KR102289219B1 - 화재 방호 방법 및 화재 방호 시스템 - Google Patents
화재 방호 방법 및 화재 방호 시스템 Download PDFInfo
- Publication number
- KR102289219B1 KR102289219B1 KR1020200126620A KR20200126620A KR102289219B1 KR 102289219 B1 KR102289219 B1 KR 102289219B1 KR 1020200126620 A KR1020200126620 A KR 1020200126620A KR 20200126620 A KR20200126620 A KR 20200126620A KR 102289219 B1 KR102289219 B1 KR 102289219B1
- Authority
- KR
- South Korea
- Prior art keywords
- fire
- data
- unit
- server
- information
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims description 45
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 27
- 238000013480 data collection Methods 0.000 claims abstract description 15
- 238000013075 data extraction Methods 0.000 claims abstract description 15
- 238000001514 detection method Methods 0.000 claims description 25
- 238000011156 evaluation Methods 0.000 claims description 25
- 238000004088 simulation Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 12
- 239000000446 fuel Substances 0.000 claims description 11
- 238000010801 machine learning Methods 0.000 claims description 10
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 6
- 238000010191 image analysis Methods 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 11
- 238000012544 monitoring process Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 239000000779 smoke Substances 0.000 description 8
- 230000004044 response Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 210000002569 neuron Anatomy 0.000 description 6
- 239000007789 gas Substances 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 238000004880 explosion Methods 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 210000000225 synapse Anatomy 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000006477 desulfuration reaction Methods 0.000 description 2
- 230000023556 desulfurization Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- -1 heat Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 1
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000001473 noxious effect Effects 0.000 description 1
- 238000013021 overheating Methods 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 239000002341 toxic gas Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/95—Hardware or software architectures specially adapted for image or video understanding structured as a network, e.g. client-server architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/44—Event detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0222—Message structure or message content, e.g. message protocol
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/0202—Child monitoring systems using a transmitter-receiver system carried by the parent and the child
- G08B21/0225—Monitoring making use of different thresholds, e.g. for different alarm levels
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/14—Central alarm receiver or annunciator arrangements
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/12—Checking intermittently signalling or alarm systems
- G08B29/14—Checking intermittently signalling or alarm systems checking the detection circuits
- G08B29/145—Checking intermittently signalling or alarm systems checking the detection circuits of fire detection circuits
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/186—Fuzzy logic; neural networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/007—Details of data content structure of message packets; data protocols
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Computer Security & Cryptography (AREA)
- Artificial Intelligence (AREA)
- Child & Adolescent Psychology (AREA)
- Medical Informatics (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Automation & Control Theory (AREA)
- Fuzzy Systems (AREA)
- Alarm Systems (AREA)
Abstract
본 발명의 일 실시예에 따른 화재 방호 시스템은 서로 다른 주소값들을 가지고, 화재 발생을 감지하여 화재 경보를 생성하고, 서로 RF 통신(Radio Frequency 통신)을 수행하는 복수의 센서들, 상기 복수의 센서들 각각과 상기 RF 통신하는 제1 서버, 및 외부로부터 빅 데이터를 수신하고, 상기 제1 서버와 통신하는 제2 서버를 포함하고, 상기 제2 서버는 상기 복수의 센서들 각각으로부터 측정된 센서 데이터 및 상기 빅 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에 수집된 정보를 근거로 화재 데이터를 추출하는 데이터 추출부, 및 상기 화재 데이터를 근거로 복합 이벤트를 처리하는 복합 이벤트 처리부를 포함할 수 있다.
Description
본 발명은 화재 방호 방법 및 화재 화재 방호 시스템에 관한 것으로, 구체적으로 복수의 센서들이 감지하는 센서 데이터 중 화재 데이터를 기계 학습을 이용하여 감지하고, 화재 데이터를 이용하여 화재 상황을 감지하는 신뢰성이 향상된 화재 방호 방법 및 화재 방호 시스템에 관한 것이다.
일반적으로 발전소에 화재 상황이 발생 시 대형 사고로 이어질 수 있다. 따라서, 발전소에는 화재 시 피해를 줄이기 위해 화재 방호 시스템이 구비되어 있다. 발전소는 화재 상항 발생 시 대응하는 것뿐 아니라 화재 상황이 발생하기 전에 예방하는 것도 중요하다. 다만, 종래에는 발전소가 구비하는 설비 별로 상이한 화재 평가 기준에 의해 상황에 따라 대응에 어려움이 있다. 따라서, 화재 상황에 대한 대응이 신속하지 않을 수 있다.
본 발명은 복수의 센서들이 감지하는 센서 데이터 중 화재 데이터를 기계 학습을 이용하여 감지하고, 화재 데이터를 이용하여 화재 상황을 감지하는 신뢰성이 향상된 화재 방호 방법 및 화재 방호 시스템을 제공하는 것을 목적으로 한다.
본 발명의 일 실시예에 따른 화재 방호 시스템은 서로 다른 주소값들을 가지고, 화재 발생을 감지하여 화재 경보를 생성하고, 서로 RF 통신(Radio Frequency 통신)을 수행하는 복수의 센서들, 상기 복수의 센서들 각각과 상기 RF 통신하는 제1 서버, 및 외부로부터 빅 데이터를 수신하고, 상기 제1 서버와 통신하는 제2 서버를 포함하고, 상기 제2 서버는 상기 복수의 센서들 각각으로부터 측정된 센서 데이터 및 상기 빅 데이터를 수집하는 데이터 수집부, 상기 데이터 수집부에 수집된 정보를 근거로 화재 데이터를 추출하는 데이터 추출부, 및 상기 화재 데이터를 근거로 복합 이벤트를 처리하는 복합 이벤트 처리부를 포함할 수 있다.
상기 데이터 추출부는 상기 정보를 기계 학습하여 상기 화재 데이터에 대응되는 정보인지 여부를 판단하기 위한 학습 모델을 포함할 수 있다.
상기 제2 서버는 상기 화재 데이터를 근거로 관계자에게 이상징후 조기감지 신호를 송신하는 통신부를 더 포함할 수 있다.
영상을 촬영하는 영상 기록부를 더 포함하고, 상기 데이터 수집부는 상기 영상을 더 수집하며, 상기 제2 서버는 상기 영상을 분석하는 영상 분석부를 더 포함할 수 있다.
상기 제1 서버는 상기 정보를 저장하는 메모리를 더 포함할 수 있다.
상기 복합 이벤트 처리부는 상기 화재 데이터의 이벤트를 수신하고, 상기 이벤트를 융합하여 상기 복합 이벤트를 처리하며, 상기 복합 이벤트를 근거로 상기 화재 데이터를 분류할 수 있다.
상기 복합 이벤트 처리부는 상기 화재 데이터를 근거로 공간별, 용도별, 또는 연료별로 화재 평가 기준을 출력할 수 있다.
상기 제2 서버는 상기 화재 평가 기준 및 상기 복수의 센서들 각각으로부터 측정된 센서 데이터를 비교하여 화재 상황을 판단할 수 있다.
상기 복수의 센서들 각각은 진동, 유압, 및 온도 중 적어도 하나를 감지하고, 상기 화재 데이터는 진동, 유압, 및 온도 각각의 이상치를 포함할 수 있다.
상기 제2 서버는 상기 이상치 및 상기 센서 데이터를 근거로 예비 경고 메시지의 출력 여부를 결정할 수 있다.
상기 복합 이벤트 처리부는 실시간으로 상기 복합 이벤트를 처리할 수 있다.
본 발명의 일 실시예에 따른 화재 방호 방법은 화재 발생을 감지하여 화재 경보를 생성하는 복수의 센서들이 센서 데이터를 측정하는 단계, 외부로부터 수신된 빅 데이터 및 상기 센서 데이터를 수집하여 정보를 저장하는 단계, 상기 정보를 근거로 화재 데이터를 추출하는 단계, 및 상기 화재 데이터를 근거로 복합 이벤트를 처리하는 단계를 포함할 수 있다.
상기 복합 이벤트를 근거로 공간별, 용도별, 연료별 화재 평가 기준을 출력하는 단계를 더 포함할 수 있다.
상기 화재 데이터를 추출하는 단계는 상기 정보를 기계 학습하는 단계 및 상기 정보로부터 상기 화재 데이터를 추출하는 학습 모델을 출력하는 단계를 포함할 수 있다.
상기 복합 이벤트를 처리하는 단계는 상기 화재 데이터의 이벤트를 수신하고, 상기 이벤트를 융합하여 상기 복합 이벤트를 처리하는 단계 및 상기 복합 이벤트를 근거로 상기 화재 데이터를 분류하는 단계를 포함할 수 있다.
본 발명에 따르면, 현장의 실시간 센서 데이터, 현장의 실시간 영상, 메모리에 저장된 화재 데이터, 학습 모델을 근거로 플랜트에 발생될 문제를 예측하거나 플랜트에 발생한 문제를 해결할 수 있다.
본 발명에 따르면, 화재 방호 시스템은 복수의 센서들, 영상 기록부, 및 빅 데이터로부터 데이터를 실시간으로 수집할 수 있다. 상기 데이터를 근거로 데이터 추출부 및 복합 이벤트 처리부를 통해 화재 평가 기준이 출력될 수 있다. 화재 방호 시스템은 화재 평가 기준을 근거로 발전소의 주요 설비별, 구역별 화재 또는 이상 징후를 조기에 감지할 수 있다. 또한, 학습 모델을 적용하여 화재 및 재난의 발생 인자를 사전에 도출 또는 감지할 수 있다. 가이드부는 조치 방안을 제공하여 화재를 예방하기 위한 발전소의 설비의 운전 조건을 제시할 수 있다. 따라서, 화재 상황을 감지하는 신뢰성이 향상될 수 있고, 주요 시설에 대한 화재 위험이 감소할 수 있다.
도 1은 본 발명의 일 실시예에 따른 화재 방호 시스템을 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 제2 서버를 도시한 것이다.
도 3은 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 데이터 추출부를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이다.
도 6은 본 발명의 일 실시예에 따른 빌딩 정보 모델링부를 도시한 것이다.
도 7은 본 발명의 일 실시예에 따른 디지털 트윈을 이용한 상황실의 모니터링 화면을 도시한 것이다.
도 2는 본 발명의 일 실시예에 따른 제2 서버를 도시한 것이다.
도 3은 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이다.
도 4는 본 발명의 일 실시예에 따른 데이터 추출부를 도시한 것이다.
도 5는 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이다.
도 6은 본 발명의 일 실시예에 따른 빌딩 정보 모델링부를 도시한 것이다.
도 7은 본 발명의 일 실시예에 따른 디지털 트윈을 이용한 상황실의 모니터링 화면을 도시한 것이다.
본 명세서에서, 어떤 구성요소(또는 영역, 층, 부분 등)가 다른 구성요소 “상에 있다”, “연결 된다”, 또는 “결합된다”고 언급되는 경우에 그것은 다른 구성요소 상에 직접 배치/연결/결합될 수 있거나 또는 그들 사이에 제3의 구성요소가 배치될 수도 있다는 것을 의미한다.
동일한 도면부호는 동일한 구성요소를 지칭한다. 또한, 도면들에 있어서, 구성요소들의 두께, 비율, 및 치수는 기술적 내용의 효과적인 설명을 위해 과장된 것이다.
“및/또는”은 연관된 구성들이 정의할 수 있는 하나 이상의 조합을 모두 포함한다.
제1, 제2 등의 용어는 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 사용된다. 예를 들어, 본 발명의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.
또한, “아래에”, “하측에”, “위에”, “상측에” 등의 용어는 도면에 도시된 구성들의 연관관계를 설명하기 위해 사용된다. 상기 용어들은 상대적인 개념으로, 도면에 표시된 방향을 기준으로 설명된다.
다르게 정의되지 않는 한, 본 명세서에서 사용된 모든 용어 (기술 용어 및 과학 용어 포함)는 본 발명이 속하는 기술 분야의 당업자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 또한, 일반적으로 사용되는 사전에서 정의된 용어와 같은 용어는 관련 기술의 맥락에서 의미와 일치하는 의미를 갖는 것으로 해석되어야 하고, 이상적인 또는 지나치게 형식적인 의미로 해석되지 않는 한, 명시적으로 여기에서 정의될 수 있다.
"포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
이하, 도면을 참조하여 본 발명의 실시예들을 설명한다.
도 1은 본 발명의 일 실시예에 따른 화재 방호 시스템을 도시한 것이고, 도 2는 본 발명의 일 실시예에 따른 제2 서버를 도시한 것이다.
도 1 및 도 2를 참조하면, 화재 방호 시스템(10)는 복수의 센서(SM), 영상 기록부(CT), 중계기(GW), 제1 서버(SV1), 및 제2 서버(SV2)를 포함할 수 있다.
복수의 센서들(SM) 각각은 화재가 발생했는지 여부를 감지할 수 있다. 도 1에서는 예시적으로 5 개의 센서들(SM)을 도시하였으나, 이에 제한되지 않는다. 복수의 센서들(SM) 각각은 제1 화재감지신호(SG-1)를 인접한 센서들(SM) 및/또는 중계기(GW)에 송신할 수 있다.
제1 화재감지신호(SG-1)는 화재발생 여부를 감지한 센서(SM)가 생성한 신호 또는 센서(SM)에서 증폭된 신호일 수 있다.
제1 화재감지신호(SG-1)를 송신하는 방법으로는 RF(Radio Frequency) 통신 방식이 이용될 수 있다. 상기 RF 통신 방식은 무선 주파수를 방사하여 정보를 교환하는 통신 방법일 수 있다. 주파수를 이용한 광대역 통신 방식으로 기후 및 환경의 영향이 적어 안정성이 높을 수 있다. 상기 RF 통신 방식은 음성 또는 기타 부가기능을 연동할 수 있으며 전송속도가 빠를 수 있다. 예를 들어, RF 통신 방식은 447MHz 내지 924MHz 대역의 주파수를 이용할 수 있다. 다만, 이는 예시적인 것으로 본 발명의 일 실시예에서 Ethernet, Wifi, LoRA, M2M, 3G, 4G, LTE, LTE-M, Bluetooth, 또는 WiFi Direct 등과 같은 통신 방식이 이용될 수 있다.
본 발명의 일 실시예에서, 상기 RF통신 방식은 LBT(Listen Before Transmission)통신 방법을 포함할 수 있다. 이는 선택한 주파수가 다른 시스템에 의해 사용되고 있는지를 파악하여 점유되어 있다고 판단될 때는 다른 주파수를 다시 선택하는 주파수 선택 방식이다. 예를 들어, 송신을 의도하는 노드는 먼저 매체에 대해 청취(Listen)를 하고, 그것이 휴지 상태에 있는 지를 판정한 다음, 송신(Transmission)에 앞서 백오프 프로토콜을 흘려 보낼 수 있다. 이와 같은 LBT 통신 방식을 이용하여 데이터를 분산처리 함으로써, 동일 대역대에서 신호간의 충돌을 방지할 수 있다.
중계기(GW)는 복수의 센서들(SM)과 통신할 수 있다. 중계기(GW)는 복수의 센서들(SM)로부터 제1 화재감지신호(SG-1)를 수신할 수 있다. 중계기(GW)는 제1 화재감지신호(SG-1)를 제2 화재감지신호(SG-2)로 변환할 수 있다. 중계기(GW)는 제2 화재감지신호(SG-2)를 제1 서버(SV1)에 송신할 수 있다. 제2 화재감지신호(SG-2)를 송신하는 방법으로는 상기 RF 통신 방식이 이용될 수 있다.
제1 서버(SV1)는 중계기(GW)로부터 제2 화재감지신호(SG-2)를 수신할 수 있다. 예를 들어, 중계기(GW)는 복수로 제공될 수 있고, 제1 서버(SV1)는 복수의 중계기(GW)로부터 제2 화재감지신호(SG-2)를 수신할 수 있다.
제1 서버(SV1)는 제2 화재감지신호(SG-2)를 제3 화재감지신호(SG-3)로 변환할 수 있다. 제1 서버(SV1)는 제3 화재감지신호(SG-3)를 제2 서버(SV2)에 송신할 수 있다. 제3 화재감지신호(SG-3)를 송신하는 방법으로는 상기 RF 통신 방식이 이용될 수 있다. 제1 내지 제3 화재감지신호들(SG-1, SG-2, SG-3) 각각은 센서 데이터로 지칭될 수 있다. 이하, 제1 내지 제3 화재감지신호들(SG-1, SG-2, SG-3) 각각은 센서 데이터(SG-1, SG-2, SG-3)로 지칭될 수 있다. 센서 데이터(SG-1, SG-2, SG-3)는 진동, 소리, 밸브, 유해가스, 열, 연기, 불꽃, 및 폭발 중 적어도 하나를 포함할 수 있다.
제2 서버(SV2)는 제1 서버(SV1)로부터 제3 화재감지신호(SG-3)를 수신할 수 있다. 예를 들어, 제1 서버(SV1)는 복수로 제공될 수 있고, 제2 서버(SV2)는 복수의 제1 서버(SV1)로부터 제3 화재감지신호(SG-3)를 수신할 수 있다.
제2 서버(SV2)는 외부의 서버(BS)로부터 빅 데이터(BD)를 수신할 수 있다. 빅 데이터(BD)는 주기적으로 업데이트될 수 있다. 빅 데이터(BD)는 다각화된 사회를 예측하는 수단으로 일반적인 소프트웨어 도구가 허용 가능한 경과 시간 내의 수집, 관리, 및 처리할 수 있는 능력을 뛰어 넘는 크기의 데이터를 의미할 수 있다. 이러한 대용량 데이터는 기존의 제한된 데이터보다 더 많은 통찰력을 제공할 수 있다. 빅 데이터(BD)는 발전소의 공간별, 용도별, 연료별, 또는 설비별 데이터를 포함할 수 있다.
제2 서버(SV2)는 데이터 수집부(DC), 데이터 추출부(DE), 복합 이벤트 처리부(CEP), 빌딩 정보 모델링부(BIM), 동기화부(SYC), 시뮬레이션부(SIM), 영상 분석부(IA), 메모리부(MM), 가이드부(GD), 통신부(AT)를 포함할 수 있다.
데이터 수집부(DC)는 복수의 센서들(SM) 각각으로부터 측정된 센서 데이터(SG-1, SG-2, SG-3) 및 빅 데이터(BD)를 수집할 수 있다.
데이터 추출부(DE)는 데이터 수집부(DC)를 근거로 화재 상황 판단에 필요한 데이터를 추출할 수 있다.
복합 이벤트 처리부(CEP)는 화재 상황 판단에 필요한 상기 데이터를 근거로 복합 이벤트를 처리할 수 있다.
빌딩 정보 모델링부(BIM)는 플랜트를 가상으로 구현할 수 있다. 상기 플랜트는 복수의 센서들(SM) 및 영상 기록부(CT)가 배치된 발전소 또는 공장 등일 수 있다. 예를 들어, 본 발명에서 상기 플랜트는 화재 발전소일 수 있다.
동기화부(SYC)는 빌딩 정보 모델링부(BIM)에서 구현한 가상 플랜트, 센서 데이터(SG-3), 및 빅 데이터(BD)를 동기화할 수 있다.
시뮬레이션부(SIM)는 동기화된 상기 가상 플랜트, 센서 데이터(SG-1, SG-2, SG-3), 및 빅 데이터(BD)를 근거로 디지털 트윈을 이용하여 디지털 트윈 플랜트를 출력할 수 있다. 시뮬레이션부(SIM)는 센서 데이터(SG-1, SG-2, SG-3)를 근거로 과부하, 화재, 재난, 및 재난징후 등을 판단할 수 있다.
상기 디지털 트윈은 실제 플랜트와 동일한 환경을 소프트웨어로 복제하여 디지털 환경에 구현한 디지털 가상 객체를 의미할 수 있다. 상기 디지털 트윈 플랜트는 실제 플랜트와 상기 디지털 트윈 플랜트가 연동되어 플랜트에 포함된 각종 장치, 부품, 기기, 및 센서 등에서 발생하는 데이터를 실시간으로 수집하여 플랜트 운영자에게 제공할 수 있다. 플랜트 운영자는 실제 플랜트를 가상으로 구현한 상기 디지털 트윈 플랜트를 통해 플랜트에 발생할 수 있는 화재 상황을 실시간으로 확인할 수 있으며, 바로 대응할 수 있다. 따라서, 플랜트 운영자는 플랜트를 최적의 상태에서 운영할 수 있다.
본 발명의 일 실시예에 따른 화재 방호 시스템(10)은 실제 플랜트를 가상으로 구현하는 3차원 모델링을 포함하는 디지털 트윈을 이용하여 효율적인 플랜트 관리가 가능하다.
영상 분석부(IA)는 영상 기록부(CT)가 촬영한 영상(IM)을 분석할 수 있다.
메모리부(MM)는 데이터 수집부(DC)에서 수집된 정보를 저장할 수 있다. 메모리부(MM)는 휘발성 메모리 또는 비휘발성 메모리를 포함할 수 있다. 휘발성 메모리는 DRAM, SRAM, 플래시 메모리, 또는 FeRAM을 포함할 수 있다. 비휘발성 메모리는 SSD 또는 HDD를 포함할 수 있다.
가이드부(GD)는 화재 정보를 근거로 조치 방안을 시뮬레이션부(SIM)에서 출력한 디지털 트윈 플랜트에 출력할 수 있다. 가이드부(GD)는 화재 평가 기준 및 센서 데이터(SG-3)를 비교할 수 있다. 예를 들어, 센서 데이터(SG-3)가 화재 평가 기준을 초과하는 경우, 통신부(AT)는 관계자(20)에게 예비 경고 메시지를 출력할 수 있다.
통신부(AT)는 데이터 추출부(DE)에서 추출한 화재 데이터를 근거로 복수의 관계자들(20)에게 이상징후 조기감지 신호를 송신할 수 있다.
제2 서버(SV2)는 제3 화재감지신호(SG-3)를 근거로 화재 정보를 출력할 수 있다. 통신부(AT)는 상기 화재 정보를 복수의 관계자들(20)에게 송신할 수 있다.
복수의 관계자들(20)은, 예를 들어, 소방서, 화재가 발생한 구역의 관계자들, 방재센터(또는 화재 방재에 관련된 공공 기관) 등을 포함할 수 있다. 복수의 관계자들(20)은 유선 전화, 스마트폰, 또는 기타 휴대 단말기 등을 통하여 텍스트 메시지, 영상 메시지, 또는 음성 메시지의 형태로 화재 경고 메시지를 수신할 수 있다.
도 3은 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이고, 도 4는 본 발명의 일 실시예에 따른 데이터 추출부를 도시한 것이다.
도 3 및 도 4를 참조하면, 복수의 센서들(SM)은 열, 연기, 진동, 유해 가스 중 적어도 하나를 감지할 수 있다. 복수의 센서들(SM)은 센서 데이터(SG-1)를 중계기(GW) 및 제1 서버(SV1)를 통해 데이터 수집부(DC)로 전송할 수 있다.
영상 기록부(CT)는 촬영한 영상(IM)을 영상 분석부(IA)에 송신할 수 있다. 예를 들어, 영상 기록부(CT)는 드론 및 CCTV를 포함할 수 있다. 영상 분석부(IA)는 영상(IM)을 분석할 수 있다.
데이터 수집부(DC)는 센서 데이터(SG-1), 영상 분석부(IA)에서 출력된 데이터, 및 빅 데이터(BD)를 수집할 수 있다. 데이터 수집부(DC)는 수집된 데이터들을 근거로 정보(INF)를 출력할 수 있다. 정보(INF)는 진동, 유압, 소리, 밸브, 유해가스, 열, 온도, 연기, 불꽃, 폭발 등을 포함하는 계측값일 수 있다.
데이터 추출부(DE)는 정보(INF)를 처리 및/또는 가공할 수 있다. 데이터 추출부(DE)는 정보(INF)를 근거로 화재 데이터(FD)를 출력할 수 있다. 데이터 추출부(DE)는 특징 추출부(EE) 및 학습 모델(EM)을 포함할 수 있다.
특징 추출부(EE)는 진동, 유압, 소리, 밸브, 유해가스, 열, 온도, 연기, 불꽃, 폭발 등의 이상치를 추출할 수 있다. 상기 이상치는 기계 마모 또는 결합 등에 의해 발생하는 이상치일 수 있다. 특징 추출부(EE)는 상기 이상치의 특징을 분류하여 이상치 별로 태그를 설정할 수 있다.
특징 추출부(EE)는 데이터 수집부(DC)로부터 영상(IM)을 수집하여 영상(IM) 중 화재와 관련된 영상을 추출할 수 있다.
학습 모델(EM)은 정보(INF)로부터 화재 상황을 판단하는 데 있어 필요한 화재 데이터(FD)인지 여부를 판단할 수 있다. 화재 데이터(FD)는 상기 이상치를 포함할 수 있다.
학습 모델(EM)은 정보(INF)를 기계 학습하여 화재 데이터(FD)를 판단하는 인공 지능일 수 있다. 상기 인공 지능은 인공적인 지능 또는 이를 만들 수 있는 방법론을 의미할 수 있고, 기계 학습은 인공 지능 분야에 다루는 다양한 문제를 정의하고, 그것을 해결하는 방법론을 의미할 수 있다. 상기 기계 학습은 어떠한 작업에 대하여 꾸준한 경험을 통해 그 작업에 대한 성능을 높이는 알고리즘으로 정의할 수 있다.
학습 모델(EM)은 심층 신경망을 포함할 수 있다. 상기 심층 신경망은 인간의 뇌 구조를 학습 모델(EM) 상에서 모의하도록 설계될 수 있다. 상기 심층 신경망은 상기 기계 학습에서 사용되는 모델 중 하나로써, 시냅스의 결합으로 네트워크를 형성한 인공 뉴런(노드)들로 구성되고, 문제 해결 능력을 가지는 모델 전반을 의미할 수 있다. 상기 심층 신경망은 다른 레이어의 뉴런들 사이의 연결 패턴, 모델 파라미터를 갱신하는 학습 과정, 출력값을 생성하는 활성화 함수에 의해 정의될 수 있다.
상기 심층 신경망은 입력층, 출력층, 및 적어도 하나의 은닉층을 포함할 수 있다. 각 층은 하나 이상의 뉴런을 포함하고, 상기 심층 신경망은 뉴런과 뉴런을 연결하는 시냅스를 포함할 수 있다. 상기 심층 신경망에서 각 뉴런은 시냅스를 통해 입력되는 신호들, 가중치, 편향에 대한 활성 함수의 함숫값을 출력할 수 있다.
상기 심층 신경망은 지도 학습(supervised learning)에 따라 학습될 수 있다. 상기 지도 학습의 목적은 알고리즘을 통해 정해진 답을 찾는 것일 수 있다. 따라서, 상기 지도 학습에 기초한 상기 심층 신경망은 훈련용 데이터(training data)로부터 함수를 추론해 내는 형태를 포함할 수 있다. 상기 지도 학습에서는 트레이닝에 라벨링된 샘플을 사용할 수 있다. 상기 라벨링된 샘플은 학습 데이터가 상기 심층 신경망에 입력되는 경우, 상기 심층 신경망이 추론해 내야 하는 목표 출력값을 의미할 수 있다.
상기 알고리즘은 일련의 학습 데이터와 그에 상응하는 목표 출력값을 수신하고, 입력되는 데이터에 대한 실제 출력값과 목표 출력값을 비교하는 학습을 통해 오류를 찾아내고, 해당 결과를 근거로 상기 알고리즘을 수정할 수 있다
학습 모델(EM)로부터 추출된 화재 데이터(FD)는 메모리부(MM, 도 2 참조)에 저장될 수 있다.
본 발명에 따르면, 현상의 실시간 센서 데이터(SG-1), 현장의 실시간 영상(IM), 메모리부(MM, 도 2 참조)에 저장된 화재 데이터(FD), 학습 모델(EM)을 근거로 플랜트에 발생될 문제를 예측하거나 플랜트에 발생한 문제를 해결할 수 있다.
제2 센서(SV2)는 상기 이상치 및 센서 데이터(SG-1)를 근거로 예비 경고 메시지의 출력 여부를 결정할 수 있다.
복합 이벤트 처리부(CEP)는 화재 데이터(FD)의 이벤트를 수신할 수 있다. 예를 들어, 상기 이벤트는 열 또는 연기가 과다 발생하는 이벤트, 보일러실에서 유해가스 또는 휘발성 가스가 감지되는 이벤트, 및 탈황설비, 집진기, 또는 사일로 구간의 과열 조짐 또는 화재 발생 이벤트를 포함할 수 있다. 복합 이벤트 처리부(CEP)는 상기 이벤트를 융합, 패턴매칭, 및 필터링을 통하여 복합 이벤트를 처리할 수 있다. 상기 복합 이벤트는 유해 가스, 열, 및 연기가 과다 발생하는 이벤트를 포함할 수 있다. 복합 이벤트 처리부(CEP)는 상기 복합 이벤트를 근거로 화재 데이터(FD)를 분류할 수 있다.
복합 이벤트 처리부(CEP)는 화재 데이터(FD)를 근거로 공간별, 용도별, 또는 연료별로 화재 평가 기준(FEC)을 출력할 수 있다. 복합 이벤트 처리부(CEP)는 화재 데이터(FD)를 근거로 플랜트에 포함된 설비별로 화재 평가 기준(FEC)을 출력할 수 있다.
예를 들어, 복합 이벤트 처리부(CEP)는 보일러 또는 유압류 설비에 포함된 유압 탱크에 대한 화재 평가 기준(FEC)을 출력할 수 있다. 유압 탱크에 대한 화재 평가 기준(FEC)은 유압이 532m3 초과인 경우, 유압 탱크가 위험하다는 기준을 가질 수 있고, 열량이 0.01MWh 이상인 경우, 유압 탱크가 위험하다는 기준을 가질 수 있다. 또한, 외부 온도가 45?C 이상인 경우, 유압 탱크가 위험하다는 기준을 가질 수 있다.
예를 들어, 복합 이벤트 처리부(CEP)는 회전체 또는 CV 펌프 설비에 포함된 진공 펌프에 대한 화재 평가 기준(FEC)을 출력할 수 있다. 진공 펌프에 대한 화재 평가 기준(FEC)은 도달 압력이 13Pz 이상인 경우, 진공 펌프가 위험하다는 기준을 가질 수 있고, 소음이 80dB이상인 경우, 진공 펌프가 위험하다는 기준을 가질 수 있다. 또한, 증기압이 50Pa 이상인 경우, 진공 펌프가 위험하다는 기준을 가질 수 있다.
복합 이벤트 처리부(CEP)는 실시간으로 상기 복합 이벤트를 처리할 수 있다. 복합 이벤트 처리부(CEP)는 메모리(MM)에 저장된 단일 이벤트 규칙을 이용하여 입력된 이벤트가 등록된 이벤트인지 여부를 판단할 수 있다. 복합 이벤트 처리부(CEP)는 입력된 이벤트가 복합 이벤트가 아닌 것으로 판단되는 경우, 소정의 시간 동안 다른 이벤트 발생을 대기하고, 소정의 시간이 경과하기 전에 다른 이벤트가 발생하는 경우, 이미 입력된 이벤트와 융합하여 복합 이벤트 여부를 추가로 판단할 수 있다.
복합 이벤트 처리부(CEP)의 상기 복합 이벤트를 근거로 화재 평가 기준(FEC)이 출력될 수 있다. 가이드부(GD)는 플랜트의 설비별로 출력된 화재 평가 기준(FEC)을 포함할 수 있다.
가이드부(GD)는 화재 평가 기준(FEC)를 근거로 화재발생 확률을 계산할 수 있다. 가이드부(GD)는 상기 화재발생 확률이 소정의 값 이상인 경우, 시뮬레이션부(SIM)에 예비 경고 메시지를 출력할 수 있다. 제2 서버(SV2, 도1 참조)의 통신부(AT, 도 2 참조)는 화재발생 확률이 소정의 값 이상인 경우, 예비 경고 메시지를 관계자들(20, 도 1 참조)에게 송신할 수 있다.
가이드부(GD)는 빌딩 정보 모델링부(BIM, 도 2 참조)에서 출력된 모델링 및 센서 데이터(SG-3, 도 1 참조)를 근거로 화재 정보 출력할 수 있다. 가이드부(GD)는 상기 화재 정보를 근거로 조치 방안을 시뮬레이션부(SIM, 도 2 참조)에 송신할 수 이다. 상기 조치 방안은 취약설비에 대한 대응 절차, 화재 또는 이상 징후 발생 시 대응 절차, 주요 화재 원인 인자 파악, 및 설비의 최적 운영 방안 등을 포함할 수 있다.
본 발명에 따르면, 화재 방호 시스템(10)은 복수의 센서들(SM), 영상 기록부(CT), 및 빅 데이터(BD, 도 1 참조)로부터 데이터를 실시간으로 수집할 수 있다. 상기 데이터를 근거로 데이터 추출부(DE) 및 복합 이벤트 처리부(CEP)를 통해 화재 평가 기준(FEC)이 출력될 수 있다. 화재 방호 시스템(10)은 화재 평가 기준(FEC)을 근거로 발전소의 주요 설비별, 구역별 화재 또는 이상 징후를 조기에 감지할 수 있다. 또한, 학습 모델(EM)을 적용하여 화재 및 재난의 발생 인자를 사전에 도출 또는 감지할 수 있다. 가이드부(GD)는 조치 방안을 제공하여 화재를 예방하기 위한 발전소의 설비의 운전 조건을 제시할 수 있다. 따라서, 화재 상황을 감지하는 신뢰성이 향상될 수 있고, 주요 시설에 대한 화재 위험이 감소할 수 있다.
도 5는 본 발명의 일 실시예에 따른 화재 방호 시스템의 일부를 도시한 것이고, 도 6은 본 발명의 일 실시예에 따른 빌딩 정보 모델링부를 도시한 것이다.
도 5 및 도 6을 참조하면, 빌딩 정보 모델링부(BIM)는 플랜트를 가상으로 구현하여 모델링(MD)을 출력할 수 있다.
빌딩 정보 모델링부(BIM)는 역설계부(RE), 레이저 스캐닝부(LS), 데이터 가공부(DR), 및 타겟 설정부(TT)를 포함할 수 있다.
역설계부(RE)는 플랜트의 모델링 데이터 및 도면을 이용하여 플랜트를 가상으로 구현하기 위한 데이터(PI)를 데이터 가공부(DR)에 송신할 수 있다.
레이저 스캐닝부(LS)는 실내 및/또는 실외의 설비를 레이저 스캐닝 장치를 이용하여 스캔하고, 스캐닝 이미지 및 포인터 데이터를 추출한 데이터(PI)를 데이터 가공부(DR)에 송신할 수 있다.
데이터 가공부(DR)는 데이터(PI)를 가공하여 타겟 설정부(TT)에 송신할 수 있다.
타겟 설졍부(TT)는 데이터 가공부(DR)로부터 수신한 데이터를 근거로 가상으로 구현한 모델링(MD)에 상기 데이터 간 비중첩하는 부분 즉, 사각지대가 발생하는 가능성을 감소시킬 수 있다. 타겟 설정부(TT)는 시설별, 구역별, 위험별로 모델링(MD)을 출력할 수 있다. 예를 들어, 시설별 모델링(MD)에서 보일러, 증기 터빈, 발전기를 모델링할 수 있고, 상기 보일러의 모델링은 본체 및 연소 장치 각각의 모델링을 포함할 수 있다. 상기 증기 터빈의 모델링은 케이싱 및 로타 각각의 모델링을 포함할 수 있다. 상기 로타의 모델링은 축, 회전날개, 및 노즐 각각의 모델링을 포함할 수 있다. 상기 발전기의 모델링은 고정자 및 회전자 각각의 모델링을 포함할 수 있다.
타겟 설정부(TT)는 데이터 가공부(DR)로부터 수신한 데이터를 근거로 주요 설비의 과부하, 화재, 재난, 및 이상 징후 등이 발생할 수 있는 가능성에 대한 함수를 가상으로 구현한 모델링(MD)의 우선 과제로 선정할 수 있다. 상기 주요 설비는 증기 터빈, 탈황 설비, 보일러, 발전기 등을 포함할 수 있다.
동기화부(SYC)는 모델링(MD) 및 센서 데이터(SG-3)를 수신할 수 있다. 동기화부(SYC)는 모델링(MD) 및 센서 데이터(SG-3)를 동기화할 수 있다. 동기화부(SYC)는 플랜트에 설치된 복수의 센서들(SM, 도 1 참조)에서 실시간으로 측정된 센서 데이터(SG-3) 및 플랜트에 설치된 영상 기록부(CT)에서 실시간으로 측정된 영상을 모델링(MD)의 가상 플랜트의 동일한 위치에 동기화시킬 수 있다.
시뮬레이션부(SIM)는 동기화된 모델링(MD) 및 센서 데이터(SG-3)를 근거로 화재 정보를 제공하고, 상기 화재 정보를 근거로 디지털 트윈 플랜트(DTP)를 실시간으로 출력할 수 있다.
시뮬레이션부(SIM)는 가이드부(GD, 도 3 참조)로부터 출력된 조치 방안 및 화재 평가 기준(FEC, 도 3 참조)을 수신할 수 있다. 시뮬레이션부(SIM)는 상기 조치 방안을 디지털 트윈 플랜트(DTP)에 출력할 수 있다. 상기 조치 방안은 대응 절차를 포함할 수 있다. 상기 대응 절차는 화재 장소 근처에 있는 관계자가 대피할 수 있는 경로에 대한 대응 절차, 연기 발생 및 연기 이동 경로에 따른 대응 절차 등을 포함할 수 있다.
시뮬레이션부(SIM)는 화재 평가 기준(FEC)을 근거로 화재 위험도를 예측할 수 있다. 시뮬레이션부(SIM)는 외부의 서버(BS, 도 1 참조)로부터 빅 데이터(BD, 도 1 참조)를 수신할 수 있다. 시뮬레이션부(SIM)는 빅 데이터(BD, 도 1 참조)를 근거로 디지털 트윈 플랜트(DTP)를 보완할 수 있다.
본 발명에 따르면, 시뮬레이션부(SIM)는 디지털 트윈 플랜트(DTP)를 통해 관계자(20, 도 1 참조)에게 시각적으로 정보를 제공할 수 있다. 관계자(20, 도 1 참조)는 디지털 트윈 플랜트(DTP)를 통해 화재 상항에 대해 직관적으로 판단할 수 있다. 따라서, 화재 방호 시스템(10)은 플랜트에 설치된 설비, 장치, 및 부품 등 각종 하드웨어의 잔여 수명, 교체 주기, 정비 시기 등을 직관적으로 판단 및 예측하여 주요 시설에 대한 화재 위험을 감소시킬 수 있다.
도 7은 본 발명의 일 실시예에 따른 디지털 트윈을 이용한 상황실의 모니터링 화면을 도시한 것이다.
도 1 및 도 7을 참조하면, 디지털 트윈 플랜트(DTP)는 상황실의 모니터링 화면(DP)에 표시될 수 있다.
플랜트의 현장에 설치된 복수의 센서들(SM) 및 영상 수집부(CT)는 현장의 플랜트에 대한 데이터들을 수집할 수 있다. 관계자들(20)은 상황실의 모니터링 화면(DP)을 통해 디지털 트윈 플랜트(DTP)를 모니터링할 수 있다.
예를 들어, 모니터링 화면(DP)에는 화력발전소의 화재 방호 종합통계지표가 표시될 수 있다. 상기 통합통계지표는 발전소 운영시간, 발전소 가동률, 부하, 및 이상 현상 등을 포함할 수 있다. 이를 통해 관계자들(20)은 발전소에 발생할 수 있는 화재 상황을 예측하고, 신속하게 대응할 수 있다. 모니터링 화면(DP)에는 주요 운영 현황에 대하 장애 및 이슈 사항을 실시간으로 표시될 수 있다. 모니터링 화면(DP)에는 주요 설비에 대한 화재 지수가 표시될 수도 있다.
또한, 모니터링 화면(DP)에는 주요 부품별 이상 감지에 대한 정보가 표시될 수 있다. 상기 정보는 발전소 구역별, 용도별, 연료별 각각의 화재 방호에 대한 기본통계, 주요 설비별로 과부하 및 이상치에 대한 정보, 및 주요 부품의 시간별, 일별, 월별 실시간 통계에 대한 정보를 포함할 수 있다.
관계자들(20)은 디지털 트윈 플랜트(DTP)를 통해 플랜트 전체의 화재 상황을 파악할 수 있다.
본 발명의 일 실시예에 따른 화재 방호 시스템(10)은 현재 플랜트와 디지털 트윈으로 구현된 디지털 트윈 플랜트(DTP) 간 데이터 매핑을 하고, 시뮬레이션 기반 스마트 가이드(PU)를 관계자들(20)에게 제공할 수 있다.
본 발명에 따르면, 관계자들(20)은 모니터링 화면(DP)을 통해 제공된 디지털 트윈 플랜트(DTP)로 주요 설비, 시설, 부품 등 작업의 전반적인 프로세스를 실시간으로 파악하고 화재 이상징후를 포착할 수 있다. 따라서, 원격에서도 디지털 트윈을 이용하여 현장의 상황을 실물 상황과 동일하게 관계자들(20)이 체험하도록 하고, 그에 따라 화재 이상징후 및 화재 상황에 대한 정확한 판단 및 조치를 취할 수 있다.
이상에서는 본 발명의 바람직한 실시예를 참조하여 설명하였지만, 해당 기술 분야의 숙련된 당업자 또는 해당 기술 분야에 통상의 지식을 갖는 자라면, 후술될 특허청구범위에 기재된 본 발명의 사상 및 기술 영역으로부터 벗어나지 않는 범위 내에서 본 발명을 다양하게 수정 및 변경시킬 수 있음을 이해할 수 있을 것이다. 따라서, 본 발명의 기술적 범위는 명세서의 상세한 설명에 기재된 내용으로 한정되는 것이 아니라 특허청구범위에 의해 정하여져야만 할 것이다.
10: 화재 방호 시스템 SM: 복수의 센서들
CT: 영상 기록부 SV2: 제2 서버
BD: 빅 데이터
CT: 영상 기록부 SV2: 제2 서버
BD: 빅 데이터
Claims (15)
- 서로 다른 주소값들을 가지고, 화재 발생을 감지하여 화재 경보를 생성하고, 서로 RF 통신(Radio Frequency 통신)을 수행하는 복수의 센서들;
상기 복수의 센서들 각각과 상기 RF 통신하는 제1 서버; 및
외부로부터 빅 데이터를 수신하고, 상기 제1 서버와 통신하는 제2 서버를 포함하고,
상기 제2 서버는,
상기 복수의 센서들 각각으로부터 측정된 센서 데이터 및 상기 빅 데이터를 실시간으로 수집하는 데이터 수집부;
상기 데이터 수집부에 수집된 정보를 근거로 화재 데이터를 추출하는 데이터 추출부;
상기 화재 데이터를 근거로 복합 이벤트를 처리하고, 화재 데이터를 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재 평가 기준들을 출력하는 복합 이벤트 처리부;
상기 화재 평가 기준들 및 상기 정보를 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재발생 확률들을 출력하는 가이드부; 및
상기 가이드부로부터 상기 화재발생 확률들을 수신하고, 디지털 트윈 플랜트를 출력하는 시뮬레이션부를 포함하고,
상기 가이드부는 상기 화재발생 확률이 소정의 값 이상인 경우, 상기 시뮬레이션부에 예비 경고 메시지를 출력하고,
상기 시뮬레이션부는 상기 화재발생 확률들을 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재 또는 이상 징후들을 조기에 감지하는 화재 방호 시스템. - 제1 항에 있어서,
상기 데이터 추출부는 상기 정보를 기계 학습하여 상기 화재 데이터에 대응되는 정보인지 여부를 판단하기 위한 학습 모델을 포함하는 화재 방호 시스템. - 제1 항에 있어서,
상기 제2 서버는 상기 화재 데이터를 근거로 관계자에게 이상징후 조기감지 신호를 송신하는 통신부를 더 포함하는 화재 방호 시스템. - 제1 항에 있어서,
영상을 촬영하는 영상 기록부를 더 포함하고,
상기 데이터 수집부는 상기 영상을 더 수집하며,
상기 제2 서버는 상기 영상을 분석하는 영상 분석부를 더 포함하는 화재 방호 시스템. - 제1 항에 있어서,
상기 제1 서버는 상기 정보를 저장하는 메모리를 더 포함하는 화재 방호 시스템. - 제1 항에 있어서,
상기 복합 이벤트 처리부는 상기 화재 데이터의 이벤트를 수신하고, 상기 이벤트를 융합하여 상기 복합 이벤트를 처리하며,
상기 복합 이벤트를 근거로 상기 화재 데이터를 분류하는 화재 방호 시스템. - 삭제
- 제1 항에 있어서,
상기 제2 서버는 상기 화재 평가 기준 및 상기 복수의 센서들 각각으로부터 측정된 센서 데이터를 비교하여 화재 상황을 판단하는 화재 방호 시스템. - 제1 항에 있어서,
상기 복수의 센서들 각각은 진동, 유압, 및 온도 중 적어도 하나를 감지하고,
상기 화재 데이터는 진동, 유압, 및 온도 각각의 이상치를 포함하는 화재 방호 시스템. - 제9 항에 있어서,
상기 제2 서버는 상기 이상치 및 상기 센서 데이터를 근거로 상기 예비 경고 메시지의 출력 여부를 결정하는 화재 방호 시스템. - 제1 항에 있어서,
상기 복합 이벤트 처리부는 실시간으로 상기 복합 이벤트를 처리하는 화재 방호 시스템. - 화재 발생을 감지하여 화재 경보를 생성하는 복수의 센서들이 센서 데이터를 측정하는 단계;
외부로부터 수신된 빅 데이터 및 상기 센서 데이터를 실시간으로 수집하여 정보를 저장하는 단계;
상기 정보를 근거로 화재 데이터를 추출하는 단계;
상기 화재 데이터를 근거로 복합 이벤트를 처리하는 단계;
상기 화재 데이터를 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재 평가 기준들을 출력하는 단계;
상기 화재 평가 기준들 및 상기 정보를 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재발생 확률들을 출력하는 단계;
상기 화재발생 확률들을 수신하고 디지털 트윈 플랜트를 출력하는 단계;
상기 화재발생 확률이 소정의 값 이상인 경우, 예비 경고 메시지를 출력하는 단계; 및
상기 화재발생 확률을 근거로 공간별, 용도별, 및 연료별로 서로 상이한 화재 또는 이상 징후들을 조기에 감지하는 단계를 포함하는 화재 방호 방법. - 삭제
- 제12 항에 있어서,
상기 화재 데이터를 추출하는 단계는,
상기 정보를 기계 학습하는 단계; 및
상기 정보로부터 상기 화재 데이터를 추출하는 학습 모델을 출력하는 단계를 포함하는 화재 방호 방법. - 제12 항에 있어서,
상기 복합 이벤트를 처리하는 단계는,
상기 화재 데이터의 이벤트를 수신하고, 상기 이벤트를 융합하여 상기 복합 이벤트를 처리하는 단계; 및
상기 복합 이벤트를 근거로 상기 화재 데이터를 분류하는 단계를 포함하는 화재 방호 방법.
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200126620A KR102289219B1 (ko) | 2020-09-29 | 2020-09-29 | 화재 방호 방법 및 화재 방호 시스템 |
| US18/247,080 US20230368651A1 (en) | 2020-09-29 | 2021-09-29 | Fire protection method and fire protection system |
| PCT/KR2021/013350 WO2022071756A1 (ko) | 2020-09-29 | 2021-09-29 | 화재 방호 방법 및 화재 방호 시스템 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200126620A KR102289219B1 (ko) | 2020-09-29 | 2020-09-29 | 화재 방호 방법 및 화재 방호 시스템 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR102289219B1 true KR102289219B1 (ko) | 2021-08-13 |
Family
ID=77313512
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200126620A KR102289219B1 (ko) | 2020-09-29 | 2020-09-29 | 화재 방호 방법 및 화재 방호 시스템 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230368651A1 (ko) |
| KR (1) | KR102289219B1 (ko) |
| WO (1) | WO2022071756A1 (ko) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022071756A1 (ko) * | 2020-09-29 | 2022-04-07 | 주식회사 로제타텍 | 화재 방호 방법 및 화재 방호 시스템 |
| KR102497334B1 (ko) * | 2021-08-19 | 2023-02-07 | 주식회사 성화에프티 | 통합 모니터링 시스템 |
| KR20230055432A (ko) * | 2021-10-18 | 2023-04-26 | 주식회사 로제타텍 | 화재 예방 시스템 및 이를 이용한 평가툴 산출 방법 |
| KR102720929B1 (ko) * | 2022-01-04 | 2024-10-24 | 주식회사 로제타텍 | 연기 센서, 연기 센서 동작 방법 및 화재 경보 시스템 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101889834B1 (ko) * | 2018-01-05 | 2018-08-20 | (주)서전기전 | 스마트 배전반 시스템 |
| JP2019074837A (ja) * | 2017-10-13 | 2019-05-16 | ホーチキ株式会社 | 異常判定システム、監視装置、異常判定方法、及びプログラム |
| KR20190066207A (ko) * | 2017-12-05 | 2019-06-13 | 주식회사 레딕스 | 전통시장 전기화재 예방 시스템 및 방법 |
| KR102091465B1 (ko) * | 2019-12-27 | 2020-03-20 | 이광열 | Cctv 영상과 빅데이터를 기반으로 하여 방재 정보를 생성하기 위한 시스템 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102289219B1 (ko) * | 2020-09-29 | 2021-08-13 | 주식회사 로제타텍 | 화재 방호 방법 및 화재 방호 시스템 |
-
2020
- 2020-09-29 KR KR1020200126620A patent/KR102289219B1/ko active IP Right Grant
-
2021
- 2021-09-29 US US18/247,080 patent/US20230368651A1/en active Pending
- 2021-09-29 WO PCT/KR2021/013350 patent/WO2022071756A1/ko active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2019074837A (ja) * | 2017-10-13 | 2019-05-16 | ホーチキ株式会社 | 異常判定システム、監視装置、異常判定方法、及びプログラム |
| KR20190066207A (ko) * | 2017-12-05 | 2019-06-13 | 주식회사 레딕스 | 전통시장 전기화재 예방 시스템 및 방법 |
| KR101889834B1 (ko) * | 2018-01-05 | 2018-08-20 | (주)서전기전 | 스마트 배전반 시스템 |
| KR102091465B1 (ko) * | 2019-12-27 | 2020-03-20 | 이광열 | Cctv 영상과 빅데이터를 기반으로 하여 방재 정보를 생성하기 위한 시스템 |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022071756A1 (ko) * | 2020-09-29 | 2022-04-07 | 주식회사 로제타텍 | 화재 방호 방법 및 화재 방호 시스템 |
| KR102497334B1 (ko) * | 2021-08-19 | 2023-02-07 | 주식회사 성화에프티 | 통합 모니터링 시스템 |
| KR20230055432A (ko) * | 2021-10-18 | 2023-04-26 | 주식회사 로제타텍 | 화재 예방 시스템 및 이를 이용한 평가툴 산출 방법 |
| KR102604587B1 (ko) * | 2021-10-18 | 2023-11-23 | 주식회사 로제타텍 | 화재 예방 시스템 및 이를 이용한 평가툴 산출 방법 |
| KR102720929B1 (ko) * | 2022-01-04 | 2024-10-24 | 주식회사 로제타텍 | 연기 센서, 연기 센서 동작 방법 및 화재 경보 시스템 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20230368651A1 (en) | 2023-11-16 |
| WO2022071756A1 (ko) | 2022-04-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102289221B1 (ko) | 화재 방호 방법 및 화재 방호 시스템 | |
| KR102289219B1 (ko) | 화재 방호 방법 및 화재 방호 시스템 | |
| KR101223680B1 (ko) | 스마트형 화재 감시 감지 시스템 | |
| KR102135619B1 (ko) | 지능형 원격단말장치를 이용한 사물인터넷 기반의 산불화재 감시 및 시설물 자율 점검 시스템 | |
| CN102681518B (zh) | 电缆网运行综合管理系统及智能操控平台 | |
| CN108553783A (zh) | 一种消防控制的方法及系统 | |
| KR102440097B1 (ko) | 전력시설에 대한 재난 예측 및 방재 시스템 및 그의 동작 방법 | |
| KR102648377B1 (ko) | 네트워크 케이블 품질 모니터링이 가능한 ai 통합배선반 및 이를 이용한 방법 | |
| KR102319083B1 (ko) | 인공지능 기반의 화재예방 제공 장치 및 방법 | |
| CN110535238A (zh) | 一种变电设备智能监控系统及方法 | |
| CN103326462A (zh) | 一种变电站双视在线监测智能预警系统 | |
| CN109462755A (zh) | 一种基于多网络视频故障分析及手自动故障排除的运维系统 | |
| CN111932816B (zh) | 用于海上风电场和海岛微电网的火灾报警管理方法及装置 | |
| CN105561514A (zh) | 智慧消防系统 | |
| KR102299704B1 (ko) | 재난환경 메타데이터 연계를 통한 스마트 딥러닝 영상감시 시스템 | |
| KR102613058B1 (ko) | 이기종 빅데이터 호환 게이트웨이를 포함하는 ai 딥러닝 기반 위험탐지 시스템 | |
| CN202758215U (zh) | 电缆网运行综合管理系统及智能操控平台 | |
| KR20100036717A (ko) | 전력선통신기반의 화재 방어시스템 | |
| CN117409526A (zh) | 一种电气火灾极早期预警监测系统及灭火方法 | |
| CN111105582B (zh) | 森林防火监测方法、系统、计算机设备和可读存储介质 | |
| CN110646030A (zh) | 一种用于人防设备维护的监测方法及系统 | |
| CN110954165A (zh) | 一种电缆夹层巡检方法、装置和计算机可存储介质 | |
| CN109697513A (zh) | 一种基于大数据融合分析模型的配网设备状态检修方法 | |
| KR101693081B1 (ko) | 중수로 원전의 원격 감시망과 발전정지유발기기 감시 프로그램 연계를 이용한 발전정지 원인 추적 시스템 및 그 방법 | |
| CN117424338B (zh) | 一种基于云平台的变电站智能化监控方法及系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |