KR102238678B1 - 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법 - Google Patents

지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법 Download PDF

Info

Publication number
KR102238678B1
KR102238678B1 KR1020200112993A KR20200112993A KR102238678B1 KR 102238678 B1 KR102238678 B1 KR 102238678B1 KR 1020200112993 A KR1020200112993 A KR 1020200112993A KR 20200112993 A KR20200112993 A KR 20200112993A KR 102238678 B1 KR102238678 B1 KR 102238678B1
Authority
KR
South Korea
Prior art keywords
building
acceleration
value
remote control
control panel
Prior art date
Application number
KR1020200112993A
Other languages
English (en)
Inventor
김중환
Original Assignee
주식회사 비앤비네트웍스
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 주식회사 비앤비네트웍스 filed Critical 주식회사 비앤비네트웍스
Priority to KR1020200112993A priority Critical patent/KR102238678B1/ko
Application granted granted Critical
Publication of KR102238678B1 publication Critical patent/KR102238678B1/ko

Links

Images

Classifications

    • 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
    • G06Q50/10—Services
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P7/00—Measuring speed by integrating acceleration
    • G01V1/008—
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
    • G01V1/01—Measuring or predicting earthquakes
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B15/00—Systems controlled by a computer
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y10/00—Economic sectors
    • G16Y10/80—Homes; Buildings
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y20/00—Information sensed or collected by the things
    • G16Y20/10—Information sensed or collected by the things relating to the environment, e.g. temperature; relating to location
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/10—Detection; Monitoring
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/30—Control
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
    • G16Y40/00—IoT characterised by the purpose of the information processing
    • G16Y40/50—Safety; Security of things, users, data or systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Educational Administration (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Biophysics (AREA)
  • Automation & Control Theory (AREA)
  • Remote Sensing (AREA)
  • Environmental & Geological Engineering (AREA)
  • Emergency Management (AREA)
  • Acoustics & Sound (AREA)
  • Geology (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geophysics (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

본 발명에서 개시하는 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반은, 빌딩의 진동에 의한 가속도를 측정하는 가속도 센서; 특정의 시간 주기 및 특정의 빈도수로 상기 가속도를 샘플링하고, 샘플링된 각 가속도값에 근거하여, 수정된 누적 절대 속도(CAVrs)를 계산하는 계산부; 상기 CAVrs의 계산값이 소정 기준값에 도달하면 진동 위험등급을 결정하는 위험등급 판정부;를 포함하는 지진 감지 장치와, 상기 빌딩의 소정 시설물을 운전하는 설비 제어 및 운전부; 상기 위험등급에 근거하여 상기 시설물의 동작을 제한하기 위하여 상기 설비 제어 및 운전부를 제어하는 종합 제어부;를 포함하는 설비 제어 장치를 포함한다. 특히, 본 발명은, 상기 CAVrs를 계산하는 수정된 CAV 산출식을 제공한다.

Description

지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법{INTELLIGENT BUILDING REMOTE CONTROL PANEL INCORPORATING EARTHQUAKE MONITORING DEVICE AND INTELLIGENT BUILDING AUTOMATIC CONTROL METHOD USING THE REMOTE CONTROL PANEL}
본 발명은 지진에 의한 진동을 감지하여 평가하기 위한 것으로서, 더욱 상세하게는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법에 관한 것이다.
지진으로 인한 피해는 인명 피해와 재산 피해를 들 수 있다. 특히, 도시화에 의해 건설된 빌딩이나 시설물의 설비들이 지진으로 인해 파손되면서 전기에 의한 사고 혹은 가스 누설, 열수 누수 등으로 인한 2차 피해가 발생할 수 있으며, 이는 지진 재난에 중요한 부분이라 할 수 있다.
이러한 지진으로 인한 2차 피해를 방지하기 위하여, 현재까지는, 빌딩의 설비들 주변에 3축(x, y, z축) 가속도 센서를 설치하고, 지진 발생시 측정되는 각 축의 가속도 값을 모니터링하고, 빌딩의 관리자가 경험적인 판단에 의해 빌딩 설비를 차단하거나 운전을 제어하도록 하고 있다.
또는, 설비 차단 기준치를 미리 설정해두고, 측정되는 가속도 값이 상기 기준치를 초과할 때 그에 상응하는 자동 제어를 수행하는 자동화 방법이 활용되고 있다.
하지만, 국내외의 많은 학술 연구 논문과 보고서에 따르면, 지진으로 인한 빌딩, 시설물 또는 설비의 피해는 최대 가속도 보다는 누적 절대 속도(CAV, Cumulative Absolute Velocity)와 관련성이 깊다고 밝혀져 있다.
한국 등록특허 제10-1185465호(2012.09.18. 등록)(명칭: 지진의 누적 절대 속도 추정 장치)를 참고하면, 지진을 감지하여 지진 측정값과 상기 지진 측정값 중 초당 최대 지진 측정값을 산출하는 지진계와, 상기 초당 최대 지진 측정값을 근거로 지진의 누적 절대 속도를 산출하는 지진감시서버를 포함한 지진의 누적 절대 속도 추정 장치가 개시되어 있다.
여기서는, 지진의 누적 절대속도를 다음과 같은 식을 이용하여 계산하고 있다.
Figure 112020093863926-pat00001
여기서, ath는 지진 측정값의 최소값인데, 측정값 또는 계산값이 ath보다 작으면 누적 절대 속도의 합산시 제외시키고 있다.
따라서, 측정값 또는 계산값이 ath의 근방인 값과 관련하여서, 누적 절대속도의 값이 계단형으로 나타날 수 있는 문제점이 있다.
하지만, 다양한 분야에서, 이러한 방식으로 계산되는 누적 절대 속도를 건축물 설비의 피해 지표로 삼고 있다. 하지만, 현재 사용되고 있는 누적 절대 속도의 산출식은, 주로 해외의 내진 설계가 충실히 적용된 주요 시설물을 고려하여 산출된 것이기 때문에, 기존의 산출식을 내진 설계의 충실도나 건축연도 등이 다른 국내의 다양한 상황에 적용하기에는 불합리한 점이 많다.
또한, 국내의 많은 건축물들은, 설비 제어 기능만을 하는 설비 제어 장치를 구비하고 있을 뿐인데, 이러한 설비 제어 장치에는 지진을 감지하고 그에 대응하여 설비들을 제어하는 기능이 제공되어 있지 않은 실정이다.
이에, 본 발명은 지진 감지 장치를 빌딩 자동 제어용 원격 제어반에 통합 설치함으로써, 원격 제어반 자체의 기본 기능인 빌딩의 설비들에 대한 자동 제어를 수행함과 동시에 국내에서 빈번하게 발생하는 중소규모 지진에서 예상되는 지진동을 고려하여 빌딩의 설비를 안전 제어할 수 있게 하고자 한다.
또한, 국내 실정에 맞는 수정 CAV를 산출할 수 있는 개선된 수학식을 제공하고자 한다.
또한, 인공지능 신경회로망을 통하여 수정 CAV를 참고한 지진 위험 등급 판정을 지능적으로 처리하게 하고, 그에 따른 설비를 지능적으로 차단 또는 제어할 수 있게 하고자 한다.
상술한 목적을 달성하기 위한 본 발명의 일 실시예에 따른 지진 감지 장치를 통합한 빌딩 제어용 인공지능형 원격 제어반은, 빌딩의 진동에 의한 가속도를 측정하는 가속도 센서; 특정의 시간 주기 및 특정의 빈도수로 상기 가속도를 샘플링하고, 샘플링된 각 가속도값에 근거하여, 수정된 누적 절대 속도(CAVrs)를 계산하는 계산부; 상기 CAVrs의 계산값이 소정 기준값에 도달하면 진동 위험등급을 결정하는 위험등급 판정부;를 포함하는 지진 감지 장치와, 상기 빌딩의 소정 시설물을 운전하는 설비 제어 및 운전부; 상기 위험등급에 근거하여 상기 시설물의 동작을 제한하기 위하여 상기 설비 제어 및 운전부를 제어하는 종합 제어부;를 포함한다.
이때, 상기 CAVrs는, 다음의 수식에 의해 계산될 수 있다.
Figure 112020093863926-pat00002
여기서, N은 상기 특정의 시간 주기 당 상기 특정의 빈도수를 나타내고, i는 샘플의 번호이고, ai(t)는 가속도의 순시값이고, x는 최대 가속도값(PGAi)에 임의의 상수가 곱해진 형태이고,
Figure 112020093863926-pat00003
로 정의되고, 여기서, D는 임의로 조정가능한 상수이다.
특히, 상기 x는,
Figure 112020093863926-pat00004
로 재정의되고, 따라서, 상기 W(x)는,
Figure 112020093863926-pat00005
로 재정의될 수 있다.
여기서, β는 임의로 조정가능한 상수이다.
추가로, 상기 계산부는, 상기 설비 제어 장치에 설치된 가속도 센서로부터 또는 상기 빌딩의 외부에 설치된 IoT 가속도 센서로부터 또는 국가 재난망이나 스마트 시티 방재 인프라에서 제공하는 빅데이터로부터, 상기 가속도 값 또는 상기 진동과 관련된 측정값을 획득하여 상기 CAV의 계산에 활용할 수 있다.
또한, 상기 계산부는, 인공지능 딥러닝 신경회로망을 포함하고, 상기 인공지능 딥러닝 신경회로망의 자율 학습에 근거하여, 상기 D 및 상기 β 중 적어도 하나를 자동으로 조정할 수 있다.
또한, 상기 인공지능 딥러닝 신경회로망은, 상기 빌딩의 내구성 및 내진설계에 대한 충실도, 내진 등급, 연령, 건축 재료와 같은 정보를 국가 재난망 또는 스마트 시티 방재 인프라로부터 획득하고, 획득한 정보를 입력 변수로 하여 상기 자율 학습을 실행할 수 있다.
또한, 상기 CAVrs의 계산값 및 상기 위험등급은, 상기 원격 제어반의 관리자에 의하여 수동으로만 리셋될 수 있다.
본 발명의 또 하나의 실시예에 따른 빌딩 자동 제어 방법은, 빌딩의 진동을 측정하여 위험등급을 결정하는 지진 감지 장치 및 상기 위험등급에 근거하여 상기 빌딩의 시설물의 동작을 제어하는 설비 제어 장치를 포함하는 인공지능형 원격 제어반에 의해 수행될 수 있는데, 상기 방법은, 빌딩의 진동에 의한 가속도를 측정하는 가속도 측정 단계; 특정의 시간 주기 및 특정의 빈도수로 상기 가속도를 샘플링하고, 샘플링된 각 가속도값에 근거하여, 수정된 누적 절대 속도(CAVrs)를 계산하는 계산 단계; 상기 CAVrs의 계산값이 소정 기준값에 도달하면 진동 위험등급을 결정하는 위험등급 판정 단계; 상기 위험등급에 근거하여 상기 시설물의 동작을 제한하는 종합 제어 단계;를 포함할 수 있다.
이때, 상기 CAVrs는, 다음의 수식에 의해 계산될 수 있다.
Figure 112020093863926-pat00006
여기서, N은 상기 빈도수, ai(t)는 상기 빈도수의 임의의 한 구간에서 측정되는 가속도의 순시값이고, x는 상기 구간에서의 최대 가속도값(PGAi)에 임의의 상수가 곱해진 형태이고,
Figure 112020093863926-pat00007
로 정의되고, 여기서, D는 임의로 조정가능한 상수이다.
추가로, 상기 x는,
Figure 112020093863926-pat00008
로 재정의되고, 따라서, 상기 W(x)는,
Figure 112020093863926-pat00009
로 재정의될 수 있다.
여기서, β는 임의로 조정가능한 상수이다.
추가로, 상기 계산 단계는, 인공지능 딥러닝 신경회로망의 자율학습에 근거하여, 상기 D 및 상기 β 중 적어도 하나를 자동으로 조정할 수 있다.
또한, 상기 CAVrs의 계산값은 상기 원격 제어반의 관리자에 의하여 수동으로만 리셋되도록 구성되고, 상기 제어 방법은: 상기 빌딩에서 진동이 발생한 이후에, 상기 관리에 의해 상기 CAVrs의 계산값 및 상기 빌딩의 진동 위험등급이 리셋되는 단계를 더 포함할 수 있다.
상기한 바와 같은 구성을 포함하는 본 발명에 의하면, 지진 감지 장치를 빌딩 자동 제어용 원격 제어반에 통합 설치함으로써, 원격 제어반 자체의 기본 기능인 빌딩의 설비들에 대한 자동 제어를 수행함과 동시에 국내에서 빈번하게 발생하는 중소규모 지진에서 예상되는 지진동을 고려하여 빌딩의 설비를 효율적으로 운전 차단 및 제어할 수 있게 한다.
또한, 수정 CAV를 산출할 수 있는 개선된 수학식을 제공함으로써, 국내 실정에 맞는 정확한 계산값을 얻을 수 있게 된다.
또한, 인공지능 신경회로망을 통하여 수정 CAV를 참고한 지진 위험 등급 판정을 지능적으로 처리하게 되고, 그에 따라 설비를 지능적으로 차단 또는 제어할 수 있으므로, 정확하고 효율적인 제어가 가능하며, 인력 절감의 효과도 가져올 수 있다.
또한, 본 발명에 따르면 국내 건축물 또는 시설물 각자의 특성에 따라 지진에 의한 영향을 보다 효과적으로 방재할 수 있으며, 이러한 지진 감지 장치를 기존의 원격 제어반에 일체화함으로써 시스템의 설치 경비를 절감할 뿐만 아니라 시스템의 유지 보수도 효과적으로 할 수 있게 된다.
도 1은 본 발명에 따른 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반의 전체적인 구성을 개략적으로 도시한 블록도이다.
도 2는 본 발명에서 제안하는 수정된 CAV에 있어서, 파라미터 β를 변화시키는 경우의 W(x)의 변화를 보여주는 그래프이다.
도 3은 본 발명에서 제안하는 수정된 CAV에 있어서, 파라미터 D를 변화시키는 경우의 W(x)의 변화를 보여주는 그래프이다.
도 4는 예시로서, 측정되는 가속도 값의 순시값 및 문턱값을 보여주는 그래프이다.
도 5는 도 4의 파형을 이용하여 산출된, 종래의 CAV 산출식에 의한 표준 CAV와 본 발명의 수정된 CAV 산출식에 의한 수정된 CAV의 형태를 보여주는 그래프이다.
도 6은 수정된 CAV를 산출하고 그에 따라 위험 등급을 결정하는 인공지능 신경회로망의 일례를 도시한 도면이다.
이하, 첨부된 도면을 참조하여 본 발명에 따른 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법의 바람직한 실시예를 설명한다. 참고로, 본 발명의 각 구성 요소를 지칭하는 용어들은 그 기능을 고려하여 예시적으로 명명된 것이므로, 용어 자체에 의하여 본 발명의 기술 내용을 예측하고 한정하여 이해해서는 안될 것이다.
더욱, 이하에서 설명될 본 발명의 다양한 실시예들은 본 발명의 기술 사상을 예시적으로 보여주기 위한 것일 뿐이므로, 본 발명의 보호 범위는 첨부된 청구범위에 의하여 해석되어야 할 것이다. 또한, 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자라면 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 다양한 수정 및 변형을 설계할 수 있을 것이므로, 본 발명의 권리범위는 본 발명과 균등한 범위 내에 있는 모든 기술 사상을 포괄하는 것으로 해석되어야 할 것이다.
개괄적으로, 본 발명에서는 기존의 표준 누적 절대 속도(CAVstd)를 개선한 수정된 누적 절대 속도(CAVrs)를 제시한다. 수정된 CAV는, 국내의 현존하는 건물들의 내진설계 충실도 및 건축연한 등을 반영할 수 있도록 설계된 것으로서, 국내의 지진 발생시 빌딩의 2차 재해를 최소화할 수 있는 지표로서 활용될 수 있다.
도 1은, 본 발명에 따른 지진 감지 장치를 통합한 인공지능형 원격 제어반(100)의 전체적인 구성 및 동작을 설명하기 위한 도면이다.
원격 제어반(100)은, 빌딩의 각종 설비를 제어하기 위한 것으로서, 대부분의 빌딩에 설치되어 있다. 원격 제어반(100)은 예를 들면, 빌딩 내 냉난방, 급탕, 공기조화, 펌프, 조명, 전력, 가스 공급 등의 동작을 감시하고 자동 제어하기 위한 것이다.
원격 제어반(100)은 원격의 중앙 관제 시스템과 연결될 수 있다. 중앙 관제 시스템은, 원격 제어반(100)을 통해 입출력되는 정보를 통합 관리하고 원격의 관리자를 위해 표출한다.
한편, 원격 제어반(100)은, 빌딩 자동 제어 시스템으로 지칭될 수 있으며, 중앙 관제 시스템을 통합하여 지칭될 수도 있다.
이러한 원격 제어반(100)은, 설비를 제어하기 위한 구성으로서의 설비 제어 장치(160)와, 지진동에 의한 건물 및 각종 설비의 피해를 예측하기 위한 지진 감지 장치(150)를 구비할 수 있다.
설비 제어 장치(160)는, 설비 제어 및 운전부(162)와 종합 제어부(164)를 구비한다.
설비 제어 및 운전부(162)는 각종 설비 및 시설물에 유선 또는 무선으로 연결될 수 있으며, 해당 설비 및 시설물의 운전 상태를 나타내는 정보를 입력받을 수 있으며, 해당 설비 및 시설물의 운전을 제어할 수 있다.
종합 제어부(164)는, 설비 제어 및 운전부(162)에서 제공하는 정보를 바탕으로 해당 설비 및 시설물의 동작 상태를 판단하고, 건물 내의 환경 상태를 개선하기 위하여 해당 설비 및 시설물의 동작을 제어하기 위한 정보를 생성하여 출력할 수 있다. 특히, 자체 생성한 또는 외부(예를 들면, 지진 감지 장치)로부터 입력되는 위험등급에 근거하여 상기 설비 및 시설물의 동작을 제한시키는 제어를 수행할 수 있다.
지진 감지 장치(150)는, 가속도 센서(152), CAV 계산부(154), 위험등급 판정부(156)를 구비할 수 있다.
가속도 센서(152)는, 다양한 방식으로 구현될 수 있는데, 예를 들면, MEMS 타입 3축(x, y, z축) 가속도 센서일 수 있다. 또한, 가속도 센서(152)는, 유선 또는 무선 통신으로 가속도 값을 전송하는 IoT 가속도 센서일 수도 있다. 또는, 네트워크를 통해 배포되는 재난 정보를 통해서 가속도 값을 획득할 수도 있다. 측정된(또는, 획득된) 가속도 값은, CAV 계산부로 전송된다.
추가로, 가속도 센서(152)와 CAV 계산부(154)의 사이에는, 검출된 가속도의 순시값을 획득하고, 이를 증폭한 후 1차로 아날로그 저역 통과 필터로 필터링하는 아날로그 저역 통과 필터, 필터링된 신호를 A/D 변환하는 A/D 변환 회로, 변환된 신호에서 낮은 주파수 성분을 필터링하여 지진동만을 검출하는 필터링 회로, 일정한 주기마다 반복되는 시간 구간 동안의 검출된 지진동의 최대 가속도값을 저장하는 저장 수단이 더 포함될 수 있다.
또한, 본 발명의 지진 감지 장치(150)는, 가속도 센서(152)의 각 축의 영점을 자동으로 조정할 수 있는 영점 조정 회로와, 지진 감지 장치 자체 또는 가속도 센서(152)에 임의 또는 주기적으로 테스트 신호를 보내고 응답을 살펴 자체의 감지 기능의 동작 상태를 판단하는 고장 진단 회로를 더 포함할 수도 있다.
CAV 계산부(154)는, 소정 시간 구간 동안의 최대 가속도 값과 상기 시간 구간 동안 소정의 주파수로 샘플링된 가속도의 순시값을 이용하여, 수정된 산출식을 통해, 수정된 CAV값을 계산한다.
위험등급 판정부(156)는, 산출된 수정된 CAV의 값에 근거하여, 해당 건물에 작용한 지진동에 의한 위험 등급을 결정한다. 위험등급 판정부(156)는, 결정된 위험 등급을 설비 제어 장치(160)의 종합 제어부(164)로 전송하여, 관련된 시설물의 제어에 활용될 수 있게 한다.
한편, 한번 위험등급 판정부(156)에서 지진에 의한 위험등급을 판정하여 경보를 출력하거나 설비의 운전을 제어하게 되면, 지진의 진동이 완전히 지나간 후 지진 상태가 해제되어도, 설비의 동작은 자동으로 복구되지 않도록 설정될 수 있다. 설비의 복구는 각 설비의 관리자 또는 원격 제어반(100)의 관리자에 의해 수동으로 복구되도록 구현될 수 있다.
또한, 지진 감지 장치(150)에 있어서도, 위험등급 판정부(156)는, 위험등급을 판정한 상태를 유지할 수 있으며, 지진동이 완전히 지나간 후에도 최초 상태로 자동으로 복원되지 않도록 설정될 수 있다. 즉, 지진 감지 장치(150)의 원상 복구는 장치의 관리자에 의해 수동으로 이루어지도록 하는 것이 바람직하다.
또한, 본 발명의 설비 제어 장치(160) 또는 지진 감지 장치(150)는, 인공지능 신경 회로망(157)을 통합하거나, 외부의 인공지능 신경 회로망에 네트워크를 통해 연결될 수 있다.
한편, 지진 감지 장치(150)는, 상술한 바와 같이, 자체 내에 설치된 3축 가속도 센서 이외에도, 빌딩 자동 제어 시스템과는 별도로 또는 빌딩 자체의 외부에 설치되어 IoT 등 각종 통신 수단을 통하여 연결되는 IoT 가속도 측정 장치로부터, 또는 국가가 추진중인 스마트시티의 국가재난망 또는 스마트시티 방재 인프라를 이용한 빅데이터와 연계하여 지진 데이터를 획득할 수 있다.
또한, 본 발명에 따른 지진 감지 장치(150)를 포함한 원격 제어반(100)에서 얻어지고 생성된 각종 데이터는 스마트시티의 방재 데이터 연계 시스템에 제공되어 공유될 수 있다.
다음으로, 상술한 바와 같은 구성의 본 발명에 따른 원격 제어반 또는 빌딩 자동 제어 시스템에서, 특히 지진 감지 장치(150)에서, 수정된 CAV 산출식을 이용하여 수정된 CAV를 산출하고, 산출된 수정된 CAV에 근거하여 빌딩 내 설비를 제어하는 방법을 설명한다.
지진으로 인한 빌딩, 시설물 또는 설비의 피해 정도는 순간적으로 발생하는 가속도 자체보다는, 누적 절대 속도(CAV, Cumulative Absolute Velocity)와 관련성이 깊다. 이에 대해서, 미국 전력 연구소는 CAV를 다음의 식(1)과 같이 정의했다.
Figure 112020093863926-pat00010
... 식 (1)
이렇게 구현된 식 (1)을 원자력 발전소의 전력 공급 차단 기준으로 활용하게 되면, 피해가 없는 정도의 약한 진동에도 CAV의 값이 높게 나타나서 원전 가동이 불필요하게 정지되는 경우가 발생할 수 있다는 문제점이 있다. 이러한 문제점을 방지하기 위하여, 최대 가속도의 문턱값을 0.025g로 설정하고 누적 구간도 수정한, 표준형 누적 절대 속도(CAVstd)가 식 (2)와 같이 제안되었다. 이러한 표준형 누적 절대 속도는, 현재의 국내외 원자력 발전소의 지진 발생시 운전 정지 여부를 결정하는 기준으로써 활용되고 있으며, 최근에는 일반 산업 시설물에도 확대되어 적용되고 있다. 여기서, g=9.81[m/sec2]로 정의된다.
Figure 112020093863926-pat00011
...식 (2)
상기의 식 (2)에서 N은 1초의 시간 주기 동안의 샘플링의 개수이고, ai(t)는 측정되는 가속도의 순시값이고, PGAi는 i번째 주기 내의 최대 가속도값이다. 한편, H(x)는 Heaviside step 함수로서, 아래의 식 (3)으로 정의된다.
Figure 112020093863926-pat00012
... 식 (3)
그런데 상기 식 (2)와 같은 기존의 산출식은 Heaviside step 함수를 사용하여 계산함에 따라, 스텝 함수의 불연속 특성을 나타낸다. 따라서, 최대 가속도의 경계값을 0.025g로 설정해둔다면, 0.025g 값의 근방에서 급격한 계산 결과의 차이를 보인다.
즉, 상기 식 (2)에 의해서는, 최대 가속도가 각 계산 주기 내에서 0.025g를 초과하는 경우에만 적분값이 유효하게 되어, 누적 절대 속도 계산 값을 형성한다. 최대 가속도가 0.025g 미만일 경우에는, 누적 절대 속도는 절대 순시값의 적분값의 크기와는 무관하게 계산 결과는 무효가 된다.
예를 들어, 식 (2)를 계산함에 있어서, 최대 가속도가 0.0251g인 경우와 0.0249g인 경우를 검토하면, 가속도 값의 차이는 아주 근소하지만, 스텝 함수의 불연속 특성으로 인하여, 0.0251g인 경우는 적분 계산 결과에 포함되지만, 0.0249g인 경우는 식 (2)의 스텝 함수 값이 0이 되어 절대 순시값 가속도의 적분 계산 값이 무시되게 된다.
따라서, 0.025g에 근사한 가속도 값이 빌딩이나 설비의 상태에 따라 피해를 유발할 수 있음에도 불구하고, 0.0251g인 경우는 결과값을 가져서 위험등급 판정에 반영되지만, 0.0249g인 경우는 계산값이 0이 되어 지진 위험등급 판정에 반영되지 않게 된다는 문제점이 있다.
참고로, 식 (2)에 따른 누적 절대 속도의 계산 결과가 0.16[g·sec]이면 국내뿐만 아니라 외국의 원자력 전력 차단 기준에 해당된다.
하지만, 일반 건축물 내의 설비들은 빌딩의 재료와 구조적 특성 등에 따라, 지진동에 의한 피해 정도가 원전 구조물과는 차이가 있을 수 있으며, 국내의 일반 빌딩의 내진 특성 정도가 모두 다르다는 점을 고려하면, 경계값보다 작은 진동일지라도 경우에 따라서는 큰 재해를 초래할 수도 있으므로, 위험 등급 판정시 경계값 근방의 값도 적절히 고려함이 합리적이다. 또한, 상기 경계값인 0.025g는 국내에서 빈번하게 발생하는 중소규모 지진에서 예상되는 지진동 수준보다 다소 높은 값이기 때문에, 그보다 낮은 최대 가속도 값의 진동이 자주 발생하게 되더라도 그러한 진동으로는 CAV 값 자체가 계산되지 않을 수 있다.
이에 따라, 건축물 현장의 상황에 보다 융통성 있게 적용가능한, 즉, 빌딩의 특성상 임의의 문턱값(threshold)보다 작은 경우에도 그 반영 정도를 연속적으로 조절할 수 있는, 수정된 CAV 산출식이 필요하며, 본 발명에서 그러한 목적에 부합하는 계산식을 식 (4)로 제시하였다. 한편, 본 발명에서는, 수정된 CAV를 아날로그 연속 계통인 산술식으로 표현하였으나, 샘플링한 디지털 이산치(discrete) 산술식 표현도 상호 호환성 있게 적용 가능하다.
Figure 112020093863926-pat00013
... 식 (4)
상기 식(4)에서 N은 1초의 시간 주기 동안의 샘플링 개수이고, i는 샘플의 번호이고, ai(t)는 가속도의 순시값(instantaneous value) 이다. 그리고 상기 x는,
Figure 112020093863926-pat00014
로 정의될 수 있는데, 이 경우, W(x)는 다음과 같이 재정의 될 수 있다. 여기서, PGAi는 i번째 주기 내의 최대 가속도 측정값이다.
Figure 112020093863926-pat00015
... 식 (5)
식 (4)와 식 (5)는, 식 (2)의 스텝 함수가 갖는 불연속 특성을 개선하기 위하여 제시된 함수이다. 이러한 식 (4)에 의해 산출되는 수정된 누적 절대 속도(CAVrs)는, 경계값 전후의 값을 1 또는 0을 곱하여 CAV 계산에 반영하거나 반영하지 않는 이원적 처리를 수행하는 것이 아니라, 경계값 근방의 값에도 가중치를 반영하여 CAV 계산에 반영함으로써, 미약한 진동이라도 CAV에 반영될 수 있게 함으로써, 건물에 누적되는 지진동에 의한 피로 정도를 효율적으로 반영될 수 있게 하였다.
도 2는, 식 (5)의 β값을 변화시키는 경우의 W(x)의 값의 변화를 그래프로 보여주는 도면이다. β의 값이 각각 0.5, 1, 10인 경우의 그래프가 도시되어 있다. β의 값이 1인 경우는 가운데의 곡선과 같이 둥근 형태로 나타나고, β값이 1 이하로 작아짐에 따라 경사가 완만해지고, β값이 커짐에 따라 경사가 급한 계단 형태가 되는 것을 볼 수 있다. 만일 β의 값이 매우 큰 값이 되면, 이미 알고 있는 H(x)와 같은 계산 함수가 만들어질 것이다.
도 3은, 식 (5)의 D의 값을 변화시키는 경우의 W(x)의 값의 변화를 그래프로 보여주는 도면이다. D의 값이 각각 1, 1.5, 2인 경우의 그래프가 도시되어 있다. D의 값이 1인 경우에는 초기 W(x) 값이 0에서 출발하고, D값이 커짐에 따라 경사가 완만해지면서 그래프의 출발점이 높아짐을 볼 수 있다. 만일 D의 값이 매우 큰 값이 되면, W(x)=1이 될 것이다. 이처럼 D값에 따라 초기 출발값이 달라진다.
이러한 관계에 근거하여, 식 (5)의 β와 D는 각각, β>0, D≥1로 설정되는 것이 바람직하다.
일례로서, 식 (5)에서 D=1이고 PGAi=0이면 W(x)=0이 되고, β와 PGAi가 커질수록 W(x)가 1에 가깝게 되므로, D와 β값을 조정함으로써, 경계값 이하의 지진동이 CAV에 반영되는 정도를 임의로 설정할 수 있다.
이는 건축물의 재료 및 구조에 따라 조정할 수 있는 융통성을 부여하는 것이며, 식 (2)에서와 같은 불연속 특성에 따른 급격한 차이를 배제하고, 연속적인 값을 사용하여 CAV값을 원하는 만큼 조정가능하게 한다. 이에 따라, 함수 W(x)의 값이 순시 가속도값의 절대값의 적분 연산 결과에 곱해진 후 누적됨으로써, 수정 CAV 값(CAVrs)이 산출된다.
설비 제어 장치 또는 본 발명의 원격 제어반의 관리자는, 건물의 내진 등급, 연령 및 건축 재료, 건물 또는 주변의 지반 상황 등을 고려하여, β와 D의 값을 적절이 조정하여 결정할 수 있으며, 또한, CAVrs에 대응하는 위험 등급의 각 경계값을 결정할 수 있다.
한편, 식 (5)를 x축으로 이동하면 식 (2)의 표준 산출식과 같은 형태로 만들 수 있다. 즉, 식 (2)와 같은 문턱값을 설정할 수도 있다. 물론, 이 경우에는, x를 문턱값보다 크게 설계해야 한다.
도 4는, 예시를 제공하기 위한 것으로서, 측정되는 가속도 값의 순시값 및 문턱값을 보여준다. 도 5는 도 4의 순시 가속도값과 문턱값에 따라 계산될 수 있는 다양한 누적 절대 속도를 예시로서 보여준다.
도 4에서, 문턱값 0.025g를 초과하는 가속도 값은, 1~2초 구간, 3~4초 구간, 및 4~5초 구간에서 나타났다.
이때, 표준 누적 절대 속도(CAVstd)는, 도 5의 점선으로 도시된 바와 같이, 1~2초 구간, 3~4초 구간, 및 4~5초 구간에서 H(x)가 1이 되므로, CAV값이 누적되는 것을 보여준다.
한편, 본 발명에 따른 수정된 누적 절대 속도(CAVrs)에 의하면, 모든 시간 구간의 진동 값이 W(x)에 의해 가중되어 누적되므로, 도 5의 실선으로 도시된 바와 같이, 모든 구간에서 CAV값이 누적되어 증가하는 것을 볼 수 있다. 이렇게 나타나는 CAVrs의 값이 미리 설정된 기준값을 초과할 때, 위험 등급을 판정하여 대응하는 안전 제어를 수행할 수 있게 되는 것이다. 미약한 진동이라도 건축물에 잠재적으로 누적됨으로써 잠재적인 피로를 유발할 수 있는 것인데, 본 발명에서 제안하는 CAVrs는, 이러한 누적된 피로도가 위험등급의 판정에 반영될 수 있게 한다.
예를 들어, 누적 절대 속도가 원전 차단 기준인 0.16[g·sec] 미만이면 별다른 설비 차단 조치를 수행하지 않을 수 있고, 0.16 이상 0.8[g·sec] 미만인 경우에는 단지 경보만을 행하도록 할 수 있고, 건축 구조물 내진 설계 기준인 0.8 이상 1.2[g·sec]까지는 비상 전력을 제외한 가스, 보일러, 각종 밸브류 등을 즉시 차단하도록 조치할 수 있고, 1.2[g·sec] 이상인 경우에는 비상 전력까지도 포함하는 모든 설비를 차단하도록 위험 등급을 설정하여 제어할 수 있다.
이와 같이 지진 발생시 2차 피해를 최소화하기 위하여 지진 위험 등급 판정 기준을 설정하고, 해당하는 등급에 맞추어 빌딩 내 설비를 제어한다.
특히, 도시 속 안전한 삶의 질 향상을 위해 추진중인 스마트 시티의 경우에도 국가 재난망과 스마트 시티 방재 인프라를 이용한 데이터 연계로, 빌딩의 설비 제어를 최대한 스마트화하는 방안이 논의되고 있다. 이를 위하여 상술한 바와 같은 본 발명에 따른 시스템(특히, 지진 감지 장치의 CAV 계산부 내)에 인공지능 신경회로망을 포함시키거나 상기 원격 제어반에 인공지능 신경회로망을 네트워크를 통해 결합시킴으로써, 상기 수정된 CAV를, 특히, β와 D를 지능적으로 조정하는 구현이 가능하다.
도 6은 본 발명에 따른 수정된 누적 절대 속도를 산출할 수 있는, 또한, 수정된 CAV 산출식의 각 파라미터들을 능동적으로 조정할 수 있는 딥러닝 신경회로망을 도시한다. 입력 1은 최대 가속도(PGAi)를 입력받을 수 있고, 입력 2는 순시값 가속도(ai(t))를 입력받을 수 있고, 입력 3은 빌딩의 내진 설계의 충실도와 관련된 데이터(예를 들어, 건물의 내진 등급, 연령 및 건축 재료, 건물 또는 주변의 지반 상황 등)를 빅데이터를 활용하여 입력받을 수 있다.
입력된 정보들에 기초하여, 신경회로망의 자율적인 학습을 통하여, 해당 빌딩의 지진에 대한 위험 등급이 자동으로 결정될 수 있다.
이러한 구성의 본 발명에 따른 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법에 의하면, 지진에 의한 빌딩 내 설비의 제어를 위하여 지진이 건축물에 미치는 영향을 확장적으로 고려한 수정된 누적 절대 속도를 산출하고, 산출된 수정된 누적 절대 속도에 근거하여 진동에 의한 위험 등급을 결정한다.
이러한 수정된 누적 절대 속도에 의하면, 종래의 표준형 누적 절대 속도에 의한 계산식이 갖는 불연속 특성에 의해 무시되던 계산값을, 건축물과 시설물의 특성에 따라 조정하여 CAV 산출에 반영할 수 있게 된다. 따라서, 국내 일반 빌딩의 내진 특성의 정도를 감안하여, 낮은 진동에 의한 누적된 피로를 검토할 수 있게 되므로, 재해에 대한 예방을 극대화할 수 있다.
또한, 지진이 발생하였을 경우 광범위하고 다양한 방식으로 설비들을 제어할 수 있도록, 기존의 원격 제어반에 본 발명을 구현하는 지진 감지 장치를 통합함으로써, 스마트 지능형 지진 감지 기능이 통합된 빌딩 자동 제어용 인공지능형 원격 제어반을 구현함으로써, 전체 시스템의 설치 경비, 유지, 관리, 보수 측면에서 상당한 장점이 있다.
특히, 국가가 도시 속 안전한 삶의 질 향상을 위해 추진중인 스마트시티의 경우에도 국가 재난망과 스마트 시티 방재 인프라를 이용한 재난 데이터 연계 및 공유로 빌딩의 설비 제어를 최대한 스마트하게 할 수 있는 효과를 기대할 수 있다.

Claims (10)

  1. 빌딩의 진동에 의한 가속도를 측정하는 가속도 센서;
    특정의 시간 주기 및 특정의 빈도수로 상기 가속도를 샘플링하고, 샘플링된 각 가속도값에 근거하여, 수정된 누적 절대 속도(CAVrs)를 계산하는 계산부;
    상기 CAVrs의 계산값이 소정 기준값에 도달하면 진동 위험등급을 결정하는 위험등급 판정부;를 포함하는 지진 감지 장치와,

    상기 빌딩의 소정 시설물을 운전하는 설비 제어 및 운전부;
    상기 위험등급에 근거하여 상기 시설물의 동작을 제한하기 위하여 상기 설비 제어 및 운전부를 제어하는 종합 제어부;를 포함하는 설비 제어 장치를 포함하는, 빌딩 자동 제어용 인공지능형 원격 제어반으로서,

    상기 CAVrs는, 다음의 수식에 의해 계산되는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.

    Figure 112020093863926-pat00016

    여기서, N은 상기 특정의 시간 주기 당 상기 특정의 빈도수를 나타내고, i는 샘플의 번호이고, ai(t)는 가속도의 순시값이고, x는 최대 가속도값(PGAi)에 임의의 상수가 곱해진 형태이고,
    Figure 112020093863926-pat00017
    로 정의되고, 여기서, D는 임의로 조정가능한 상수임.
  2. 제1항에 있어서,
    상기 x는,
    Figure 112020093863926-pat00018
    로 재정의되고,
    따라서, 상기 W(x)는,
    Figure 112020093863926-pat00019
    로 재정의되는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.
    여기서, β는 임의로 조정가능한 상수임.
  3. 제1항 또는 제2항에 있어서,
    상기 계산부는,
    상기 설비 제어 장치에 설치된 가속도 센서로부터 또는 상기 빌딩의 외부에 설치된 IoT 가속도 센서로부터 또는 국가 재난망이나 스마트 시티 방재 인프라에서 제공하는 빅데이터로부터, 상기 가속도 값 또는 상기 진동과 관련된 측정값을 획득하여 상기 CAV의 계산에 활용하는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.
  4. 제2항에 있어서,
    상기 계산부는, 인공지능 딥러닝 신경회로망을 포함하고,
    상기 인공지능 딥러닝 신경회로망의 자율 학습에 근거하여, 상기 D 및 상기 β 중 적어도 하나를 자동으로 조정하는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.
  5. 제4항에 있어서,
    상기 인공지능 딥러닝 신경회로망은,
    상기 빌딩의 내구성 및 내진설계에 대한 충실도, 내진 등급, 연령, 건축 재료와 같은 정보를 국가 재난망 또는 스마트 시티 방재 인프라로부터 획득하고, 획득한 정보를 입력 변수로 하여 상기 자율 학습을 실행하는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.
  6. 제1항에 있어서,
    상기 CAVrs의 계산값 및 상기 위험등급은, 상기 원격 제어반의 관리자에 의하여 수동으로만 리셋되는 것을 특징으로 하는, 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반.
  7. 빌딩의 진동을 측정하여 위험등급을 결정하는 지진 감지 장치 및 상기 위험등급에 근거하여 상기 빌딩의 시설물의 동작을 제어하는 설비 제어 장치를 포함하는 인공지능형 원격 제어반에 의해 수행되는 빌딩 자동 제어 방법으로서:
    빌딩의 진동에 의한 가속도를 측정하는 가속도 측정 단계;
    특정의 시간 주기 및 특정의 빈도수로 상기 가속도를 샘플링하고, 샘플링된 각 가속도값에 근거하여, 수정된 누적 절대 속도(CAVrs)를 계산하는 계산 단계;
    상기 CAVrs의 계산값이 소정 기준값에 도달하면 진동 위험등급을 결정하는 위험등급 판정 단계;
    상기 위험등급에 근거하여 상기 시설물의 동작을 제한하는 종합 제어 단계;를 포함하고,
    상기 CAVrs는, 다음의 수식에 의해 계산되는 것을 특징으로 하는, 인공지능형 빌딩 자동 제어 방법.

    Figure 112020093863926-pat00020

    여기서, N은 상기 빈도수, ai(t)는 상기 빈도수의 임의의 한 구간에서 측정되는 가속도의 순시값이고, x는 상기 구간에서의 최대 가속도값(PGAi)에 임의의 상수가 곱해진 형태이고,
    Figure 112020093863926-pat00021
    로 정의되고, 여기서, D는 임의로 조정가능한 상수임.
  8. 제7항에 있어서,
    상기 x는,
    Figure 112020093863926-pat00022
    로 재정의되고,
    따라서, 상기 W(x)는,
    Figure 112020093863926-pat00023
    로 재정의되는 것을 특징으로 하는, 인공지능형 빌딩 자동 제어 방법.
    여기서, β는 임의로 조정가능한 상수임.
  9. 제8항에 있어서,
    상기 계산 단계는,
    인공지능 딥러닝 신경회로망의 자율학습에 근거하여, 상기 D 및 상기 β 중 적어도 하나를 자동으로 조정하는 것을 더 포함하는, 인공지능형 빌딩 자동 제어 방법.
  10. 제7항에 있어서,
    상기 CAVrs의 계산값은 상기 원격 제어반의 관리자에 의하여 수동으로만 리셋되도록 구성되고,
    상기 제어 방법은:
    상기 빌딩에서 진동이 발생한 이후에, 상기 관리자에 의해 상기 CAVrs의 계산값 및 상기 빌딩의 진동 위험등급이 리셋되는 단계를 더 포함하는 것을 특징으로 하는, 인공지능형 빌딩 자동 제어 방법.
KR1020200112993A 2020-09-04 2020-09-04 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법 KR102238678B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200112993A KR102238678B1 (ko) 2020-09-04 2020-09-04 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200112993A KR102238678B1 (ko) 2020-09-04 2020-09-04 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법

Publications (1)

Publication Number Publication Date
KR102238678B1 true KR102238678B1 (ko) 2021-04-12

Family

ID=75439727

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200112993A KR102238678B1 (ko) 2020-09-04 2020-09-04 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법

Country Status (1)

Country Link
KR (1) KR102238678B1 (ko)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150035633A (ko) * 2013-09-27 2015-04-07 한국전력공사 지진측정장치 및 지진측정방법
KR101891267B1 (ko) * 2017-12-14 2018-08-24 한국건설기술연구원 재난 피해 분석을 위한 bim 데이터 간소화 방법 및 이를 이용한 위험 등급 예측 방법
KR102064328B1 (ko) * 2018-11-08 2020-01-10 한국건설기술연구원 건축물 지진 피해 예측 정보 제공 장치 및 그 방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150035633A (ko) * 2013-09-27 2015-04-07 한국전력공사 지진측정장치 및 지진측정방법
KR101891267B1 (ko) * 2017-12-14 2018-08-24 한국건설기술연구원 재난 피해 분석을 위한 bim 데이터 간소화 방법 및 이를 이용한 위험 등급 예측 방법
KR102064328B1 (ko) * 2018-11-08 2020-01-10 한국건설기술연구원 건축물 지진 피해 예측 정보 제공 장치 및 그 방법

Similar Documents

Publication Publication Date Title
US6389331B1 (en) Technique for monitoring performance of a facility management system
JP5548682B2 (ja) インテリジェント電子装置の保守を予測するためのシステムおよび方法
KR102241254B1 (ko) 전원 관리 기능을 가지는 비탈면 실시간 무인 감시 시스템
CN111063174B (zh) 一种基于分布式光纤传感的管道线路安全预警系统
US20140278150A1 (en) Utility pole condition sensors
JPH0923483A (ja) 管路破断検知システム
KR101103697B1 (ko) 강우강도와 토양함수율을 이용한 경사지 경보시스템
JP6066372B2 (ja) 上水道管の振動検知装置及び上水道管の振動検知方法
CN101835178A (zh) 一种实现远程无线监测的方法及无线监测装置
KR102268274B1 (ko) 센서 노드 및 이를 포함하는 시설물 모니터링 시스템
KR102468888B1 (ko) IoT 기반 건물 상태 모니터링 시스템
CN111504417A (zh) 一种配电站房水位预警系统及方法
KR101353387B1 (ko) 변위센서를 이용한 통신 구조물 안전상태 감시 시스템
GB2500270A (en) Apparatus for monitoring a sewerage system
CN107741601A (zh) 新型智能地震监控装置及其控制方法
KR102459503B1 (ko) 듀얼센서를 이용한 감시영역 이상 모니터링 시스템 및 방법
KR102587369B1 (ko) 실시간 비탈면 붕괴 통합 감지 시스템
KR102238678B1 (ko) 지진 감지 장치를 통합한 빌딩 자동 제어용 인공지능형 원격 제어반 및 상기 원격 제어반에 의한 빌딩 자동 제어 방법
KR102389673B1 (ko) 우수 및 홍수 조절지에 설치된 물관리 시설의 모듈 타입 운영 및 관리 장치
KR101219192B1 (ko) 오지 수리시설물의 물관리 자동화시스템
CN111207306B (zh) 基于数字压力信号处理的热力管网泄漏监测方法
KR101447718B1 (ko) 강우 강도와 기간 강우량 분석을 통한 강우 경보 장치 및 강우 경보 생성 방법
KR102268276B1 (ko) 센서 노드 및 이를 포함하는 시설물 안전 모니터링 시스템
JP7096087B2 (ja) ガスメーター及びマップ作成方法
KR102393952B1 (ko) 펌프가 설치된 물관리 시설의 모듈 타입 운영 및 관리 장치