측하여 미래 이상 여부를 판정하는 데이터 예측분석/판정부(200)와, 서로 다른 종류의 모니터링 데이터 간의 연관성을 분석하여 이상 여부를 판정하는 연관분석/판정부(300)를 구비한 이상 예측 모듈(63); 을 포함한 이상 상태 판정부(60)를 내장한다.

Description

기능 확장이 용이한 이상 예측 수처리 제어시스템{CONTROL SYSTEM OF WATER TREATMENT SYSTEM FOR DETECTING FOR PREDICTING ANOMALIES AND FOR EASILY EXPANDING FUNCTIONS}

본 발명은 수처리 시스템의 상태를 기설정 기준치에 따라 정상 상태인지 이상 상태인지를 판정함은 물론이고, 이상 징후를 다각적으로 분석하여 이상 상태를 예측함으로써, 수처리 시스템을 안정적 및 연속적으로 운용할 수 있는 기반을 마련하며, 수처리 시스템의 센서 추가 또는 설비 증설에 따라 기능 확장할 수 있는 기능 확장이 용이한 이상 예측 수처리 제어시스템에 관한 것이다.

일반적으로 수처리 시스템은 처리할 원수에 따라 정수 처리 시스템, 폐수 처리 시스템 및 수자원 관리 시스템으로 구분할 수 있고, 여건이 수처리 장소, 처리량 등에 따라 다양하여서 여러 방식으로 구성, 설치, 운용 및 관리하고 있다.

또한, 수처리 시스템은 프로그램화한 수처리 제어시스템에 의해 제어되게 하고, 이상 상태를 판별하여 관리자에게 통지하거나, 또는 원격 감시하게 구성하여서, 안정적으로 운전할 수 있도록 만전을 기하고 있다.

이러한 수처리 시스템은 운용 중단시에 피해가 광범위하여 어떤 경우이든 연속적이면서 안정적으로 운용되어야 하며, 이를 위해서, 이상 상태를 조기에 파악하기 위한 다양한 모니터링 기술이 개발되었다.

그런데, 개발된 수처리 제어시스템의 모니터링 기술을 살펴보면, 각각의 수처리 시스템에 특화된 형태이어서 범용적으로 사용하기 곤란하고, 수처리 시스템에 부품을 추가한 경우, 새롭게 프로그램화하여야 하는 어려움이 있었다.

이러한 곤란함 및 어려움은 수처리 제어시스템에서 수집되는 다양한 정보 자체를 한정된 방식으로 분석한 결과에 따라 이상 상태를 판별하기 때문이다. 즉, 실제 수처리 제어시스템으로 수처리 시스템을 제어할 시에는 수처리 시스템에서 발생할 수 있는 다양한 이상 상태를 파악할 수 있는 정보를 수집할 수 있는 데, 이러한 정보를 다각적으로 분석하여, 이상 상태를 파악하지 아니하고, 미리 설정한 레벨과의 단순 비교하거나, 아니면, 정해진 프로세서에 따라 동작하고 있는 지의 확인만 하고 있기 때문이다.

KR 10-1926597 B1 2018.12.03. KR 10-1935837 B1 2018.12.31.

따라서, 본 발명의 목적은 관리할 수 있는 수처리 관련 데이터 자체를 다각적으로 분석하여 다양한 형태로 나타날 수 있는 이상 상태를 조기에 판별하고, 사고로 이어지지 아니하도록 미연에 방지할 수 있게 하며, 센서 또는 구동장치 등을 수처리 시스템에 추가한 경우에도 용이하게 기능 확장할 수 있는 기능 확장이 용이한 이상 예측 수처리 제어시스템을 제공하는 것이다.

상기 목적을 달성하기 위해 본 발명은 수처리 시스템(1)에 연결시킨 입출력단(10), 입력출단(10)을 통해 입력받는 수처리 시스템(1)의 센싱값에 따라 제어값을 결정하여 수처리 시스템(1)을 제어하는 시스템 제어부(20), 센싱값 또는 제어값으로 하는 모니터링 데이터에 따라 이상 상태를 판별하는 이상 상태 판정부(60), 제어 동작을 사용자에 의해 컨트롤할 수 있게 한 사용자 인터페이스부(30), 및 이상 상태를 알람하기 위한 출력부(50)를 포함하는 수처리 제어시스템에 있어서, 상기 이상 상태 판정부(60)는 모니터링 데이터를 기설정 기준치와 비교하여 이상 여부를 판정하는 레벨 판정 모듈(62); 및 모니터링 데이터를 시계열 분석하여 이상 여부를 판정하는 데이터 분석/판정부(100)와, 모니터링 데이터의 미래 값을 예측하여 미래 이상 여부를 판정하는 데이터 예측분석/판정부(200)와, 서로 다른 종류의 모니터링 데이터 간의 연관성을 분석하여 이상 여부를 판정하는 연관분석/판정부(300)를 구비한 이상 예측 모듈(63); 을 포함하여, 각 이상 여부의 판정결과에 따라 이상 상태를 구분하여 알람하게 한다.

본 발명의 일 실시 예에 따르면, 상기 이상 예측 모듈(63)은 데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)에서의 데이터 분석 결과를 이상 여부 판정결과에 포함시켜, 알람으로 출력할 수 있게 한다.

본 발명의 일 실시 예에 따르면, 상기 데이터 분석/판정부(100)는 모니터링 데이터의 시계열적 규칙성에 따라 트랜드를 분석하는 트랜드 분석부(111), 시간영역에서 나타나는 모니터링 데이터의 패턴을 분석하는 시간영역 분석부(112), 주파수영역에서 나타나는 모니터링 데이터의 주파수 성분을 분석하는 주파수영역 분석부(113) 및 PID 제어에 따른 모니터링 데이터의 목표값 수렴성, 수렴 속도 또는 수렴 안정성을 분석하는 PID 제어 분석부(114) 중에 적어도 어느 하나를 포함하는 데이터 분석부(110); 상기 데이터 분석부(110)의 분석 결과에 따라 이상 여부를 판정하는 이상 예측부(320); 를 포함한다.

본 발명의 일 실시 예에 따르면, 상기 데이터 분석/판정부(100)의 이상 예측부(120)는 트랜드 분석 결과에 대해 트랜드를 따르지 아니할 시에 이상 상태로 판정하고, 시간영역 분석 결과, 주파수영역 분석 결과 및 PID 제어 분석 결과에 대해서 기설정 비교군과 기설정 오차 이상으로 벗어날 시에 이상 상태로 판정한다.

본 발명의 일 실시 예에 따르면, 상기 데이터 예측분석/판정부(200)는 딥러닝 모델(220)을 모니터링 데이터의 입력에 따라 모니터링 데이터의 미래 값을 출력하도록 역전파 알고리즘(Backpropagation algorithm)으로 학습시키며, 현재 모니터링 데이터의 입력에 따른 미래 값을 예측하고, 예측한 미래 값에 따라 이상 여부를 판정한다.

본 발명의 일 실시 예에 따르면, 상기 데이터 예측분석/판정부(200)는 상기 딥러닝 모델(220)로 모니터링 데이터의 미래 값을 예측하기 위해 다른 종류의 센싱값 또는 제어값으로 이루어진 데이터를 모니터링 데이터와 함께 상기 딥러닝 모델(220)에 입력되게 설정할 수 있게 한다.

본 발명의 일 실시 예에 따르면, 상기 데이터 예측분석/판정부(200)는 모니터링 데이터의 미래값을 상기 레벨 판정 모듈(62)과 동일하게 구성한 이상 예측부(240)로 이상 여부를 판정한다.

본 발명의 일 실시 예에 따르면, 상기 입출력단(10)은 복수의 확장 슬롯(11)을 구비하여, 수처리 시스템(1)의 센서(1a) 또는 구동장치(1b)에 연결한 확장 카드(12)를 삽입 설치하며 추가할 수 있게 하고, 상기 시스템 제어부(20)는 센서 종류, 설치 위치 및 측정 범위를 확장 슬롯(11) 순번에 매칭시켜 입력하게 하고 확장 슬롯(11)을 통해 입력되는 데이터 종류를 식별자에 의해 구분되게 할 입출력단(10) 설정 환경을 사용자 인터페이스부(30)로 제공하는 입출력단 설정부(21); 를 구비한다.

본 발명의 일 실시 예에 따르면, 상기 시스템 제어부(20)는 센싱값 또는 제어값으로 이루어진 데이터 중에 레벨 판정 모듈(62) 및 이상 예측 모듈(63)을 연계시켜 순차 처리할 모니터링 데이터로 선택하고, 레벨 판정 모듈(62)을 위한 기준치를 입력하게 할 모니터링 데이터 셋팅 환경과, 이상 예측 모듈(63)의 구성을 위한 셋팅값, 연관분석/판정부(300)로 연관 분석할 모니터링 데이터의 종류 및 데이터 분석/판정부(100)에서 이상 여부 판정의 기준이 될 비교군을 입력하게 할 예측 모듈 구성 환경을 사용자 인터페이스부(30)로 제공하는 판정모듈 셋팅부(22);를 구비하고, 상기 이상 상태 판정부(60)는 모니터링 데이터 셋팅 환경 및 예측 모듈 구성 환경에서 입력된 바에 따라 레벨 판정 모듈(62) 및 이상 예측 모델(63)을 신설 또는 수정하는 모듈 수정부(64); 및 시스템 제어부(20)로부터 넘겨받는 모니터링 데이터를 상기 모니터링 데이터 셋팅 환경 또는 상기 예측 모듈 구성 환경에서 입력된 바에 따라 복수의 레벨 판정 모듈(62) 또는 이상 예측 모듈(63)에 분배할 스위치(61);를 구비한다.

상기와 같이 구성되는 본 발명은 모니터링 데이터의 레벨에 따라 이상 상태를 판별함은 물론이고 시계열 분석, 미래 값 예측, 및 데이터 간 연관성 분석을 통해 모니터링 데이터를 다각적으로 분석한 후, 레벨 판정으로 감지되지 않는 이상 상태를 예측할 수 있으므로, 수처리 시스템에서 다양한 형태로 발생할 수 있는 이상 상태를 파악할 수 있으며, 이를 통해 수처리 시스템을 더욱 안정적이면서 연속적으로 운용하기 위한 기반을 마련할 수 있게 한다.

또한, 본 발명은 모니터링 데이터 자체를 다각적으로 분석하여 이상 예측하도록 구성되므로, 센서 또는 구동장치를 수처리 시스템에 추가하더라도 해당 모니터링 데이터를 분석하기 위한 모듈을 추가하는 방식으로, 용이하게 기능 확장할 수 있다.

일 실시 예에 따르면, 본 발명은 다각적으로 데이터 분석한 결과를 이상 상태의 알람에 포함시켜서, 관리자가 이상 상태를 정확하게 파악할 수 있게 한다.

일 실시 예에 따르면, 본 발명은 트랜드 분석, 시간영역 분석, 주파수영역 분석 및 PID 제어 분석을 통해 이상 예측하므로, 수처리 시스템의 운용 시에 발생할 수 있는 다양한 이상 상태를 파악할 수 있다.

일 실시 예에 따르면, 본 발명은 확장 슬롯을 사용함으로써 센서 및 구동장치의 추가에 따른 기능 확장을 더욱 용이하게 한다.

일 실시 예에 따르면, 본 발명은 기능 확장을 위해 필요한 모듈을 간편하게 생성 또는 수정할 수 있어서, 수처리 장소별 여건에 맞게 용이하게 구성 및 운용할 수 있게 한다.

도 1은 본 발명의 실시 예에 따른 이상 예측 수처리 제어시스템의 구성도.
도 2는 입출력단(10)의 슬롯 설정 테이블.
도 3은 이상 상태 판정부(60)의 구성도.
도 4는 1차 상태 판정하는 현 상태 판정 모듈(62)의 구성도.
도 5는 2차 상태 판정하는 데이터 분석/판정부(100)의 구성도.
도 6은 3차 상태 판정하는 데이터 예측분석/판정부(200)의 구성도.
도 7은 4차 상태 판정하는 연관분석/판정부(300)의 구성도.
도 8은 모니터링 데이터 선정 테이블(a) 및 이상 예측 모듈(63 : 100, 200, 300) 셋팅 테이블(b).

이하, 본 발명의 바람직한 실시 예를 첨부한 도면을 참조하여 당해 분야에 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 설명한다.

하기에서 본 발명의 실시 예를 설명함에 있어, 수처리 제어시스템에 관련된 공지의 기능 또는 공지의 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다.

수처리 시스템은 상하수도사업소, 배수장, 보, 저수지, 댐 등의 수처리 장소에 각종 구동장치 및 센서 등의 설비 부품을 설치하여 수처리할 수 있게 한 시스템으로, 설비 부품을 연결한 수처리 제어시스템에 의해 제어되게 한다. 이러한 수처리 제어시스템은 수처리 장소 및 설치한 설비 부품의 종류에 따라 다양하게 구성되었던 공지의 구성이므로, 이에 대해 상세한 설명은 생략하고, 이상 예측을 위한 구성 및 설비 부품 추가에 유연하게 대처하여 기능 확장할 수 있는 구성을 특징으로 하므로, 이에 대해 중점적으로 설명한다.

도 1에 도시한 바와 같이, 본 발명의 실시 예에 따른 이상 예측 수처리 제어시스템은 수처리 시스템(1)의 구성 부품(1a, 1b)에 연결되는 입출력단(10), 사용자 입력을 위한 사용자 인터페이스부(30), 데이터 저장을 위한 저장부(40), 각종 정보의 출력을 위한 출력부(50), 입출력단(10)을 통해 입력받는 수처리 시스템(1)의 센싱값에 따라 제어값을 결정하여 입출력단(10)을 통해 출력함으로써 수처리 시스템(1)을 제어하는 시스템 제어부(20), 및 시스템 제어부(20)로부터 센싱값 또는 제어값을 전달받아 선별적으로 모니터링 데이터로 선정하고 모니터링 데이터를 분석하여 이상 상태를 판별하는 이상 상태 판정부(60)를 포함한다.

수처리 시스템(1)의 구성 부품(1a, 1b)은 도 1에 예시한 바와 같이 수처리 시스템의 동작 상태를 검출하기 위한 각종 센서(1a)와 수처리 시스템의 동작 수행을 위한 각종 구동장치(1b)를 포함할 수 있으며, 여기서 구동장치(1b)의 동작 상태를 검출하기 위한 센서도 포함된다. 수처리 장소에 구축한 수처리 시스템(1)은 수처리 장소별로 다양하게 구성될 수 있음은 자명하므로, 수처리 시스템(1)의 세부 구성 및 구성 부품(1a, 1b)의 세부 사항에 대한 설명은 생략한다.

이러한 수처리 시스템(1)의 구성 부품(1a, 1b)은 상기 입출력단(10)에 연결된다. 이때의 연결 방식은 유선 통신, 무선 통신, PLC 통신(전력선 통신) 등의 다양한 방식으로 할 수 있고, 최근 사물인터넷 기반 IOT 통신 방식으로 할 수도 있다. 물론, IOT 통신 방식을 채택한 구성 부품(1a, 1b)은 IOT 기기로 구성하여야 할 것이다.

상기 입출력단(10)은 시스템 버스(13, 또는 확장 버스(expansion bus))를 통해 상기 시스템 제어부(20)에 연결되는 복수의 확장 슬롯(11, expansion slot)과 수처리 시스템(1)의 구성 부품(1a, 1b)에 연결되며 확장 슬롯(11)별로 하나씩 삽입 장착하게 한 확장 카드(12, expansion card, 또는 확장 보드)를 포함한다. 이에 따라, 구성 부품(1a, 1b)을 수처리 시스템(1)에 추가 설치하는 경우, 그 추가 설치한 구성 부품(1a, 1b)을 확장 카드(12)에 연결한 후 확장 카드(12)를 비어있는 확장 슬롯(11)에 삽입함으로써, 추가한 구성 부품(1a, 1b)을 본 수처리 제어시스템에 연결할 수 있다. 즉, 구성 부품(1a, 1b)의 추가에 따른 본 수처리 제어시스템의 기능 확장을 용이하게 한다.

확장 카드(12)를 확장 슬롯(11)에 삽입 장착한 후에는, 하기의 도 2를 참조하며 설명하는 바와 같이 설정함으로써, 확장 슬롯(11)을 통해 연결된 수처리 시스템(1)의 구성 부품(1a, 1b)에 관련된 제어 동작 및 모니터링 동작이 가능하게 된다.

여기서, 각각의 확장 카드(12)는 통신 연결된 수처리 시스템(1)의 구성 부품(1a, 1b) 종류, 통신 연결 방식 등에 따라 상이한 신호처리수단 및 통신모듈을 구비한다. 즉, 구비되는 신호처리수단은 구성 부품(1a, 1b)의 종류에 따라 AI(analogue input) 신호, AO(analogue output) 신호, AI/AO 신호, DI(digital input) 신호, DO(digital output) 신호 및 DI/DO 신호 중에 어느 하나를 처리할 수 있게 되어 있고, 통신모듈은 통신 연결 방식에 맞는 것으로 구성되어 있다. 물론, 확장 슬롯(11)을 통해 상기 시스템 제어부(20)와 연결하기 위한 디지털 처리 회로를 구비된다.

상기 사용자 인터페이스부(30)는 본 수처리 제어시스템을 사용자가 제어하며, 모니터링할 수 있게 한 구성으로서, 예를 들어 키보드와 모니터의 조합, 또는 터치스크린으로 구성할 수도 있으나, HMI(Human Machine Interface)로 할 수도 있다. 본 발명에서는 하기에서 도 2 및 도 8을 참조하며 설명하는 바와 같이 슬롯 설정, 모니터링 데이터 선정 및 이상 예측 모듈(63) 셋팅에도 사용된다.

상기 저장부(40)는 데이터 저장 공간으로서, 수처리 시스템(1)을 상태 파악하며 제어하는 데 필요한 데이터, 수처리 시스템(1)의 센서(1a)로 취득한 센싱값과 수처리 시스템(1)의 구동장치(1) 제어값을 저장하여 두는 공간일 수 있으며, 본 발명에 따르면, 이상 상태 판정부(60)의 동작에 필요한 데이터 저장 공간으로도 활용된다.

상기 출력부(50)는 상기 시스템 제어부(20)에서 파악되는 상태를 외부 출력하기 위한 구성으로서, 스피커, 현황 모니터, 알람 램프, 또는 사용자 단말(3)과의 통신을 위한 통신모듈로 구성하여도 좋고, 도시한 바와 같이 네트워크를 통해 원격의 중앙관리센터(2)와 통신하기 위한 네트워크 모듈(51)을 포함할 수 있다. 그렇지만 이에 한정하는 것은 아니며, 상기한 HMI로 할 수도 있으므로, 상기 사용자 인터페이스부(30)의 일부 기능을 담당하는 구성으로 봐도 좋다. 본 발명에서는 상기 이상 상태 판정부(60)에 의해 판정된 이상 상태를 알람하는 데 사용될 수도 있다.

상기 시스템 제어부(20)는 입력출단(10)을 통해 입력받는 수처리 시스템(1)의 센싱값에 따라 제어값을 결정하여 입력출단(10)을 통해 출력함으로써, 수처리 시스템(1)을 제어하는 공지의 제어 동작을 수행하며, 본 발명에 따르면, 입력출단(10)을 통해 입력받는 수처리 시스템(1)의 센싱값과 입력출단(10)을 통해 출력하는 제어값을 모니터링 데이터로 사용할 수 있도록 상기 이상 상태 판정부(60)에 넘겨주고, 아울러, 입출력단 설정부(21), 판정모듈 셋팅부(22) 및 판정결과 처리부(23)를 구비한다.

여기서, 제어 동작을 위한 상기 시스템 제어부(20)의 구성은 공지된 구성이므로, 상세 설명을 생략한다.

상기 입출력단 설정부(21)는 상기 입출력단(10)의 각 확장 슬롯(11)을 통해 입력되는 데이터를 식별하며 내부 처리할 수 있도록 기본 정보를 입력하게 하는 입출력단(10) 설정 환경을 상기 사용자 인터페이스부(30)를 통해 사용자에게 제공하는 구성이다.

도 2는 이러한 입출력단(10) 설정 환경을 위해서 상기 사용자 인터페이스부(30)에 출력한 슬롯 설정 테이블의 예시도이다.

슬롯 설정 테이블을 참조하면, 확장 슬롯(11)에 삽입한 확장 카드(12)에 연결된 부품(1a, 1b)에 관련된 기본 정보로서, '부품 종류', 부품이 센서인 경우의 '측정 범위', 제어값을 출력하는 경우의 '출력 범위', 확장 카드(12)와 부품 사이의 '통신 방식', 부품의 '설치 위치', 부품의 '설치 날자' 등을 포함하며, 이러한 기본 정보를 확장 슬롯(11) 순번에 해당되는 '슬롯 NO'에 매칭시켜 입력하게 한다. 그리고, 확장 슬롯(11)을 통해 입력되는 데이터 종류를 구분하기 위한 '식별자'가 자동 할당되게 하였다. 이에, 상기 시스템 제어부(20)는 확장 슬롯(11)을 통해 입력되는 데이터를 '식별자'로 식별하며 처리할 수 있다.

여기서, '식별자'는 시스템 제어부(20)에서 수처리 시스템(1)의 제어를 위해 출력하는 제어값에도 내부적으로 자동 부여하게 하였다.

상기 판정결과 처리부(23)는 상기 이상 상태 판정부(60)에서 수행한 판정 결과에 따른 이상 상태를 상기 출력부(50)로 알람하게 한다. 이때의 알람은 데이터 분석 결과를 포함하게 할 수 있다.

상기 판정모듈 셋팅부(22)에 대해서는 상기 이상 상태 판정부(60)를 설명한 후 하기에서 도 8을 참조하며 설명한다.

상기 이상 상태 판정부(60)에 대해서는 도 3 내지 도 7을 참조하며 보다 상세하게 설명한다.

도 3을 참조하면, 상기 이상 상태 판정부(60)는 상기한 식별자로 식별되는 센싱값 및 제어값의 시계열적 데이터(예시적으로 표시한 D1~D8)를 사전 설정한 바와 따라 모니터링 데이터로 선정하여 복수의 레벨 판정 모듈(62)에 분배하는 스위치(61), 각자 분배받은 시계열적 모니터링 데이터를 기설정 기준치와 비교하여 1차적으로 이상 여부를 판정하는 복수의 레벨 판정 모듈(62), 각각의 레벨 판정 모듈(62)에 하나씩 연결되어 시계열적 모니터링 데이터를 다각적으로 분석하고 이상 예측하는 복수의 이상 예측 모듈(63), 및 분배받은 시계열적 모니터링 데이터를 다각적으로 상태 판정하도록 상호 연계시킨 상기 레벨 판정 모듈(62) 및 이상 예측 모듈(63)을 신설 또는 수정하는 모듈 수정부(64)를 포함한다.

여기서, 상기 스위치(61)는 식별자에 의해 종류 구분된 데이터 중에 레벨 판정 모듈(62) 별로 처리하게 할 모니터링 데이터를 선택하여 각 레벨 판정 모듈(62)로 전달한다.

이때, 상기 스위치(61)에서 선택하여 전달하는 모니터링 데이터는 상기 판정 모듈 셋팅부(21)에 의해 선정된다. 여기서, 각각의 레벨 판정 모듈(61)에 전달하는 모니터링 데이터 종류는 상태 판정할 데이터와 연관성이 있는 데이터를 포함할 수 있다. 그런데, 연관성 있는 데이터는 레벨 판정 모듈(62)에서 사용할 데이터와 데이터 예측분석/판정부(200) 또는 연관분석/판정부(300)에서 사용할 데이터가 서로 상이하게 설정될 수 있으므로, 연관성 있는 데이터를 스위치(61)에서 데이터 예측분석/판정부(200)에 전달할 수 있게 하였다. 물론, 연관분석/판정부(300)에서 연관 분석할 데이터를 직접 전달받게 하여도 좋다.

그리고, 상기 모듈 수정부(64)는 상기 판정 모듈 셋팅부(31)의 설정에 따라 상기 레벨 판정 모듈(62) 및 이상 예측 모델(63)을 신설 또는 수정한다. 도 3에서 점선으로 표시한 레벨 판정 모듈(62') 및 이상 예측 모듈(63')은 상기 모듈 수정부(64)에 의해 생성되어 상기 스위치(61)로부터 선택된 모니터링 데이터를 넘겨받도록 신설할 수 있음을 예시적으로 보여주기 위해서 도 3에 표현한 것이다.

그리고, 상호 연계된 상기 레벨 판정 모듈(62) 및 이상 예측 모듈(63)의 쌍은 스위치(61)에 의해 선택된 모니터링 데이터를 1차적으로 레벨 판정하여 정상인지 아니면 이상 상태인지 판정하고, 후속으로 단계적 데이터 분석을 통해 다각적으로 이상 상태를 예측하며, 구체적으로 설명하면 다음과 같다.

상기 레벨 판정 모듈(62)은 전달받은 모니터링 데이터를 기설정 기준치와 비교하여 이상 여부를 판정한다.

도 4에 도시한 구성도에 따르면, 상기 레벨 판정 모듈(62)은 넘겨받은 모니터링 데이터(Di)를 기설정 레벨과 비교하여, 정상 레벨의 데이터인지 아니면 정상에서 벗어난 레벨의 데이터인지 평가하고, 이상 여부를 판정하는 레벨 평가부(62a)와, 연관성 있는 데이터(Dj, Dk)를 추가로 넘겨받아 모니터링 데이터(Di)와 연계하여 평가하고, 이상 여부를 판정하는 레벨 연계 평가부(62b)를 구비한다.

상기 레벨 연계 평가부(62b)에 대해 예를 들어 설명하면, 배수 유량과 배수 펌프 제어값 사이에는 연관성이 있으므로, 배수 펌프 제어값에 대응되는 배수 유량의 레벨이 나타나지 아니하면 이상 상태로 판정할 수 있게 구성할 수 있고, 다른 예로서, 수위와 배수 유량 사이의 연관성에 따라 배수 유량 레벨에 따른 수위 레벨 변화로 이상 상태를 판정할 수 있게 구성할 수 있으며, 이에, 물을 연속처리하는 수처리 시스템의 이상 상태를 더욱 정밀하게 파악할 수 있다.

상기 이상 예측 모듈(63)은 상기 레벨 판정 모듈(61)로부터 모니터링 데이터(Di)를 넘겨받아 데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)로 순차 평가하며 이상 상태를 예측한다.

즉, 기설정 기준치와 비교하면 정상이더라도 고장이 나거나 아니면 정상 상태에서 벗어날 징후를 미연에 탐지하여 이상 상태를 예측할 수도 있다.

도 5는 2차 상태 판정하는 데이터 분석/판정부(100)의 구성도이다.

상기 데이터 분석/판정부(100)는 시계열적 모니터링 데이터(Di)를 시계열 분석하여 이상 여부를 판정하는 구성으로서, 트랜드 분석부(111), 시간영역 분석부(112), 주파수영역 분석부(113) 및 PID 제어 분석부(114)를 포함한 데이터 분석부(110)에 의해 다각적으로 분석한 후, 이상 예측부(120)에서 분석 결과에 따라 이상 예측하게 구성된다.

여기서, 트랜드 분석부(111)는 모니터링 데이터(Di)의 시계열적 규칙성에 따라 트랜드를 분석한다. 수처리 시스템은 수처리 장소 및 운영 여건에 따라 주기성을 갖고 운용되므로, 모니터링 데이터도 주기성을 갖게 된다. 이에, 예를 들어, 일정 시간, 일일, 1주, 1개월, 분기 또는 1년 주기를 설정하여 시계열적으로 넘겨받는 모니터링 데이터의 규칙성, 즉, 트랜드를 얻으며, 그 규칙성에서 벗어나는지를 분석한다.

상기 시간영역 분석부(112)는 시간영역에서 나타나는 모니터링 데이터의 패턴을 분석한다.

구체적으로 설명하면, 상기 시간영역 분석부(112)는 이상 상태에서 나타나는 기설정 패턴과 모니터링 데이터의 패턴을 비교 분석하거나, 아니면 정상 상태에서 나타나는 기설정 패턴과 모니터링 데이터의 패턴을 비교 분석하는 수동 모드를 갖게 구성할 수 있다.

또한, 상기 시간영역 분석부(112)는 모니터링 데이터의 패턴을 일정 주기로 저장하여 두는 동작을 기설정 시간 동안 수행하고, 이후 나타나는 패턴을 저장 패턴과 비교 분석하는 자동 모드를 갖게 구성할 수 있다.

수동 모드 및 자동 모드 중에 어느 동작 모드를 갖게 할지는 후술하는 바와 같이 상기 판정 모듈 셋팅부(21)에 의해 정해지게 하였다.

상기 주파수영역 분석부(113)는 주파수영역에서 나타나는 모니터링 데이터의 주파수 성분을 분석한다.

구체적으로 설명하면, 상기 주파수영역 분석부(113)는 이상 상태에서 나타나는 기설정 주파수 성분이 모니터링 데이터에서 검출되는지 아니면 정상 상태에서 나타나는 기설정 주파수 성분이 모니터링 데이터에서 검출되는지를 주파수 분석을 통해 검증하는 수동 모드를 갖게 구성할 수 있다.

또한, 상기 주파수영역 분석부(113)는 모니터링 데이터의 주파수 성분을 얻어 저장하여 두는 동작을 기설정 시간 동안 수행하고, 이후 나타나는 주파수 성분과 저장 주파수 성분을 비교 분석하는 자동 모드를 갖게 구성할 수 있다.

상기 PID 제어 분석부(114)는 PID 제어(Proportional-Integral-Derivative Control)에 따른 모니터링 데이터의 목표값 수렴성, 수렴 속도 또는 수렴 안정성을 분석한다.

상기 시스템 제어부(20)에서 PID 제어 알고리즘으로 제어값을 결정하여 수처리 시스템(1)을 제어함으로써 목표값으로 수렴하게 되는 데, 원하는 목표값 수렴성, 수렴 속도 및 수렴 안정성을 갖도록 한 PID 제어 알고리즘을 사용한다.

이에, 상기 PID 제어 분석부(114)는 제어값 또는 제어값에 따라 검출되는 센싱값으로 선정한 모니터링 데이터를 분석하여 목표값 수렴성, 수렴 속도 및 수렴 안정성을 얻고, 기설정 목표값 수렴성, 수렴 속도 및 수렴 안정성과 비교하는 수동 모드를 갖게 구성할 수 있다.

또한, 상기 PID 제어 분석부(114)는 모니터링 데이터의 모니터링 데이터를 분석하여 목표값 수렴성, 수렴 속도 및 수렴 안정성을 얻어 저장하여 두는 동작을 기설정 시간 동안 수행한 후, 이후 얻는 목표값 수렴성, 수렴 속도 및 수렴 안정성을 저장 값과 비교하는 자동 모드를 갖게 구성할 수 있다.

그리고, 상기 트랜드 분석부(111), 시간영역 분석부(112), 주파수영역 분석부(113) 및 PID 제어 분석부(114) 중에 모니터링 데이터에 따라 적어도 1개 이상을 가동하도록 상기 판정 모듈 셋팅부(21)로 설정할 수 있게 하였다.

그리고, 상기 이상 예측부(120)는 상기 데이터 분석부(110)의 분석 결과에 따라 이상 여부를 판정한다.

즉, 트랜드 분석부(111)를 가동한 경우, 시계열적 규칙성에서 벗어나면 이상 상태로 예측하여서, 트랜드를 따르지 아니할 시에 이상 상태로 판정한다.

시간영역 분석부(112)를 가동한 경우, 기설정 패턴의 발현 여부 또는 유사성에 따라 이상 상태로 예측하고, 주파수영역 분석부(113)를 가동한 경우, 기설정 주파수 성분의 발현 또는 발현한 성분의 크기에 따라 이상 상태로 예측하고, PID 제어 분석부(114)를 가동한 경우 목표값 수렴성, 수렴 속도 또는 수렴 안정성의 기설정 값과 차이에 따라 이상 상태로 예측한다. 즉, 기설정한 비교군과의 기설정 오차 이상으로 벗어날 시에 이상 상태로 판정한다. 물론, 이상 상태의 비교군과 비교한 경우에는 기설정 오차 이내로 유사한 경우 이상 상태로 판정한다.

도 6은 3차 상태 판정하는 데이터 예측분석/판정부(200)의 구성도이다.

상기 데이터 예측분석/판정부(200)는 모니터링 데이터의 미래 값을 예측하여 미래 이상 여부를 현재 판정한다. 즉, 현재까지의 모니터링 데이터의 추세에 따라 미래 값을 예측함으로써, 이상 상태로 진전되는 것을 미연에 방지하기 위해 상기 데이터 예측분석/판정부(200)를 구비한다.

본 발명의 실시 예에서는 딥러닝(deep learning) 인공신경망을 기반으로 상기 데이터 예측분석/판정부(200)을 구성하였다.

도 6에 도시한 바와 같이 상기 데이터 예측분석/판정부(200)는 딥러닝 모델(220), 시계열적인 모니터링 데이터(D_t)를 딥러닝 모델(220)의 입력 레이어에 맞춰 코딩하고, 값 크기를 정규화하는 인코더(210), 인코딩한 모니터링 데이터(D_t)의 입력에 따른 딥러닝 모델(220)의 출력 데이터(P'_t ₊ ₁)가 미래 모니터링 데이터(D_t ₊ ₁)가 되도록 학습시키는 역전파 알고리즘(Backpropagation algorithm. 250), 딥러닝 모델(220)의 출력 데이터(P'_t ₊ ₁)를 모니터링 데이터(D_t)의 형식으로 디코딩하여 미래 데이터(P_t+1)를 얻는 디코더(230) 및 미래 데이터(P_t+1)에 따라 이상 여부를 판정하는 이상 예측부(240)를 포함한다.

인코더(210)에 의해 인코딩하여 딥러닝 모델(220)에 입력되는 데이터는 현재 시점부터 기설정 과거 시간까지의 데이터이고, 상기 딥러닝 모델(220)은 신경망(221), LSTM 계층(222) 및 분류 계측(223)으로 구성되어서, 현재까지의 입력된 모니터링 데이터로부터 미래 모니터링 데이터 값을 예측할 수 있다.

상기 딥러닝 모델(220)의 구성요소들은 개별적으로는 공지의 구성요소들이지만, 각 계층의 배치에 따라 미래 값을 적절하게 예측할 수 있게 한 점에 본 발명의 의미가 있으므로, 그 의미 위주로 설명한다.

신경망(221)은 입력되는 데이터로서 특징적 요소를 추출하기 위한 것으로서 CNN, DNN, DBN, RNN 등 다양한 인공신경망 중에 어느 하나로 구성할 수 있다.

특징적 요소에 대해서 시계열적 데이터의 시간적 변화를 반영하여 출력하는 LSTM 계층(222) 및 LSTM 계층(222)의 출력 데이터로부터 미래 예측값을 출력하는 분류 계측(223)이 후속으로 이어지게 하였다.

LSTM 계층(222)은 LSTM(long short term memory) 회로망으로서, 신경망(221)에서 추출한 특징적 요소를 입력받아 시계열적 데이터의 시간적 변화를 반영한 데이터를 출력한다. 즉, 이전 데이터를 현재 데이터에 반영하여 시간적으로 연속하는 데이터를 처리하는 것으로서, 메모리 셀에 이전 정보를 저장하며 정보 양을 조절하는 메모리 셀을 갖추어서, 이전 데이터로부터 미래 데이터를 예측하는 데 유용하게 사용된다.

분류 계층(Classification Layer, 223)은 LSTM 계층(222)의 출력 데이터로서 미래 예측값을 출력하게 한 계층이며, fully conneced layer를 포함하게 구성할 수 있다.

이와 같이 구성한 딥러닝 모델(220)은 모니터링 데이터의 입력에 따른 모니터링 데이터의 미래 값을 출력하도록 역전파 알고리즘(Backpropagation algorithm)으로 학습함으로써, 미래 값을 예측할 수 있다.

그런데, 모니터링 데이터의 미래 값은 연관성 있는 데이터를 입력 정보로 하여 딥러닝 모델(220)을 학습하는 것이 미래 값의 예측 오차를 줄일 수 있으므로, 도면에는 도시하지 아니하였지만, 상기 스위치(61)로부터 연관성 있는 데이터를 전달받아 모니터링 데이터와 같이 인코딩하여 딥러닝 모델(220)에 입력되게 할 수 있게 하였다.

한편, 상기 데이터 예측분석/판정부(200)의 이상 예측부(240)는 모니터링 데이터의 미래 값에 따라 이상 여부를 판정하게 되므로, 상기 레벨 판정 모듈(62)과 동일하게 구성하였다. 다만, 레벨 판정 모듈(62)의 레벨 평가부(62a)와 동일한 구성을 상기 이상 예측부(240)에 구비되게 할 수 있고, 레벨 연계 평가부(62b)와 동일한 구성은 연관성 있는 데이터의 미래 값을 예측하게 한 다른 이상 예측 모듈(63)이 구비된 경우에만 상기 이상 예측부(240)에 구비되게 구성 가능하다.

도 7은 4차 상태 판정하는 연관분석/판정부(300)의 구성도이다.

상기 연관분석/판정부(300)는 모니터링 데이터(Di)를 모니터링 데이터(Di)와 연관성 있는 다른 종류의 데이터(Dj, Dk)와 연관성 분석하는 연관분석부(310), 및 연관성 분석 결과에 따라 이상 여부를 판정하는 이상 예측부(320)로 구성된다.

상기 연관분석부(310)는 모니터링 데이터(Di)와 연관 데이터(Dj, Dk)를 각각 기설정 주기로 추출하여 연관성 분석함으로써, 해당 주기의 패턴에 대한 연관성을 얻는다. 물론, 데이터 간에 시간 차를 두고 연관성을 갖게 되는 경우, 그에 맞춰 시간 지연한 주기의 데이터를 추출 및 연관 분석하여야 할 것이다.

간단한 예로서, 저장조 수위는 급수 유량과 유사한 패턴으로 변동하고, 배수 유량과는 반대의 패턴으로 변동하므로, 연관성 분석하여 그러한 변동이 나타나지 않는 경우 이상 상태로 판정할 수 있게 된다.

이와 같이 상기 이상 예측 모듈(63)은 데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)를 구비하여, 서로 다른 방식으로 다각적 이상 상태를 예측할 수 있으며, 이에, 수처리 시스템을 운용할 시에 발생할 수 있는 다양한 형태의 이상 상태를 예측할 수 있게 된다.

상기 레벨 판정 모듈(62) 및 이상 예측 모듈(63)에서 이상 상태로 판정한 결과는 시스템 제어부(20)의 판정 결과 처리부(22)에 전달되어 알람할 수 있게 한다.

아울러, 상기 레벨 판정 모듈(62)은 기준치, 현재 레벨, 기준치와 현재 레벨 차이, 연계 평가 대상 데이터 종류를 포함한 부가 정보를 판정 결과에 포함시켜 알람 내용에 표출되게 하는 것이 좋다.

또한, 상기 이상 예측 모듈(63)은 데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)에서의 데이터 분석 결과를 이상 여부 판정결과에 포함시켜, 알람으로 출력할 수 있게 한다.

구체적으로 설명하면, 데이터 분석/판정부(100)의 데이터 분석부(110)에서 데이터 분석한 결과로서, 트랜드에서 벗어난 정도, 시간영역의 패턴 차이, 주파수영역의 성분 차이, 목표값 수렴성, 수렴 속도 및 수렴 안정성 각각에 대해 정상 상태와의 차이 등을 판정 결과에 포함시킴으로써, 정상 상태에서 어느 정도 벗어난 지를 알람 정보로 확인할 수 있게 한다.

또한, 데이터 예측분석/판정부(200)의 데이터 분석 결과로서, 예측한 미래 값 크기, 기준치와 미래 값 사이의 차이, 등을 판정 결과에 포함시켜서, 알람 정보로 확인할 수 있게 한다.

또한, 연관분석/판정부(300)의 데이터 분석 결과로서, 정상 상태의 연관성과 이상 판정한 현 상태의 연관성을 상호 대조시켜 보여주는 정보를 판정 결과에 포함시켜서, 알람 정보를 확인하는 사용자가 이상 상태를 보다 알기 쉽게 할 수 있다.

이상에서 설명한 바와 같이, 데이터 레벨 판정 모듈(62) 및 이상 예측 모듈(63)이 가동되기 위해서는 데이터 분배하도록 스위치(61)를 셋팅하고, 데이터 레벨 판정 모듈(62) 및 이상 예측 모듈(63)을 모듈 수정부(64)로 셋팅해야 하며, 이러한 셋팅을 수행하는 상기 판정 모듈 셋팅부(21)에 대해서 도 8을 참조하며 설명한다.

도 8은 모니터링 데이터 선정 테이블(a) 및 이상 예측 모듈(63 : 100, 200, 300) 셋팅 테이블(b)이다.

상기 판정 모듈 셋팅부(21)는 도 8a에 도시한 모니터링 데이터 선정 테이블을 사용자 인터페이스부(30)로 출력하여서, 사용자에게 모니터링 데이터 셋팅 환경을 제공하고, 아울러, 도 8b에 도시한 이상 예측 모듈(63 ; 100, 200, 300) 셋팅 테이블을 사용자 인터페이스부(30)에 출력하여서, 사용자에게 예측 모델 구성 환경을 제공한다.

도 8a의 모니터링 데이터 선정 테이블을 참조하면, '식별자'에 의해 종류 구분된 데이터 리스트를 보여주고, 각각의 데이터에 대해 '선택' 항목에 마련된 버튼을 선택하여 모니터링 데이터로 선정한 후, 레벨 판정 모듈(62)의 설정치를 항목 별로 입력하게 하며, 이상 예측 모델(63)의 설정을 위한 '셋팅' 버튼도 마련되어 있다.

선정한 모니터링 데이터를 처리할 레벨 판정 모듈(62)에 대해서는 'HiHi', 'Hi','Lo', 및 'LoLo'로 구분한 단계적 기준치를 입력할 수 있고, 레벨 연계 평가부(62b)에서 연계 분석할 데이터를 '연계 데이터' 항목으로 선정할 수 있으며, 자체 알람, 사용자 단말(3) 통지, 중앙관리센터(2) 통지 등의 '알람 방식' 선택, '알람 문구'의 입력도 가능하게 하였다.

그리고, 레벨 판정 모듈(62)에 연계되어 모니터링 데이터를 처리할 이상 예측 모듈(63)에 대해 '셋팅' 버튼을 누르면, 도 8b의 이상 예측 모듈(63) 셋팅 테이블을 사용자 인터페이스부(30)에 출력하여 예측 모듈 구성 환경을 제공한다.

도 8b의 이상 예측 모듈(63) 셋팅 테이블을 참조하면, 데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)를 각각 셋팅하게 되어 있다.

데이터 분석/판정부(100)의 셋팅을 보면, 트랜드 분석부(111)를 위해서 '주기1', '주기2', '주기3' 및 '주기4'로 마련된 복수의 주기를 트랜드 분석의 주기로 입력하고, 각 주기에 대해 이상 판정의 기준이 되는 '허용오차'를 입력하게 하였다. 이에, 수처리 장소의 여건에 맞춰 복수 주기의 시계열적 규칙성을 분석하고 허용오차에 따라 이상 판정할 수 있게 한다.

또한, 시간 영역 분석부(112)를 위해서, 상기한 바와 같이 '자동' 및 '수동' 중에 어느 한 동작 모드를 선택하고, '주기'를 입력하여 패턴 분석할 데이터 길이를 셋팅하며, '수동' 모드에서는 비교군으로서 복수의 '패턴1' 및 '패턴2'의 데이터를 '업로드'하고 이상 판정 기준이 되는 '허용오차'을 입력하며, 패턴의 일례로서 '기울기' 및 그에 대한 '허용오차'도 입력할 항목을 두었다.

또한, 주파수 영역 분석부(113)를 위해서, 상기한 바와 같이 '자동' 및 '수동' 중에 어느 한 동작 모드를 선택하고, '주기'를 입력하여 주파수 분석할 데이터 길이를 셋팅하며, '수동' 모드에서의 비교군으로서 복수의 '대역1', '대역2', 및 '대역3'에 주파수 성분을 입력하고, 이상 판정의 기준치인 성분 '크기' 및 '허용오차'를 함께 입력하게 하였다.

또한, PID 제어 분석부(114)를 위해서, 상기한 바와 같이 '자동' 및 '수동' 중에 어느 한 동작 모드를 선택하고, '수동' 모드에서의 비교군으로서, '수렴성', '속도', 및 '안정성'의 평가 기준치와 각 평가 기준치에 따른 이상 판정의 기준인 '허용오차'를 입력하게 하였다.

데이터 예측분석/판정부(200)에 대해서는 '주기' 항목에 입력 데이터 길이를 기입하고, 신경망(221)의 각 레이어(layer) 노드(node) 개수, LSTM 계층(222) 노드 개수 및 분류 계층(223) 노드 개수를 기입하게 하였고, 미래 값 예측에 적용할 데이터도 '식별자1', 식별자2', '식별자3', '식별자4'로 추가할 수 있게 하였다. 그리고, '세부 셋팅' 메뉴를 두어서, 인공 신경망의 세부 설정도 가능하게 하였다. 예를 들어, 딥러닝 모델(220)을 구성하는 신경망(221), LSTM 계층(222) 및 분류 계층(223)의 내부 웨이트 값, 활성함수(예를 들어 시그모이드 함수) 등을 세부적으로 선정하고, 역전파 알고리즘(250)에 의한 학습 과정의 세부적인 선정, 인코더(210) 및 디코더(230)의 세부적인 선정도 가능하게 하였다.

연관분석/판정부(300)에 대해서는, 연관시켜 분석할 데이터 종류를 '식별자1', 실별자2', '식별자3', '식별자4' 등으로 복수 개 선택할 수 있게 하고, 각 데이터 종류별 상관 형태를 선택하게 할 '연관성' 및 이상 판정 기준이 되는 '허용오차'를 입력하게 하였다. 여기서 '연관성'은 예를 들어, 모니터링 데이터와 같은 패턴으로 변동하는 형태, 대칭적인 패턴으로 변동하는 형태, 적산한 값으로 변동하는 패턴, 속도 값으로 변동하는 패턴 등으로 다양하게 선정할 수 있게 함으로써, 모니터링 데이터와 다양한 방식으로 연관되는 데이터의 특성을 '연관성'으로 설정하게 할 수 있다.

상기 도 8에 예시한 테이블을 사용자가 작성하면, 상기 판정 모듈 셋팅부(21)는 모니터링 데이터 선정 테이블의 '선택' 항목, '연계 데이터' 항목, 이상 예측 모듈(63) 셋팅 테이블의 '식별자1', '식별자2', '식별자3', '식별자4' 항목으로 입력된 바에 따라, 데이터를 분배하도록 스위치(61)를 설정한다.

또한, 상기 판정 모듈 셋팅부(21)는 작성한 테이블을 상기 모듈 수정부(64)에 전달한다.

상기 모듈 수정부(64)는 테이블에 의해 셋팅된 레벨 판정 모듈(62) 및 이상 예측 모듈(63)이 기존에 없는 것이면, 테이블에 입력된 바에 따라 신설하여 이상 상태 판정부(60) 내에 추가하고, 기존에 있되 입력 사항이 변동된 것이면 기존 것을 수정한다.

한편, 트랜드 분석을 위해서 얻어야 할 시계열적 규칙성과, 시간영역 분석, 주파수영역 분석 및 PID 제어 분석의 자동 모드에서 얻어야 할 비교군은 정상적으로 운용되는 기간에 얻어야 한다. 이에, 판정모듈 셋팅부(22)에 의한 셋팅 과정이 수행된 시점부터 미리 설정된 시간 동안 시계열적 규칙성과 비교군을 얻는 것으로 할 수 있다. 즉, 일반적으로 점검하여 이상 없이 정상 운용될 시에 셋팅 과정을 수행하기 때문이다.

이상에서 본 발명의 기술적 사상을 예시하기 위해 구체적인 실시 예로 도시하고 설명하였으나, 본 발명은 상기와 같이 구체적인 실시 예와 동일한 구성 및 작용에만 국한되지 않고, 여러가지 변형이 본 발명의 범위를 벗어나지 않는 한도 내에서 실시될 수 있다. 따라서, 그와 같은 변형도 본 발명의 범위에 속하는 것으로 간주해야 하며, 본 발명의 범위는 후술하는 특허청구범위에 의해 결정되어야 한다.

1 : 수처리 시스템
1a : 센서(또는 계측기) 1b : 구동장치
2 : 중앙관리센터
3 : 사용자 단말
10 : 입출력단 11 : 확장 슬롯
12 : 확장 카드 13 : 시스템 버스
20 : 시스템 제어부 21 : 입출력단 설정부
22 : 판정모듈 셋팅부 23 : 판정결과 처리부
30 : 사용자 인터페이스부
40 : 저장부
50 : 출력부 51 : 네트워크 모듈
60 : 이상 상태 판정부
61 : 스위치 61 : 레벨 판정 모듈
63 : 이상 예측 모듈 64 : 모듈 수정부
100 : 데이터 분석/판정부
200 : 데이터 예측분석/판정부
300 : 연관분석/판정부

Claims

수처리 시스템(1)에 연결시킨 입출력단(10), 입력출단(10)을 통해 입력받는 수처리 시스템(1)의 센싱값에 따라 제어값을 결정하여 수처리 시스템(1)을 제어하는 시스템 제어부(20), 센싱값 또는 제어값으로 하는 모니터링 데이터에 따라 이상 상태를 판별하는 이상 상태 판정부(60), 제어 동작을 사용자에 의해 컨트롤할 수 있게 한 사용자 인터페이스부(30), 및 이상 상태를 알람하기 위한 출력부(50)를 포함하는 수처리 제어시스템에 있어서,
상기 이상 상태 판정부(60)는
모니터링 데이터를 기설정 기준치와 비교하여 이상 여부를 판정하는 레벨 판정 모듈(62); 및
모니터링 데이터를 시계열 분석하여 이상 여부를 판정하는 데이터 분석/판정부(100)와, 모니터링 데이터의 미래 값을 예측하여 미래 이상 여부를 판정하는 데이터 예측분석/판정부(200)와, 서로 다른 종류의 모니터링 데이터 간의 연관성을 분석하여 이상 여부를 판정하는 연관분석/판정부(300)를 구비한 이상 예측 모듈(63);
을 포함하여, 각 이상 여부의 판정결과에 따라 이상 상태를 구분하여 알람하게 하되,
상기 시스템 제어부(20)는
센싱값 또는 제어값으로 이루어진 데이터 중에 레벨 판정 모듈(62) 및 이상 예측 모듈(63)을 연계시켜 순차 처리할 모니터링 데이터로 선택하고, 레벨 판정 모듈(62)을 위한 기준치를 입력하게 할 모니터링 데이터 셋팅 환경과,
이상 예측 모듈(63)의 구성을 위한 셋팅값, 연관분석/판정부(300)로 연관 분석할 모니터링 데이터의 종류 및 데이터 분석/판정부(100)에서 이상 여부 판정의 기준이 될 비교군을 입력하게 할 예측 모듈 구성 환경
을 사용자 인터페이스부(30)로 제공하는 판정모듈 셋팅부(22);
를 구비하고,
상기 이상 상태 판정부(60)는
모니터링 데이터 셋팅 환경 및 예측 모듈 구성 환경에서 입력된 바에 따라 레벨 판정 모듈(62) 및 이상 예측 모델(63)을 신설 또는 수정하는 모듈 수정부(64); 및
시스템 제어부(20)로부터 넘겨받는 모니터링 데이터를 상기 모니터링 데이터 셋팅 환경 또는 상기 예측 모듈 구성 환경에서 입력된 바에 따라 복수의 레벨 판정 모듈(62) 또는 이상 예측 모듈(63)에 분배할 스위치(61);
를 구비하는
이상 예측 수처리 제어시스템.
제 1항에 있어서,
상기 이상 예측 모듈(63)은
데이터 분석/판정부(100), 데이터 예측분석/판정부(200) 및 연관분석/판정부(300)에서의 데이터 분석 결과를 이상 여부 판정결과에 포함시켜, 알람으로 출력할 수 있게 한
이상 예측 수처리 제어시스템.
제 1항에 있어서,
상기 데이터 분석/판정부(100)는
모니터링 데이터의 시계열적 규칙성에 따라 트랜드를 분석하는 트랜드 분석부(111), 시간영역에서 나타나는 모니터링 데이터의 패턴을 분석하는 시간영역 분석부(112), 주파수영역에서 나타나는 모니터링 데이터의 주파수 성분을 분석하는 주파수영역 분석부(113) 및 PID 제어에 따른 모니터링 데이터의 목표값 수렴성, 수렴 속도 또는 수렴 안정성을 분석하는 PID 제어 분석부(114) 중에 적어도 어느 하나를 포함하는 데이터 분석부(110);
상기 데이터 분석부(110)의 분석 결과에 따라 이상 여부를 판정하는 이상 예측부(320);
를 포함하는
이상 예측 수처리 제어시스템.
제 3항에 있어서,
상기 데이터 분석/판정부(100)의 이상 예측부(120)는
트랜드 분석 결과에 대해 트랜드를 따르지 아니할 시에 이상 상태로 판정하고, 시간영역 분석 결과, 주파수영역 분석 결과 및 PID 제어 분석 결과에 대해서 기설정 비교군과 기설정 오차 이상으로 벗어날 시에 이상 상태로 판정하는
이상 예측 수처리 제어시스템.
제 1항에 있어서,
상기 데이터 예측분석/판정부(200)는
딥러닝 모델(220)을 모니터링 데이터의 입력에 따라 모니터링 데이터의 미래 값을 출력하도록 역전파 알고리즘(Backpropagation algorithm)으로 학습시키며, 현재 모니터링 데이터의 입력에 따른 미래 값을 예측하고, 예측한 미래 값에 따라 이상 여부를 판정하는
이상 예측 수처리 제어시스템.
제 5항에 있어서,
상기 데이터 예측분석/판정부(200)는
상기 딥러닝 모델(220)로 모니터링 데이터의 미래 값을 예측하기 위해 다른 종류의 센싱값 또는 제어값으로 이루어진 데이터를 모니터링 데이터와 함께 상기 딥러닝 모델(220)에 입력되게 설정할 수 있게 한
이상 예측 수처리 제어시스템.
제 1항에 있어서,
상기 데이터 예측분석/판정부(200)는
모니터링 데이터의 미래값을 상기 레벨 판정 모듈(62)과 동일하게 구성한 이상 예측부(240)로 이상 여부를 판정하는
이상 예측 수처리 제어시스템.
제 1항에 있어서,
상기 입출력단(10)은
복수의 확장 슬롯(11)을 구비하여, 수처리 시스템(1)의 센서(1a) 또는 구동장치(1b)에 연결한 확장 카드(12)를 삽입 설치하며 추가할 수 있게 하고,
상기 시스템 제어부(20)는
센서 종류, 설치 위치 및 측정 범위를 확장 슬롯(11) 순번에 매칭시켜 입력하게 하고 확장 슬롯(11)을 통해 입력되는 데이터 종류를 식별자에 의해 구분되게 할 입출력단(10) 설정 환경을 사용자 인터페이스부(30)로 제공하는 입출력단 설정부(21);
를 구비하는
이상 예측 수처리 제어시스템.
삭제